去掉DB_DOMAIN的方法

本文探讨了Oracle数据库中GLOBAL_NAME参数的问题,特别是当DB_DOMAIN被设置后所带来的挑战,包括数据库链接创建的问题以及对复制环境的影响。文章还提供了一种通过修改数据字典来移除DB_DOMAIN的方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

今天下午比较郁闷,折腾了一个下午,就是因为GLOBAL_NAME的问题。


OracleGLOBAL_NAME由两个部分组成:DB_NAMEDB_DOMAIN。如果在建立数据库的时候不指定DB_DOMAIN的值,则GLOBAL_NAMEDB_NAME的值一样。

Oracle有一个从来没有解决的问题,就是DB_DOMAIN一旦加上,就再也去不掉了。

不管是设置通过DB_DOMAIN的方式,还是通过ALTER DATABASE RENAME GLOBAL_NAME TO的方式。一旦GLOBAL_NAME包含了DB_DOMAIN部分。就再也无法去掉了。

 

SQL> SELECT * FROM GLOBAL_NAME;

GLOBAL_NAME
-------------------------------------------------------------------------
YTK

SQL> SHOW PARAMETER DB_DOMAIN

NAME TYPE VALUE
------------------------------------ ----------- ------------------------
db_domain string
SQL> ALTER DATABASE RENAME GLOBAL_NAME TO YTK.YANGTINGKUN;

数据库已更改。

SQL> SELECT * FROM GLOBAL_NAME;

GLOBAL_NAME
-------------------------------------------------------------------------
YTK.YANGTINGKUN

SQL> ALTER DATABASE RENAME GLOBAL_NAME TO YTK;

数据库已更改。

SQL> SELECT * FROM GLOBAL_NAME;

GLOBAL_NAME
-------------------------------------------------------------------------
YTK.YANGTINGKUN

 

而且这个问题还可能造成以前建立的数据库链不可用的情况。这还不是最郁闷的,当配置高级复制等环境时,需要将GLOBAL_NAMES参数设置为TRUE,因此如果主站点本身不带DB_DOMAIN,则带DB_DOMAIN的数据库无法加入到这个复制环境中。

因为,这个时候,添加任何不带DOMAIN的数据库链,Oracle都会自动将本机的DOMAIN加上。

 

SQL> CREATE DATABASE LINK TESTDATA;

数据库链接已创建。

SQL> SELECT DB_LINK FROM USER_DB_LINKS;

DB_LINK
----------------------------------------
TESTDATA.YANGTINGKUN

 

这就要求复制环境中不要出现不同配置的数据库。要不然全部环境都不带DB_DOMAIN,要不然全部环境都带DB_DOMAIN。否则就很容易出现这个问题。

说了半天,这个DB_DOMAIN到底如何才能去掉呢。没有常规的方法,唯一的方法是修改数据字典。

下面的方法只是实在没有办法的时候才使用,个人并不推荐使用这个方式。

 

SQL> CONN /@YTK AS SYSDBA已连接。
SQL> UPDATE SYS.PROPS$ SET VALUE$ = 'YTK' WHERE NAME = 'GLOBAL_DB_NAME';

已更新 1 行。

SQL> SELECT * FROM GLOBAL_NAME;

GLOBAL_NAME
----------------------------------------------------------------------------
YTK

SQL> COMMIT;

 

提交完成。

虽然通过SQL_TRACE可以看到,Oracle实际上就是这些了这个操作,不过仍然不推荐采用直接修改数据字典的方法。

### 频域特征提取与选择方法 频域分析通过转换时间序列数据至频率空间来揭示隐藏模式,这在信号处理和机器学习领域具有广泛应用。常见的频域特征提取技术包括傅里叶变换(FFT)[^2]、离散余弦变换(DCT)以及小波变换(WT),其中后者特别适用于非平稳信号的局部化特性研究。 #### 小波变换的应用实例 对于EEG信号而言,采用多分辨率的小波分解能够有效捕捉不同尺度下的瞬态变化,从而实现更精细的时间-频率表示形式[^1]。具体来说,在预处理阶段去除噪声干扰之后,可以利用连续或离散型小波基函数对原始记录实施逐层降解;随后基于所得系数计算统计量(如均值、方差等),作为后续分类器输入的关键属性之一。 ```python import pywt coeffs = pywt.wavedec(data, 'db4', level=5) cA5, cD5, cD4, cD3, cD2, cD1 = coeffs ``` 上述代码片段展示了如何使用PyWavelets库执行五级Daubechies 4小波分解操作,并获取近似(A)和平滑细节(D)分量用于进一步分析。 #### 特征选择策略 当面对高维数据集时,合理的维度约简手段显得尤为重要。主成分分析(PCA)是一种线性无监督算法,旨在寻找能最大程度保留样本间差异性的正交投影方向,进而降低冗余度并提高模型泛化能力。此外,支持向量机(SVM)借助核技巧可映射低维空间到更高维度以增强决策边界区分效果,常被用来解决二元或多类别的识别任务。 ```matlab % MATLAB示例:应用PCA进行特征压缩 [coeff,score,latent] = pca(features); reduced_features = score(:,1:k); % k为主成分数目 ``` #### 应用场景举例 无线通信环境中存在多种调制方式共存现象,因此有必要构建智能化感知系统以便实时监测电磁环境状态。深度神经网络凭借强大的表征学习机制成为该领域的有力工具,通过对采集自分布式低成本频谱传感器的数据流实施端到端训练,最终达到自动判别各类发射源的目的[^3]。
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