oracle insert commit,循环insert多条语句后commit丢失数据

本文展示了一种批量插入数据到数据库的方法,通过循环处理并利用SQL语句实现多个表的数据插入,包括recipe_info、recipe_item及recipe表。此外,还涉及了与检验申请单相关的业务逻辑处理。

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

for i=1 to ceiling(li_count/15)

g_n_set.of_get_ops_recipe_no(ls_recipe_no)

lstr_2[i].patient_no = dw_1.object.patient_no[1]

lstr_2[i].serial_no = dw_1.object.serial_no[1]

lstr_2[i].recipe_no = ls_recipe_no

lstr_2[i].recipe_times = dec('0')

lstr_2[i].create_dept = g_dept_id

lstr_2[i].create_dr = g_user_id

lstr_2[i].create_date = ida_create_date

lstr_2[i].create_user = g_user_id //全局用户.

if li_count - i*15>=0 then

li_row2=15

else

li_row2=li_count - (i - 1)*15

end if

for k = 1 to li_row2

li_row= k + (i - 1)*15

lstr_1[k].recipe_no = ls_recipe_no

lstr_1[k].recipe_times = '0'

lstr_1[k].item_id = dw_3.object.code_item_item_id[li_row]

lstr_1[k].item_name = dw_3.object.code_item_item_name[li_row]

lstr_1[k].spec = dw_3.object.code_item_spec[li_row]

lstr_1[k].unit = dw_3.object.code_item_unit[li_row]

lstr_1[k].usage_id = dw_3.object.code_item_usage_id[li_row]

lstr_1[k].oral_id = dw_3.object.code_item_oral_id[li_row]

lstr_1[k].decoct_id = dw_3.object.code_item_decoct_id[li_row]

lstr_1[k].dosage = dw_3.object.code_item_dosage[li_row]

lstr_1[k].dosage_unit = dw_3.object.code_item_dosage_unit[li_row]

lstr_1[k].frq_id = dw_3.object.code_item_frq_id[li_row]

lstr_1[k].days = dw_3.object.compute_0014[li_row]

lstr_1[k].days_unit = dw_3.object.code_item_unit[li_row]

lstr_1[k].test_sign = dw_3.object.code_item_test_sign[li_row]

lstr_1[k].confirm_dept = dw_3.object.check_record_dept_id[li_row]

lstr_1[k].unit_price = dw_3.object.code_item_unit_price[li_row]

lstr_1[k].qty = dw_3.object.compute_0014[li_row]

lstr_1[k].group_no = '1'

//结算内容赋值

lstr_1[k].balance_sign = 'N'

setnull(lstr_1[k].balance_date)

setnull(lstr_1[k].balance_user)

setnull(lstr_1[k].balance_no)

//确认信息

if dw_3.object.check_record_dept_id[li_row] <> g_dept_id then

lstr_1[k].confirm_sign = 'N'

setnull(lstr_1[k].confirm_date)

setnull(lstr_1[k].confirm_user)

else

lstr_1[k].confirm_sign = 'Y'

lstr_1[k].confirm_date = ida_create_date

lstr_1[k].confirm_user = g_user_id

end if

INSERT INTO ops_recipe_info

VALUES(

:lstr_1[k].recipe_no,:lstr_1[k].recipe_times,:lstr_1[k].group_no,:lstr_1[k].item_id,:lstr_1[k].item_name,

:lstr_1[k].spec,:lstr_1[k].unit,:lstr_1[k].usage_id,:lstr_1[k].oral_id,:lstr_1[k].decoct_id,

:lstr_1[k].dosage,:lstr_1[k].dosage_unit,:lstr_1[k].frq_id,:lstr_1[k].days,:lstr_1[k].days_unit,

:lstr_1[k].test_sign,:lstr_1[k].confirm_dept)

USING SQLCA;

if SQLCA.SQLCODE <> 0 then

ROLLBACK USING SQLCA;

return 2

end if

INSERT INTO ops_recipe_item

VALUES(

:lstr_1[k].recipe_no,:lstr_1[k].recipe_times,:lstr_1[k].group_no,:lstr_1[k].item_id,

:lstr_1[k].item_name,:lstr_1[k].spec,:lstr_1[k].unit,

:lstr_1[k].unit_price , :lstr_1[k].qty , :lstr_1[k].unit_price * :lstr_1[k].qty,

:lstr_1[k].balance_sign , :lstr_1[k].balance_date ,:lstr_1[k].balance_user , :lstr_1[k].balance_no ,

:lstr_1[k].confirm_sign , :lstr_1[k].confirm_date ,:lstr_1[k].confirm_user, :lstr_1[k].confirm_dept )

USING SQLCA;

if SQLCA.SQLCODE <> 0 then

ROLLBACK USING SQLCA;

return 2

end if

next

INSERT INTO ops_recipe

VALUES(

:lstr_2[i].patient_no,:lstr_2[i].serial_no,

:lstr_2[i].recipe_no,:lstr_2[i].recipe_times,

:lstr_2[i].create_dept,:lstr_2[i].create_room,

:lstr_2[i].create_dr,:lstr_2[i].create_date,:lstr_2[i].create_user)

USING SQLCA;

if SQLCA.SQLCODE <> 0 then

ROLLBACK USING SQLCA;

return 2

end if

//2006.03.10 lis_com

long ll_po_req_no

dec ld_qty

string ls_p_reg_no,ls_p_rec_no,ls_p_req_time,ls_dept_id,ls_item_id1

ld_qty=dw_3.object.compute_0014[li_row]

ls_dept_id=dw_3.object.check_record_dept_id[li_row]

ls_item_id1=dw_3.object.code_item_item_id[li_row]

IF g_lis_sign='Y' THEN

int li_return

if ld_qty > 0 then

if ls_dept_id='032' then

ls_p_reg_no=trim(ls_recipe_no)+'-'+'0'

ls_p_rec_no=trim(ls_recipe_no)+'-'+'0'+'-'+trim(ls_item_id1)

ls_p_req_time=string(ida_create_date,'yyyy-mm-dd hh:mm:ss')

ll_po_req_no=0

li_return=g_n_set.of_lis_com(ll_po_req_no,'T','3',str_ops_register_item[1].patient_no,ls_p_reg_no,ls_p_rec_no,ls_item_id1,'0',g_user_id,g_dept_id,ls_p_req_time,'',str_ops_patient.name,'','','','',g_user_id,'')

if li_return=-1 then

messagebox('系统提示','生成检验申请单失败,请与系统员联系!')

// cb_clear.setfocus()

return 2

end if

end if

end if

//2006.03.10 lis_com

END IF

//commit 放在这个位置 数据就都会保存

next

commit;(原程序commit位置)

return 0

<think>好的,用户现在问的是`torch.cuda.empty_cache()`是否只能清空一个GPU的缓存。我需要先回忆一下PyTorchCUDA内存管理的机制。 首先,用户之前遇到了关于Scikit-learn的分类指标警告和PyTorch的NCCL支持问题,现在转向了CUDA内存管理。可能用户正在处理多GPU训练,或者在单GPU使用中遇到了显存问题。 `torch.cuda.empty_cache()`的作用是释放当前由缓存分配器持有的未使用内存PyTorch默认情况下会缓存一部分内存以提高分配效率,这个函数可以释放那些未被使用的缓存内存。但用户的问题是,这个函数是否只影响当前的一个GPU。 根据PyTorch的文档,当使用多GPU时,每个GPU都有自己的缓存分配器。所以,如果用户有多个GPU,`torch.cuda.empty_cache()`只会释放当前设备(即通过`torch.cuda.current_device()`指定的那个)的缓存。要清空所有GPU的缓存,需要遍历每个设备,切换当前设备,然后分别调用该函数。 用户可能是在多GPU环境下运行代码,发现显存没有完全释放,或者遇到显存不足的问题。需要确认用户是否在使用多GPU,以及是否正确地切换了设备来清空每个GPU的缓存。 另外,用户可能对PyTorch内存管理机制不太熟悉,所以需要解释清楚这个函数的行为,以及在不同情况下的正确使用方法。可能还需要提醒用户,即使调用了这个函数,显存的释放也依赖于是否有未使用的缓存,实际使用的张量不会被释放。 最后,给出示例代码,说明如何为所有GPU清空缓存,并强调正确使用设备切换的重要性。还要提醒用户,显存管理需要结合其他方法,如手动删除变量、运行垃圾回收等,才能有效管理显存使用。</think>--- 在 PyTorch 中,`torch.cuda.empty_cache()` 的作用是释放当前 CUDA 设备(即当前选中的 GPU)的**未使用缓存内存**。其行为取决于 **GPU 设备的选择**和 **多 GPU 环境**的配置。以下是详细说明: --- ### **1.GPU 场景** - 如果你只有一个 GPU,或者代码中未显式指定 GPU 设备: `torch.cuda.empty_cache()` 会清空当前默认 GPU 的缓存内存。 例如: ```python import torch # 默认使用 GPU 0(仅单卡时) a = torch.randn(1000, 1000, device="cuda") # 占用显存 del a # 删除变量 torch.cuda.empty_cache() # 释放 GPU 0 的未使用缓存 ``` --- ### **2.GPU 场景** - 如果你有多个 GPU,且代码中显式切换了设备: 需要**依次选中每个 GPU 并单独调用** `empty_cache()`,才能清空所有 GPU 的缓存。 例如: ```python import torch # 清空 GPU 0 的缓存 torch.cuda.set_device(0) torch.cuda.empty_cache() # 清空 GPU 1 的缓存 torch.cuda.set_device(1) torch.cuda.empty_cache() ``` --- ### **3. 关键注意事项** 1. **缓存释放的范围**: `empty_cache()` **仅释放由 PyTorch 缓存分配器管理的未占用内存**,不会释放正在被张量占用的显存。 - 已分配的张量必须手动删除(如 `del tensor`)或超出作用域后,其显存才会被缓存分配器回收。 - 调用 `empty_cache()` 后,这些回收的内存才会真正释放回系统。 2. **多进程分布式训练**: 在分布式训练(如使用 `torch.distributed` 或 `DataParallel`)时,每个进程可能绑定到不同的 GPU。 - 每个进程需独立调用 `empty_cache()` 清理自己绑定的 GPU 缓存。 - 例如: ```python # 每个进程仅清理自己绑定的 GPU torch.cuda.empty_cache() ``` 3. **自动缓存管理**: PyTorch 默认会缓存部分显存以提高分配效率。频繁调用 `empty_cache()` 可能导致性能下降,建议仅在显存不足时手动调用。 --- ### **4. 验证显存释放** 可以使用 `torch.cuda.memory_summary()` 或以下代码查看显存状态: ```python import torch # 查看当前 GPU 的显存使用情况(单位:字节) print(torch.cuda.memory_allocated()) # 当前已分配的显存 print(torch.cuda.memory_reserved()) # 当前缓存分配器保留的显存(包括未使用的) ``` --- ### **总结** | 场景 | 行为 | |------------|----------------------------------------------------------------------| | **单 GPU** | 清空当前 GPU 的未使用缓存。 | | **多 GPU** | 需遍历所有 GPU,分别调用 `empty_cache()` 才能清空每个设备的缓存。 | --- ### **最佳实践** - 显存不足时手动调用 `empty_cache()`,但避免在循环中频繁使用。 - 结合显存监控工具(如 `nvidia-smi` 或 PyTorch 内置函数)诊断显存泄漏。 - 多 GPU 场景显式指定设备并分别清理: ```python for i in range(torch.cuda.device_count()): torch.cuda.set_device(i) torch.cuda.empty_cache() ```
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