基于Oracle的大数据导入方案探索

ORACLE 大批量插入数据 这种也是采用DML并发,适用于执行DML语句慢的应用场景。说明:这种方式只能按照串行的方式进行,如果有多个任务在同时进行,会导致进程等待,反而会影响传输的效率。但是源表的数据量是1亿的数据量,按照最普遍的方式 INSERT INTO 效率太低了。这种是采用INSERT 并发,适用于 查询快,插入慢的场景。注: 这种模式其实跟第三种差不多,只不过这种是会话级别的。这种采用DML并发,适用于执行DML语句慢的应用场景。这种采用查询并发,适用于插入快,查询慢的应用场景。3.插入和查询PARALLEL。 阅读详情

数据导入功能在报表项目中是经常可见的,因为它是报表数据展示的基础,但对于大量数据的导入,真正从性能、效率等方面兼顾的方案却很少有。最近在南航广西数据服务平台的项目开发中,我需要设计一个能快速将40多万条数据导入Oracle数据库的方案,为了实现导入的高效,我通过在网上收集资料以及动手实践测试,得出了一些分析总结与大家分享探讨。

谈到数据导入功能的实现,无可厚非应该包括两个过程,首先是数据文件的上传,其次是数据的导入。

一、数据文件上传

文件上传本应该是与导入无关,但它处于数据导入功能的一个环节,其效率也显得有些重要。对于传统项目,文件上传通常采用Struts等框架实现的文件上传机制以及一些开源的文件上传组件,比如SmartUpload等,通过Html中类型为File的Input标签将数据文件获取,通过流的形式发送服务端,最后由服务端获取流并写入文件,如此实现了文件从客户端到服务器的上传过程,这些方式我们都可以将其统一称为Web文件上传。

Web文件上传是通过Http协议实现的文件流传输,其受限于Web数据传输的瓶颈,基于Http协议传输的数据在传输的速度上有一定影响,首先可能出现数据文件请求超时需要数据重传;其次在每秒能传输的字节数在Web方式里受到限制;最后,由于Web在传输数据文件之前需要将数据文件转化为数据流,通过Web的File标签实现的文件流化效率很低,通过对比试验发现,同样对一个50M的文件流化,用Web的File标签流化的时间要大于采用IO方式流化所消耗的时间,也就是说,对于大数据文件,要将其通过Web标签流化再传输,可能会有很长一段时间是处于发送请求状态,甚至会因为这个过程的时间持续较长而造成网络请求超时。这可能是优酷等类似的网站上传视频不采用Web方式的一个原因。

除了Web方式,可以考虑使用Applet,作为一个客户端小程序嵌入到网页中,以IO的方式读取本地数据文件,然后通过Socket将文件流发送到服务端。这种方式从效率上比Web方式有明显的改进,首先是通过IO将文件转化为文件流的效率提升,其次数据通过Socket方传输式,是一种基于TCP协议的网络传输,去除了Web下Http协议对文件传输的限制,通过TCP协议直接从网络的传输层进行数据通信,传输速度上必然会更快。综上,采用Applet加Socket实现网络文件上传性能优于Web方式。

然而,Applet实现的网络文件上传又并非最优,原因在于Applet在运行时受到沙箱的限制。出于对客户机和服务器的保护,web中的applet程序只能运行在限制的沙箱中,其受到很多安全策略的限制,在applet中不能直接访问客户端本地文件系统,除非使用applet授权,采用数字签名的方式使applet能确认该客户端系统是可信的。这样一来,要使用该功能的客户机系统都需要安装安全证书,在项目的部署上就显得十分繁琐。

以上方式都各有弊端,最终,通过和用户协商,我们决定借助外部的FTP工具,使用开源的文件传输工具让用户将数据文件直接传到服务器指定目录下,在网站系统上就只执行数据文件列表加载。另外,目前也有在web上嵌入FTP功能的插件,其通过activeObject的形式嵌入web,实现类似ftp的文件上传功能,打算抽空继续研究。

二、数据导入

大数据导入Oracle数据库是功能实现的重点。

大数据导入的特点在于数据记录多,数据插入需要批量执行,分批量commit,以此来减少对数据库的交互访问次数,减轻数据库压力。在此,我主要探索了两种导入方式,一种是基于多线程的并发插入,另一种是利用SqlLoader实现的大数据导入。

(一)基于多线程的并发插入

该方案是在批量到插入的基础之上采用多线程来执行的方式实现的。

该方案第一步是加载所需的数据文件到内存,生成一个Sql的数组。对于导入的数据文件,一般是EXCEL格式的,对于此种类型数据文件,我们需要借助POI来实现EXCEL文件的加载,并通过POI读取EXCEL中行数据来生成数据插入Sql,文件代码如下:

private XSSFSheet get07SheetForExcel(File file, String sheetName) {

if (file != null) {

try {

FileInputStream fileInputStream = new FileInputStream(file);

// 创建对Excel工作簿文件的引用

XSSFWorkbook workbook = new XSSFWorkbook(fileInputStream);

// 创建对工作表的引用�1�7�1�7

XSSFSheet sheet = workbook.getSheetAt(0);

// 也可用getSheetAt(int index)按索引引用,

// 在Excel文档中,第一张工作表的缺省索引是0$1�7

// 其语句为:HSSFSheet sheet = workbook.getSheetAt(0);

return sheet;

} catch (Exception e) {

}

}

return null;

}

                                 ……

for (int i = begin; null != sheet

&& i < sheet.getLastRowNum() - sheet.getFirstRowNum()

+ 1; i++) {

HSSFRow row = sheet.getRow(i);

System.out.println(i);

String[] valuesPerRow = getHSSFRowValues(row);

if (null == valuesPerRow || valuesPerRow.length < 1) {

continue;

}

rows.add(valuesPerRow);

if (rows.size() == CommonParas.PER_IMPORT_SIZE) {

v.importToDB(rows);

rows.clear();

}

}

v.importToDB(rows);

    这两个分别是POI加载Excel文件方法和读取文件行的数据的片段,从这里暴露出POI处理大数据EXCEL的问题所在。首先,是将EXCEL文件加载到XSSFSheet对象的一个过程需要消耗很多时间及内存资源,通过测试得出,当EXCEL数据记录在6万以上,文件大小超过30M时,此处就会出现异常“JVM内存溢出”,原因就是在加载EXCEL文件时开销太大了,即使我们在启动服务器时扩大JVM内存分配,这也只是治标不治本的方法;其次,在循环读取EXCEL行数据时需要预先获得EXCEL中总行数,而获得总行数的方法则是通过函数sheet.getLastRowNum() - sheet.getFirstRowNum()+ 1 实现,在此又出现了另一个问题,sheet.getLastRowNum()返回值是一个int类型的数据,其最大值只可能是65535,那么它又如何可以计算出超过65535行记录的行数呢?所以得出结论:对于大数据的读取,不能采用POI读取EXCEL的方式。

不采用EXCEL作为数据源文件,可以采用CSV文件代之。CSV是EXCEL可另存为的数据文件格式,其本质上是以逗号分隔的文本文件,因此,对于此类文件的读取,我们可以采用传统IO读取文件的形式,通过字符串分割获得每个单元格数据,拼接到SQL里面,形成SQL的数组。

     第二步,多线程执行数据导入。

     第一步已经将SQL储存到SQL的数组中,接下来就是利用多线程执行批量插入。此处实现需要将SQL执行类实现Runnable接口或者继承Thread类,在常量中设置批量插入的记录数,当加载的SQL数据大小达到该数目时,系统就自动启动一个线程执行该数组的批量数据导入。为了确保线程管理的安全,我们需要定义一个最大线程数,当处于运行的线程数达到最大值时,新开启的线程将利用wait()方法实现等待,等待有线程执行完毕后才开始执行。如此调用,直到加载的数据记录全部都已开始导入才停止线程的启动,此时为了监控数据导入是否全部完成,我们会再新开启一个后台线程,设置为守护进程setDaemon(true),该类线程特点是在所有线程结束后将自动结束,其用于收集每个导入线程的执行状态,当所分配的所有线程状态都不是active时就表示数据导入完成。

利用该方案实现的数据导入较单线程执行的批量数据导入效率提高多倍,从测试导入40万数据结果来看,单线程批量导入耗时19分钟,而基于多线程的导入只用了5分钟左右的时间。但从性能消耗上来看,多线程方案平均同时工作线程数为15个左右,CPU利用率高达90%,内存消耗约500M,对于服务器本身已造成了一定的压力,虽然在速度上提升了,其对于服务器的稳定性将造成安全隐患。

此外,对于多线程工作效率的探索上也有一点心得。多线程的出现更多的是迎合多核处理技术的革新,在单CPU工作的主机上,多线程看起来貌似是多个线程并发执行,但从操作系统的角度出发其仍然处于串行状态,因为在同一时间,处理器只对一个任务进行调度,只不过是轮询的时间间隙较短不容易发觉。如果在多核处理的主机上,就会有多个处理器同时处理并发的线程,这样才能实现真正意义上的并发调度,所以多线程还是依赖于硬件本身。为了验证效率,当我们把执行导入的各个线程以webService的形式部署到不同的虚拟机中去执行时,效果就不一样了,效率明显还会提升。由此引出一个当今IT行业的一个热点,虚拟化技术的实现与应用,有利于资源的优化配置,在有限的资源上实现更大的利用价值,该技术在云计算领域也是颇受关注的。

(二)利用SQLLOADER执行大数据导入

     SQLLOADER是oralce内置的一个命令工具,其可实现将CSV数据文件或者文本数据文件一次性导入数据库中。它的使用需要有两个文件,一个是需要导入的数据文件,另一个是控制导入的控制文件。该方案的执行需要三个步骤,第一是格式化数据文件,第二是生成控制文件,最后是执行导入命令。

第一,格式化数据文件。

数据文件不是已经上传了,为什么需要格式化呢?原因在于SQLLOADER对于导入数据文件要求的严格性。利用SQLLOADER导入的数据文件有如下要求:

1、数据行之间要有合法换行标志,数据与数据之间需要有合法分隔符,一般情况下数据之间用逗号分隔,数据记录之间用换行符分隔;

2、要导入的数据是直接导入到数据库的内容,不能包含表头信息,对于数据文件中有表头的需要将其去除;

3、数据中不能包含既定的数据分隔符,比如逗号,因为其在导入时对于数据个数不匹配的将视为错误数据被拒绝。

因此,为了确保数据能够准确的被导入到数据库,在数据导入之前我们需要验证原数据文件,并读取其数据信息生成格式化的新数据文件提供导入。这也许是这种导入方式繁琐的地方,但出于安全又不得不做。

第二,生成控制文件。

SQLLOADER执行数据导入并非直接通过命题操纵数据文件,而是通过一个控制文件规定了导入数据的方式,包括数据文件路径及导入数据字段等等,它通过执行该控制文件来实现数据的导入。下面来看一个控制文件内容。

load data                                                  

infile 'e:\test\舱位数据源(20120101-20120331).csv'   (1)

append into table CZDS_CABIN                           (2)

fields terminated by ','                                (3)

( CARRIER,                                                 (4)

  ORGCITY,

  ARRIVALCITY,

  FLYDATE "to_date(:FLYDATE,'YYYY-MM-DD')",

  FLIGHTNO,

  FLIGHTSEG,

  AIRLINE,

  AIRLINETOANDFROM,

  FLIGHTTYPE,

  ORGUNITS,

  MOTHERCABIN,

  SONSPACE,

  DISCOUNTFACTOR,

  CLASSES,

  FLIGHTNAVIGATIONSECTION,

  BOARDINGTIMES,

  GROUPTICKETRNUMBER,

  REVENUEFORECASTING,

  SEATINGSECTOR,

  SEATINGNAVIGATIONSECTION,

  SEATINGSONTNSECTION      )

(1)定义需要导入的格式化数据文件路径,可以是CSV文件或者TXT文本文件;

(2)定义导入数据库的方式为append,需要插入数据的表名为CZDS_CABIN;

(3)定义数据间的分隔符为逗号,此处,还可以定义更多的控制命令,比如是否允许插入空数据命令trailing nullcols等等。

(4)定义导入数据的对应的字段。这里所列的字段要与数据文件中每行数据中数据对应的列一致,因为SQLLOADER是按照这个顺序对数据进行插入的。其次,还有个值得注意的地方,在列名的后面可以用双引号定义导入后数据的格式。SQLLOADER导入数据时区分格式的,当插入数字和字符类型数据时可以根据文本进行自动转换,但是当插入数据是时间类型时,需要在此处定义格式转换,利用to_date方法将字符转化为日期再执行插入。同时,利用这个控制,可以实现对插入数据的格式化,比如利用lpad进行左填充等等,这也是SQLLOADER相对灵活的地方。

第三步,通过SQLLOADER命令执行数据导入。

这里的SQLLOADER命令是一个命令行命令,需要在JAVA程序中执行CMD程序来调用。

Process process = null;

try {

process = java.lang.Runtime.getRuntime().exec(cmd);

} catch (Exception e) {

e.printStackTrace();

}

    Cmd就是需要执行的SQLLOADER命令。SQLLOADER命令如下:

sqlldr userid=mrl/mrl123456 control=e:\\test\\control1.txt log=aa.log  bad=bad.bad direct=true parallel=true

Userid指的是本地数据库的用户名和密码,不正确将连接不上数据库。

Control的值是我们之前生成的控制文件路径,命令将会执行该控制文件。

Log:这里定义了导入的日志文件路径。

Bad:当导入失败时,该文件里存放了没有成功导入的数据记录。

Direct:开启直接导入路径模式。

Parallel:开启并发导入模式。

在程序中执行此命令后,通过process.waitFor()方法来等待命令执行的返回,若返回值为0则说明程序正常结束,数据导入成功;如返回1,则说明数据导入中出现异常,需要排查日志文件,数据导入失败。

利用SQLLOADER执行数据导入的缺点在于其对数据文件格式要求的严格以及其只能导入本地数据库,而无法执行远程导入,且导入数据只能通过闪存回滚,存在风险性。但其优点又很明显,导入数据速度非常快,通过测试结果显示,导入40万数据仅用了7-8秒,较之前额方法可谓一个飞跃,这也许是其赢得大家一致认可的原因所在。

篇末,通过这次对数据导入功能实现方案的探索,我学习到了很多知识和技巧,对于数据导入的实现原理也有了自己的认识,也希望能和大家探讨交流。

本文转载自:http://sean2012.blog.51cto.com/2714021/1097766

分享MSSQL、MySql、Oracle的大数据批量导入方法及编程手法细节 随着大数据的普及,数据间的批量移动必然越来频繁的被涉及,所以不管是用SQL脚本,还是自己写代码,或是用DBImport工具,都将成必备技能之一了!鉴于此,分享一下我在这一块费过的力和填过的坑,供大伙参考!一条sql 在MySQL中是如何执行的_一条sql语句在mysql中如何执行的-优快云博客 https://blog.youkuaiyun.com/m0_66572126/article/details/141310260?不支持? 阅读详情

相关推荐

Oracle 导入、导出大数据

Oracle 导入、导出大数据1.sqlldr-数据的导入1.1常用参数介绍1.2文件介绍2.Sqluldr-数据导出2.1Sqluldr作用介绍:2.2 配置工具包2.3 使用Sqluldr 1.sqlldr-数据的导入 1.1常用参数介绍 命令参数 userid – Oracle 的 username/password[@servicename] control – 控制文件,可能包含表的...

weixin_43111077的博客 1723

oracle基于3种方法的大数据量插入更新

过程插入更新的3种方法: a、逐条检查插入或更新,同时执行插入或更新 b、逐条merge into(逐条是为了记录过程日志与错误信息) c、基于关联数组的检查插入、更新,通过forall批量sql执行 以下为模拟步骤: 1、创建模拟大表,数据量1亿不分区create table big_table as SELECT ROWNUM RN,'A' A,'B' B,'C' C,'D' D

u012431409的博客 1万+

10亿数据导入oracle方案

    方案:由于数据量过大,而且里面有重复数据,直接导入数据库超慢,所以需要建立临时表,然后去重插入最终表。临时表、最终表分区,都不建立主键和索引,设置临时表和最终表为nologging+并行,使用sqlload直路径+并行把数据导入临时表,然后重构主键为本地索引(为了以后查询数据速度快些),临时表对每个分区去重后插入最终表,最终表重构主键和索引,设置最终表为logging+noparallel...

qufenglm 2933

Oracle 插入大量数据

1. 采用高速的存储设备,提高读写能力,如:EMC 和NetApp, 2. 假如tab1表中的没有数据的话 DROP TABLE TAB1; CREATE TABLE TAB1 AS SELECT * FROM TAB2; 然后在创建索引 3. 用Hint 提示减少操作时间 INSERT /*+Append*/ INTO tab1...

tianshibaijia 370

使用Sqoop从Oracle数据库导入数据

Sqoop是一个用于在Hadoop生态系统(如HDFS和Hive)与关系型数据库之间传输数据的工具。它使数据工程师能够方便地将结构化数据从关系型数据库导入到Hadoop中,以便进行更多的数据分析和处理。Sqoop支持多种关系型数据库,包括Oracle、MySQL、SQL Server等。使用Sqoop从Oracle数据库导入数据是在大数据环境中进行数据分析的关键步骤之一。本文提供了一个详细的指南,包括安装和配置Sqoop、使用Sqoop导入数据的步骤以及一些常见的配置选项。

日常分享数据分析开发、编程语言内容 1864

Oracle 大数据量下的数据迁移

本文梗概: 本文主要描述了从oracle 9i至oracle 10g的单表大数据量的迁移过程,其间作者尝试了不同方法,对比之后,主要使用了DB Link。 正文:由于公司服务器升级,原Oracle 9i RAC(裸设备)系统也升级到了Oracle 10g RAC(ASM),原数据库中的数据也要导入到新建的数据库中。数据迁移要求:环境原系统:Sun Slaris 8.0(UltraSPARC_64)Oracle 9i R2 RAC新系统

golden24kcn的专栏 8879

大数据写入到Oracle数据库(批量插入数据)

大数据批量写入到Oracle数据库,对比:原生写法,EF写法,sqlsugar写法。

高彬的专栏 5183

oracle插入大数据量

这个文件是用oracle的脚本的如的,往oracle中插入的数据量可能会使用

ogg_for_bigdata(oracle日志通过ogg for bigdata 导入hdfs)

ogg for bigdata(oracle日志通过ogg for bigdata 导入hdfs) 文章目录ogg for bigdata(oracle日志通过ogg for bigdata 导入hdfs)1、环境准备2、Oracle XE 11安装3、hadoop安装4、安装源端ogg5、安装目标端ogg for bigdata6、Oracle设置7、ogg源端配置OGG初始化配置管理器mgr添加要复制日志的表配置抽取进程配置投递进程配置define文件8、目标端的配置OGG初始化配置管理端的mgr配置c

weixin_43761300的博客 2090

oracle大数据块添加

/// /// 大数据块入库 /// /// /// public void BulkToDB(DataTable dt, string targetTable) { string err = "大批量插入时产生错误"; string conStr = PubConstant.ConnectionString; conStr = "Data Source=(DESCRIPTION=(ADDRESS=(PROTOCOL=TCP)(HOST=192.168.29.98)(PORT=1521)) (CONNECT_DATA=(SERVICE_NAME=ORCL)));User ID=bridgeSystest;Password=abc123"; Oracle.DataAccess.Client.OracleConnection conn = new Oracle.DataAccess.Client.OracleConnection(conStr); //System.Data.OracleClient.OracleConnection conn = new System.Data.OracleClient.OracleConnection(conStr); if (conn.State != ConnectionState.Open) { conn.Open(); } // Oracle.DataAccess.Client.OracleBulkCopy bulkCopy = new Oracle.DataAccess.Client.OracleBulkCopy(conn, OracleBulkCopyOptions.Default); Oracle.DataAccess.Client.OracleBulkCopy bulkCopy = new Oracle.DataAccess.Client.OracleBulkCopy(conn, OracleBulkCopyOptions.Default); bulkCopy.BatchSize = 100000; bulkCopy.BulkCopyTimeout = 260; bulkCopy.DestinationTableName = targetTable; try { if (conn.State != ConnectionState.Open) { conn.Open(); } // conn.Open(); if (dt != null && dt.Rows.Count != 0) { bulkCopy.WriteToServer(dt); } } catch (Exception ex) { // Log.WriteLog(err, ex); } finally { conn.Close(); if (bulkCopy != null) bulkCopy.Close(); } }

qemu-system-aarch64参数详解与实战配置指南

本文详细解析了qemu-system-aarch64的核心参数,包括-machine、cpu、smp、m、drive和netdev等关键配置。通过嵌入式内核调试、完整系统运行和外设模拟三大实战场景,提供可直接使用的配置示例与性能优化技巧,帮助开发者在x86主机上高效构建和调试ARM64虚拟环境。

weixin_29197051的博客 354

【大数据开发运维解决方案】OGG For Bigdata 12按操作类型同步Oracle数据到kafka不同topic

Oracle可以通过OGG for Bigdata将Oracle数据库数据实时增量同步至hadoop平台(kafka,hdfs等)进行消费,笔者搭建这个环境的目的是将Oracle数据库表通过OGG同步到kafka来提供给flink做流计算。具体的实施文档已经在之前的文章中写了,这里只给出连接: OGG实时同步Oracle数据到Kafka实施文档(供flink流式计算) 这篇文章主要介绍的是: Or...

赵延东的一亩三分地 16万+

zds1104示波器使用指南

(2)将探头连接到探头补偿端,按下auto setup按键,一键捕获。(3)连接需要测量信号,开始查看波形。操作说明书,可以自行查看操作说明书。

m0_61973119的博客 6781

Sqoop从Oracle导入表到Hive

最近甲方项目希望建立大数据平台,需要将保存在Oracle中的表和记录全部导入到大数据平台中。原计划是将表导入到HBase中,作为Hive外部表,但甲方对如何使用还没有明确想法,HBase行键不好设计,但甲方又急于将数据导入试用。于是决定先将数据导入到Hive中,方便他们做统计分析试验。调研一番后,决定采用Sqoop。现将使用过程总结如下。

我的博客 2万+

SMIC Memory配置与Library Compiler实战:从lib到db的高效转换

本文详细介绍了SMIC Memory Compiler的配置要点与使用Library Compiler将.lib文件高效转换为.db文件的完整流程。文章深入解析了关键配置参数对性能和面积的影响,并提供了从交互式操作到自动化脚本的实战指南,帮助数字芯片设计工程师顺利完成存储器模型的生成与集成,确保Design Compiler能正确调用。

weixin_28314575的博客 336

让 AI 变聪明的 20 条指令:如何让大模型回答得更精准、更专业、更实事求是

让 AI 变聪明,本质上不是写几句神奇咒语,而是把你的任务表达得更清楚,把事实标准设得更严格,把输出格式规定得更明确,把不确定性管理得更认真,把历史对话利用得更充分。大模型的强项是语言生成、信息组织、模式归纳和方案扩展;弱项是事实核验、实时更新、责任判断和对模糊意图的准确猜测。好的指令,就是在用人的判断弥补模型的弱点,让模型把强项发挥在正确的地方。

Sumarua的博客 1541

oracle goldengate for bigdata

-- 安装需要的软件包: # yum -y install rlwrap unzip -- 解压软件: # unzip OGG_BigData_Linux_x64_12.3.2.1.1.zip Archive: OGG_BigData_Linux_x64_12.3.2.1.1.zip inflating: OGGBD-12.3.2.1-README.txt inflating: ...

vkingnew 的技术博客 2203

PyTorch深度学习实战(36)——Pix2Pix详解与实现

Pix2Pix 是基于生成对抗网络的图像转换框架,能够将输入图像转换为与之对应的输出图像,能够广泛用于图像到图像转换的任务,如风格转换、图像修复、语义标签到图像的转换等。Pix2Pix 的核心思想是通过对抗训练将输入图像和目标输出图像进行配对,使生成网络可以学习到输入图像到输出图像的映射关系。在本节中,将学习使用 Pix2Pix 根据给定轮廓生成图像。

盼小辉丶的博客 1万+

Oracle 导入 txt (oracle 10) 百万数据导入 txt

索引1.1.1,Oracle 百万数据导入 txt1.1.2,准备工作1.1.3,首先我们创建个测试账户#1.1.4,写个测试表1.1.5,编写自动入库脚本 ctl1.1.6,示例1 编写.ctl 控制器1.1.7,执行脚本1.1.8从新测试用到的 sql1.1.9python处理数据1.2参考文献: 1.1.1,Oracle 百万数据导入 txt 1.1.2,准备工作 用到的数据,...

weixin_43299649的博客 6514

【HYSPLIT 教程第二期】Inline WRF-HYSPLIT 耦合

【HYSPLIT 教程第二期】Inline WRF-HYSPLIT 耦合

WW、forever的博客 812

C#串口通信从入门到精通(1)——硬件接线

RS-232接口一般都是9针的,有公母头(针头和孔头),为了便有理解以下都称为针头和孔头,针头就是露出来的针,孔头就是9个孔,总共使用3条线进行通信,一条用于发送,一条用于接收,另外一根是GND地线,由于线路的功能是永久性的,设置连接时,必须确保一个节点的发送线与另一个节点的接收线相连,反之亦然,RxD(PC的接收线)连接到TxD(传感器电子设备的发送线),TxD(PC的发送线)连接到RxD(传感器电子设备的发送线)。两条线路的电平都是相对于GND的。因此,GND也必须连接,但不能将GND与屏蔽连接。

qq_34059233的博客 1万+

python oracle批量导入_oracle大数据量python导入实践-1w/s

原标题:oracle大数据量python导入实践-1w/s在项目中需要将一个80w+的csv数据(200+m)导入到oracle库,一开始使用的是Navicat for Oracle的导入工具。跑了五六分钟之后绝望了,因为才跑了2%,按这样的速度跑半天都跑不完。 回想了一下老本行mysql,觉得Oracle应该也会有一个批量插入的高效率语句的写法。于是翻看了oracle的官方文档精通 Oracle...

weixin_39774219的博客 1808

华南理工大学-大学物理实验-绪论作业

3.用公式测量某圆柱体铝的密度,测得直径=2.0420.003(cm),高=4.1260.004(cm),质量=36.4880.006(g)。计算铝的密度和测量的标准差,并以测量结果表达式表示之。(要求判别和剔除异常数据)(30分)(了解图解法的注意事项,大学物理实验众多实验数据处理采用这种方法,如PN结温度特性研究,光电效应与普朗克常数的测定,霍尔效应测磁场等等,注意规范作图)实验测得温度与对应的金属丝的长度的数据如下表所示。(了解异常数据的判断方法及具体判断过程,30分的题目n(*≧▽≦*)n)

mohen_777的博客 583

Oracle数据迁移:导出与导入的详细指南

在数据库管理中,数据的导出与导入是一项常见的任务,无论是为了数据迁移、备份还是其他目的。Oracle数据库提供了多种工具和方法来实现数据的导出和导入。本文将详细介绍如何在Oracle中实现数据的导出和导入,包括使用Oracle SQL Developer、Oracle Data Pump、exp/imp实用程序等工具的方法和步骤。

2401_85842555的博客 2463

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

Oracle数据表导入导出_数据迁移用

Oracle导出表和导出表的方法

linnge的博客 2万+

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

上一篇: 国内各种在线支付方式汇总
下一篇: Mule Tuning Performance Mule性能调优
diligentcoder
博客等级 码龄14年 7粉丝 5原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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