10手动脚本创建数据库

脚本创建数据库 通过脚本创建数据库,如果不能使用xmanager,可以脚本创建数据库。 立即下载
1)设置ORACLE_SID
export ORACLE_SID=mydb
2)用SYS建立DBA角色用户mydba
sqlplus / as sysdba     ----以dba角色进入
show user                         ----查看当前角色
create user mydba identified by oracle;
grant dba to mydba
SQL> select username,account_status from dba_users where username like 'MYDBA%';

USERNAME                                             ACCOUNT_STATUS
------------------------------ --------------------------------
MYDBA                                                    OPEN

Elapsed: 00:00:00.08
SQL>
3)pfile文件
$ORACLE_HOME/dbs/init.ora    ----模板文件
4)连接数据库
$ SQLPLUS /nolog
CONNECT SYS/password AS SYSDBA
5)创建SPFILE
CREATE SPFILE='/data/oracle/jack/spfilemydb.ora' FROM
        PFILE='/data/oracle/jack/init.ora';
shutdown   ----下次会使用本次创建的spfile
6)启动到nomount状态,创建数据库
CREATE DATABASE mydb
     USER SYS IDENTIFIED BY pz6r58
     USER SYSTEM IDENTIFIED BY y1tz5p
     LOGFILE GROUP 1 ('/data/oracle/oracle/oradata/mydb/redo01.log') SIZE 10M,
                     GROUP 2 ('/data/oracle/oracle/oradata/mydb/redo02.log') SIZE 10M,
                     GROUP 3 ('/data/oracle/oracle/oradata/mydb/redo03.log') SIZE 10M
     MAXLOGFILES 5
     MAXLOGMEMBERS 5
     MAXLOGHISTORY 1
     MAXDATAFILES 100
     MAXINSTANCES 1
     CHARACTER SET US7ASCII
     NATIONAL CHARACTER SET AL16UTF16
     DATAFILE '/data/oracle/oracle/oradata/mydb/system01.dbf' SIZE 325M REUSE
     EXTENT MANAGEMENT LOCAL
     SYSAUX DATAFILE '/data/oracle/oracle/oradata/mydb/sysaux01.dbf' SIZE 325M REUSE
     DEFAULT TABLESPACE tbs_1
     DEFAULT TEMPORARY TABLESPACE tempts1
            TEMPFILE '/data/oracle/oracle/oradata/mydb/temp01.dbf'
            SIZE 20M REUSE
     UNDO TABLESPACE undotbs
            DATAFILE '/data/oracle/oracle/oradata/mydb/undotbs01.dbf'
            SIZE 200M REUSE AUTOEXTEND ON MAXSIZE UNLIMITED;
8)增加表空间
-- create a user tablespace to be assigned as the default tablespace for users
CREATE TABLESPACE users LOGGING
         DATAFILE '/data/oracle/oracle/oradata/mydb/users01.dbf'
         SIZE 25M REUSE AUTOEXTEND ON NEXT    1280K MAXSIZE UNLIMITED
         EXTENT MANAGEMENT LOCAL;
-- create a tablespace for indexes, separate from user tablespace
CREATE TABLESPACE indx LOGGING
         DATAFILE '/data/oracle/oracle/oradata/mydb/indx01.dbf'
         SIZE 25M REUSE AUTOEXTEND ON NEXT    1280K MAXSIZE UNLIMITED
         EXTENT MANAGEMENT LOCAL;
9)运行数据字典视图
CONNECT SYS/password AS SYSDBA
@/u01/oracle/rdbms/admin/catalog.sql
@/u01/oracle/rdbms/admin/catproc.sql
10)其他脚本运行
11)备份数据库
EXP/IMP  
EXPDP/IMPDP





本文出自 “Focus on Oracle” 博客,请务必保留此出处http://alexy.blog.51cto.com/6115453/1113661

【Unity Animation 2D】从零到一:骨骼绑定与IK动画实战指南 本文详细介绍了Unity中2D骨骼绑定与IK动画的实战流程,从角色素材准备、骨骼系统创建到权重绘制和IK设置,逐步指导开发者掌握2D动画制作技巧。通过反向动力学(IK)技术,实现更自然的角色动画效果,适用于游戏开发和动画制作。 阅读详情

相关推荐

SAP PP实战:MRP Area怎么用?手把手教你按产线、委外供应商拆分物料计划

本文详细解析了SAP PP模块中MRP Area的功能与应用,指导如何按产线、委外供应商拆分物料计划,实现精细化物料需求管理。通过实战案例展示MRP Area在减少计划冲突、提升库存准确率方面的显著效果,为制造业企业提供可落地的解决方案。

weixin_27015733的博客 432

利用脚本文件创建数据库,建立数据表

4.3、进行表格的创建,编写代码后,点击‘执行’,显示‘命令已成功完成’七:利用外键引用部门表核职位表,使得员工花名册与部门表和职位表相关联。代码编写一部分后点击试运行,显示‘命令已成功完成’4.2、进行代码的编写(这里我创建的是dhsc)八:经过以上的步骤,我们所制作的花名册效果如下。编写花名册所必要的信息,并执行,检查有无报错。2)添加部门的名称与部门的描述两列。利用我们所创建的数据库创建花名册。如果执行出错,有两方面的原因。一:新建查询,创建脚本文件。五:创建数据表--职位表。3)执行后,效果如下。

Crush_klay的博客 662

《MySQL高级篇》十四、多版本并发控制

《MySQL高级篇》十四、多版本并发控制

LXYDSF的博客 3991

手动创建数据库步骤

创建数据库前的规划: 1.预估表和索引所占空间大小 2.计划数据库文件在操作系统的分布(如:将REDO日志文件放在单独的磁盘或者磁带上) 3.选择一个全局数据库名(设置DB_NAME和DB_DOMAIN) 4.服务器参数文件配置 5.选择数据库字符集 6.选择支持的时区(缺省时区文件是timezlrg_11.dat) 7.选择标准的数据块大小 8.考虑是否手动指定在线重做日志的块大...

数据库 1354

多传感器标定全栈系统学习教程

无论是激光雷达(Lidar)、毫米波雷达(Radar)、相机(Camera)还是惯导(IMU),传感器之间的精确标定直接决定了系统的可靠性与性能。本文将以系统化的视角,梳理多传感器标定的核心知识体系,并分享一套覆盖全栈技术的学习路径。Calibration)是实现点云与图像融合的前提,而雷达与车辆的标定(Radar2Car)则是精准速度估计的关键。:Lidar2Car、Camera2Car的快速标定流程,标定板布置规范。:从单传感器标定入手(如相机内参),逐步过渡到多传感器联合标定。

weixin_41792788的博客 904

2.设置Salesforce开发环境

Salesforce DX:salesforce Developer Experience (salesforce开发人员体验)LWC:Lightning Web Component(注意首字母是大写的,是一个概念,小写的话有组件本身的含义)CLI:Command Line Interface(命令行界面)version control system (VCS):版本控制系统。

nihaixiao的博客 2195

【转载】ORACLE 10G DBCA创建脚本实现手动创建数据库

【oracle】oracle 10g数据库创建脚本实现手动创建数据库 把使用DBCA 创建数据库时的输出的脚本拿来研究研究,并参照脚本文件,手动实现一个数据库的创建过程。首先使用DBCA工具创建一份建库脚本,整个脚本文件包含如下文件,感觉应该是从BAT文件开始入手,打开BAT文件查看内容如下:mkdir f:\oracle\product\10.2.0\admin\test\adu...

abc20140的博客 168

SpringBoot整合海康SDK实战:从设备初始化到PS流录像转MP4全流程(附避坑指南)

本文详细介绍了SpringBoot整合海康SDK的完整实战流程,涵盖设备初始化、通道管理、录像检索与下载。针对海康设备生成的PS流录像文件无法直接播放的痛点,重点解析了如何利用FFmpeg高效、无损地将其转换为通用的MP4格式,并提供了关键的避坑指南和性能优化建议。

chair的专栏 763

使用oracle 10g数据库创建脚本实现手动创建数据库

最近工作稍微比较空闲,便把使用DBCA 创建数据库时的输出的脚本拿来研究研究,并参照脚本文件,手动实现一个数据库的创建过程。首先使用DBCA工具创建一份建库脚本,整个脚本文件包含如下文件,感觉应该是从BAT文件开始入手,打开BAT文件查看内容如下:mkdir f:/oracle/product/10.2.0/admin/test/adumpmkdir f:/oracle/product

4688

Windows 11 系统部署 OpenClaw 完整指南:从零到一的 AI 助手搭建

OpenClaw(昵称“小龙虾”)是一款开源 AI 代理工具,定位为“AI 指挥官”,能够接收指令、调用工具并自动化处理任务。它支持对接国内外多款大模型,所有数据本地存储,兼顾实用性与安全性。本文将详细介绍在 Windows 11 系统上部署 OpenClaw 的完整流程。OpenClaw 在 Windows 11 上的部署虽然有一定技术门槛,但按照本文的步骤操作,大多数用户都能顺利完成安装。环境准备是基础:确保 Node.js ≥22 版本,使用管理员权限操作安装方式灵活选择。

weixin_41484939的博客 800

innovus:如何在init design之后新增参考库(lib/lef)

如题,在PR过程中经常会遇到这种问题,时序无法收敛,需要新增一套lvt或者hpc的库,怎么办?

m0_61544122的博客 5005

创建数据库脚本oracle数据库,oracle 10g数据库使用创建脚本实现手动创建数据库-oracle...

使用DBCA 创建数据库时的输出的脚本,并参照脚本文件,手动实现一个数据库的创建过程。首先使用DBCA工具创建一份建库脚本,整个脚本文件包含如下文件,打开BAT文件查看内容如下:mkdir f:\oracle\product\10.2.0\admin\test\adumpmkdir f:\oracle\product\10.2.0\admin\test\bdumpmkdir f:\oracle\p...

weixin_42298969的博客 397

数据预处理

数据预处理 数据预处理(数据清洗)是数据挖掘过程中的重要一步,它主要包括数据清洗,数据集成,数据变换和数据规约。 在我们进行数据挖掘的过程中,大量的原始数据中存在着大量有问题的数据(脏数据)比如有缺失值的,不一致的,有异常的,大量重复的数据等。这些脏数据会严重影响到数据挖掘建模过程的执行效率,也可能会使挖掘结果产生偏差。通过数据预处理(数据清洗)可以提高数据的质量,更好的适应特定的挖掘技术及工具。...

CJW的博客 9929

window平台下手动创建数据库演示

实验系统平台:WindowsXP 数据库版本:Oracle Database 10G Oracle的安装路径:D盘 数据库名称:bob sid:bob 1.创建必要的相关目录 2.创建初始化参数文件pfi...

208

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

ORACLE创建数据库的方式---小笔记

在Oracle中建库,通常有两种方法。一是使用Oracle的建库工且DBCA,这是一个图形界面工且,使用起来方便且很容易理解,因为它的界面友好、美观,而且提示也比较齐全。在Windows系统中,这个工具可以在Oracle程序组中打开(”开始”—“程序”—“ Oracle - OraDb10g_home1”—“ Configuration and Migration Tools”—“ Databas

u010672486的专栏 417

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

如何在linux上创建数据库,在LINUX平台上手动创建数据库(oracle 10g)

在LINUX平台上手动创建数据库(oracle 10g)安装完oracle软件后,不使用dbca创建数据库,而手动创建数据库,主要目的是了解数据库创建的过程中主要进行了那些操作。1.首先设置要创建的ORACLE的SID,如果在.bash_profile文件里设置里该变量,就不用设置了。$echo $ORACEL_SIDmdy如果没有设置,就手动设置,如果一个服务器上要运行多个ORACLE实例,也需...

weixin_39522423的博客 308

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

在LINUX平台上手动创建数据库(oracle 10g)

在LINUX平台上手动创建数据库(oracle 10g)   1.首先设置要创建的ORACLE的SID,如果在.bash_profile文件里设置里该变量,就不用设置了。 $echo $ORACEL_SID mdy 如果没有设置,就手动设置,如果一个服务器上要运行多个ORACLE实例,也需要手动设置。 export ORACLE_SID=mydb   2. 创建需要的诊断目录,这些

Elliot_华子的专栏 571

Oracle 10G手工创建数据库(Helloblock写作)

Oracle 10G手工创建数据库(Helloblock写作) 1、设置实例名: 修改/home/oracle/.bash_profile文件,添加下列这行内容。 export ORACLE_SID=orcl 修改之后使用命令source /home/oracle/.bash_profile让它生效。 2、创建相关目录: mkdir /u01/app

Helloblock的DBA足迹 766

Claude Code本地化部署全平台实战指南

代码智能体(Code Agent)是当前AI编程范式的核心演进方向,其本质是将大模型能力深度嵌入本地开发环境,实现低延迟、高可控、强隐私的代码理解与生成。不同于云端API调用,真正的代码智能体需直连编辑器进程、监听文件系统变更、解析AST并协同LSP服务——这决定了它必须突破操作系统抽象层,针对Windows WSL2、macOS Apple Silicon和原生Linux等环境进行二进制级适配。Claude Code作为典型代表,以Rust构建无运行时依赖的CLI内核,其安装难点不在工具链配置,而在于绕过

weixin_34101229的博客 245

oracle数据库生成脚本,脚本创建Oracle的数据库

oracle创建数据库可以采取dbca,也可采取手动脚本创建;版本:oracle10.2.1,手动脚本创建数据库的方法总结如下:注意:相关目录必须先创建,将相关的目录改为自己的目录即可;Step 1: Decide on Your Instance Identifier (SID)Step 2: Establish the Database Administrator Authentication...

weixin_33413839的博客 844

创建数据库脚本oracle数据库,脚本创建Oracle的数据库

Oracle创建数据库可以采取dbca,也可采取手动脚本创建;版本:oracle10.2.1,手动脚本创建数据库的方法总结如下:Oracle创建数据库可以采取dbca,也可采取手动脚本创建;版本:oracle10.2.1,手动脚本创建数据库的方法总结如下:注意:相关目录必须先创建,将相关的目录改为自己的目录即可;Step 1: Decide on Your Instance Identifier ...

weixin_35990183的博客 672
上一篇: tomcat的一个漏洞
下一篇: 增加SYSTE表空间数据文件
Onlineforeve
博客等级 码龄18年 3粉丝 78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