大型网站的备份恢复同步策略

本文探讨了一种网站迁移及数据备份方案,针对一个运行了8年的网站,提出了Oracle数据库同步、数据文件备份的方法,以及如何实现主机与备机间的快速切换。

 

 

原文链接: http://www.itpub.net/thread-1769278-1-1.html

 

遇到需求如下:
客户要做网站迁移并且,要做一台备机,当主机发生问题时候,备机立马能用。做数据备份方案。网站已经跑了8年了,数据库文件大概21G,数据文件大概有40G,没有文件服务器,所有的文件都会上传到一个文件夹下面,文件夹巨大40G,并且文件琐碎,每天还上传大量的数据,pdf,word文件,图片都有。
现在问题如下:
1。如何做oracle数据库同步,我最开始用数据泵的方式,发现也不快,每次备份需要4个小时。备份文件巨大。我考虑用RMAN方式备份不知可行?

RMAN 全备+增量备份 做好恢复测试 每周做一次全备

 


2.如何做数据文件的备份,每天都有新的文件上传,不可能全部备份,没有那么大的空间,而且每次备份也需要耗费大量的时间。我的想法是知道那些数据每天增加,通过写程序实现数据每天备份同步。

如果是LINUX的话 我觉得RSYNC可以尝试 如果是WINDOWS 采用备份软件

 


3.如何快速切换?当主机发生问题时,最方便的切换备机。

ORACLE DATA GUARD 物理STANDBY 如果对实时性有要求 可采用 SYNC

如果允许数据少量丢失 则用ARCH的方式

 40G的数据量其实很小

内容概要:本文是一篇关于使用RandLANet模型对SensatUrban数据集进行点云语义分割的实战教程,系统介绍了从环境搭建、数据准备、模型训练与测试到精度评估的完整流程。文章详细说明了在Ubuntu系统下配置TensorFlow 2.2、CUDA及cuDNN等深度学习环境的方法,并指导用户下载和预处理SensatUrban数据集。随后,逐步讲解RandLANet代码的获取与运行方式,包括训练、测试命令的执行与参数含义,以及如何监控训练过程中的关键指标。最后,教程涵盖测试结果分析、向官方平台提交结果、解读评估报告及可视化效果等内容,并针对常见问题提供解决方案。; 适合人群:具备一定深度学习基础,熟悉Python编程和深度学习框架,从事计算机视觉或三维点云相关研究的学生、研究人员及工程师;适合希望动手实践点云语义分割项目的初学者与进阶者。; 使用场景及目标:①掌握RandLANet网络结构及其在点云语义分割任务中的应用;②学会完整部署一个点云分割项目,包括数据处理、模型训练、测试与性能评估;③为参与相关竞赛或科研项目提供技术支撑。; 阅读建议:建议读者结合提供的代码链接和密码访问完整资料,在本地或云端环境中边操作边学习,重点关注数据格式要求与训练参数设置,遇到问题时参考“常见问题与解决技巧”部分及时排查。
评论
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