在unix下和linux下创建裸设备总结

本文详细介绍在AIX与Linux环境下创建裸设备的过程,并提供了通过dd命令进行裸设备备份的方法。包括在AIX下创建VG卷组、LV逻辑卷、权限配置与挂载,以及Linux下分区创建、权限调整、裸磁盘链接等步骤。
(一)AIX下创建裸设备:
1.创建VG卷组:
#mkvg -S -y'datavg' -s'128'hdisk1 hdisk2....
其中:-S表示创建scalable-type的VG;-y表示创建vg的名称;-s表示PP SIZE的大小。
2.从VG中创建一个LV,名称为lv_db_test_1g:
#mklv -y'lv_db_test_1g' -t'raw' '-S128k' datavg 16 hdisk1 hdisk2...hdiskn
其中:在vg中创建一个lv_db_test_1g的lv;分别在pv上条带尺寸为128K,-t 表示类型为raw,这个类型只是个标志,可以随意指定。
3.修改相应权限:
chown oracle:oinstall /dev/rlv_db_test_1g;
注意"rlv"表示字符设备[@more@]4.挂载数据文件:
ln -s /dev/rlv_db_test_1g /oracle/oradata/dgdemo/temp01.dbf
5.在数据库中创建表空间:
create tablespace temp datafile '/oracle/oradata/dgdemo/temp01.dbf' size 1000M reuse;

(二)linux下创建裸设备:

1.创建分区:

利用fdisk分一个区,比如划分/dev/hdb1;

2.挂载分区:

#raw /dev/raw/raw1 /dev/hdb1;

3.修改权限:

#chown oracle:oinstall /dev/raw/raw1

4.链接裸磁盘:

#ln -s /dev/raw/raw1 /oracle/oradata/dgdemo/temp.dbf

5.创建oracle的数据文件:

create tablespace temp datafile '/oracle/oradata/dgdemo/temp.dbf' size 1000M reuse;

备注:如果使用LVM来创建LV类型的裸设备:由于LVM创建的LV是块设备,不是字符设备,只有块设备;

#raw /dev/raw/raw1 /dev/lv_db_test_1g;

(三)裸设备备份:

使用dd命令:

if=file 指定输入文件,默认值为标准输入

of=file 指定输出文件,默认值为标准输出

bs=n 设置输入和输出的块大小为N字节(以k为单位)

skip=n 拷贝之前跳过n个数据块,默认值为0

seek=n 拷贝之前从输出文件首部跳过N块,默认值为0

count=0 指定拷贝的块数,默认到拷贝到输入文件结束。

注意:数据文件拷贝在数据库OFFILE或者数据库没有OPEN状态下拷贝:

dd精确拷贝:

dd if=/dev/rlv_db_test_1g f=/oracle/test01.dbf bs=4k skip=1 count=512002

dd整个数据文件拷贝:

dd if=/dev/rlv_db_test_1g f=/oracle/test01.dbf bs=4k seek=1

使用RMAN进行备份,必须在MOUNT和OPEN状态下拷贝:

rman>copy '/oracle/oradata/dgdemo/test01.dbf' to '/oracle/test01.dbf'

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/7490392/viewspace-1023651/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/7490392/viewspace-1023651/

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习修改: 通过阅读模型中的注释查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,议有一定的MATLAB编程基础。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值