GaussDB 通过DBeaver连接实例

DBeaver是一个通用的数据库客户端,可以通过配置不同驱动连接各种不同的数据库。本章介绍如何通过DBeaver连接GaussDB实例。

步骤一:获取驱动包
获取驱动包和驱动包校验包。
根据不同版本的实例,下载对应版本的驱动包和驱动包校验包到本地任意目录,如表1所示。

在这里插入图片描述
校验驱动包。
为了防止驱动包在传递过程或存储期间被恶意篡改,需要对驱动包进行校验,校验方法如下:

使用快捷键“Win+R”打开“运行”窗口。 在“打开”栏,输入“cmd”,按“Enter”回车,打开命令行页面。
执行以下命令,获取驱动包的Hash值。

certutil -hashfile {驱动包本地目录}{驱动包名} sha256

{驱动包本地目录}:请根据实际下载目录进行替换。例如:C:\Users

{驱动包名}:请根据实际下载的驱动包名进行替换。例如:GaussDB_driver.zip

示例:certutil -hashfile C:\Users\GaussDB_driver.zip sha256

将2.b获取到的Hash值和1中获取到的驱动包校验包的Hash值进行比较。
若一致则通过校验。

若不一致,请重新下载驱动包,重复2.a~2.c进行校验。

解压驱动包,获取gsjdbc4.jar包。

将1中获取到的驱动包解压到本地, 根据您需要连接的实例类型,进入驱动包对应类型目录下的任意一个操作系统目录,找到GaussDB-Kernel_数据库版本号_操作系统版本号_64bit_Jdbc.tar.gz包后进行解压,获取到gsjdbc4.jar包,放在本地任意目录下。

例如:

需要连接分布式版实例,您可以进入到GaussDB_driver\Distributed\Euler2.5_X86_64路径下,找到GaussDB-Kernel_503.1.0.SPC2300_Euler_64bit_Jdbc.tar.gz包进行解压,获取到gsjdbc4.jar包。

说明:
JDBC驱动包不区分操作系统和架构。因此,在获取gsjdbc4.jar包时,只需要关注实例类型即可。

步骤二:获取DBeaver客户端安装包

DBeaver官网提供了针对不同操作系统的客户端安装包,单击此处访问DBeaver官网下载系统对应的DBeaver客户端安装包并完成安装 。

步骤三:创建新驱动

打开DBeaver客户端。
单击“数据库 > 驱动管理器”,打开驱动管理器界面。
单击“新建”,打开创建新驱动界面。

在“设置”页签中,正确输入驱动名称、类名、URL模板、默认端口、Default Database、Default User,选择驱动类型,单击“确定”创建驱动。

在这里插入图片描述
在“库”页签中,单击添加文件,选择步骤一第3步中的gsjdbc4.jar。
添加后驱动类为空,需要单击“找到类”,选择识别出来的驱动类。驱动类需要与“设置”页的“类名”一致。
单击“确定”,驱动设置完成。
步骤四:连接数据库
在DBeaver客户端单击,打开创建连接界面。
搜索步骤三中创建的驱动,选中驱动,单击“下一步”。

在这里插入图片描述

图1 选择驱动
点击放大
输入主机IP地址,端口,数据库名,用户名和密码。
表3 参数说明在这里插入图片描述
单击“测试链接”。若弹框中显示“已连接”,则说明可正常连接,单击“确定”。
单击“完成”,即可连接到数据库。在“数据库导航”栏可查看到连接的数据库信息。

Security-feature-detection-system 安全检测系统 简介 安全检测系统-多目标识别(YOLOv5)和人脸识别(Facenet)快速部署系统。 功能上:本项目使用YOLOv5实现多目标识别,使用Facenet实现人脸识别,最终需要人脸和此人应具备的多目标同时满足才能通过安全检测,部署上:使用pyqt5实现前端可视化,在前端页面运行YOLOv5多目标识别系统(将模型运行封装到Qt中),使用Docker封装人脸识别后端系统,使用网络请求等包实现前后端交互 案例:进行多目标识别的同时,进行人脸识别,前端系统发送请求,携带参数到后端进行人脸识别,最终返回人脸识别结果,获取人脸识别结果后,检索该成员应具备的多目标特征,与YOLOv5多目标识别的实际结果进行比对,若无误则通过安全检测。 根据原作 https://pan.quark.cn/s/9784cdf4abfd 的源码改编 项目背景 出于一些比赛的需要,以及逃离懵懂状态开始探索,我于2023.12~2024.1(大二上)开始一些CV、LLM项目的研究,苦于能力有限,当时大部分的项目都是依托开源搭建而来,诸如本项目就是依托开源的Compreface和Yolov5搭建,我只不过做了缝合的工作,所以在此必须提及这两个项目的巨大贡献:https://.com/exadel-inc/CompreFace https://.com/ultralytics/yolov5 今天是2024.7.11(大二下暑假),时隔半年我才开始这个项目的开源工作是因为,半年前的水平有限,虽然自己能实现项目的运作,但是恐很多细节介绍不好,当然本文自发出,后续我还会跟进,欢迎指正:22012100039@stu.xidian.edu.c...
使用教程: https://pan.quark.cn/s/c0f2b4acdf83,有不会的再问我  功能介绍: 用户输入人脸照片,程序从照片库中选出10张最相似人脸照片输出在文件夹中,并且给出这十张人脸与输入人脸的相似度值。 照片库可以增删 调节相似度阈值可调节 自定义UI操作界面 视频演示: [[项目分享]基于OpenCV的人脸集合相似度检测系统(源码&UI&教程)哔哩哔哩bilibili](https://www.bilibili.com/video/BV1Wa41137CW/?vd_source=bc9aec86d164b67a7004b996143742dc) 图片演示: png png 人脸相似度对比原理: 整体思路: 1、预先导入所需要的人脸识别模型; 2、遍历循环识别文件夹里面的图片,让模型“记住”人物的样子; 3、输入一张新的图像,与前一步文件夹里面的图片比对,返回最接近的结果。 使用到的第三方模块和模型: 1、模块:os,dlib,glob,numpy; 2、模型:人脸关键点检测器,人脸识别模型。 导入需要的模型。 这里解释一下两个dat文件: 它们的本质是参数值(即神经网络的权重)。 人脸识别算是深度学习的一个应用,事先需要经过大量的人脸图像来训练。 参考该博客,设计一个神经网络结构,来“记住”人类的脸。 对于神经网络来说,即便是同样的结构,不同的参数也会导致识别的东西不一样。 在这里,这两个参数文件就对应了不同的功能(它们对应的神经网络结构也不同): shapepredictor.dat这个是为了检测人脸的关键点,比如眼睛,嘴巴等等;dlibface_recognition.dat是在前面检测关键点的基础上,生成人脸的特征值。 所以后面使用dlib模块的时...
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