首頁 資料庫 mysql教程 为含有分区及子分区的模型添加分区。

为含有分区及子分区的模型添加分区。

Jun 07, 2016 pm 02:57 PM
create 內容 分割區 模型 添加 詳細

无详细内容 无 create or replace procedure p_test_gy(v_datacycle_id varchar2, --添加分区的上限值 v_entity_owner varchar2, v_entity_name varchar2, v_retcode out varchar2, v_retinfo out varchar2) is v_cnt1 number; --实体检测 v_cnt2 number; --

create or replace procedure p_test_gy(v_datacycle_id varchar2, --添加分区的上限值
                                      v_entity_owner varchar2,
                                      v_entity_name  varchar2,
                                      v_retcode      out varchar2,
                                      v_retinfo      out varchar2) is

  v_cnt1           number; --实体检测
  v_cnt2           number; --分区是否存在检测
  v_cnt3           number; --模板子分区是否存在检测
  v_part_type      varchar2(30); --分区类型
  v_subpart_type   varchar2(30); --子分区类型
  v_part_value_max varchar2(30); --分区最大值
  v_part_style     varchar2(30); --分区命名格式
  v_part_value     varchar2(30); --分区值变量
  v_sql            varchar2(4000); --动态执行SQL
  v_sub_template   varchar2(4000); --调整模板子分区 
  v_high_value  long; --子分区值变量
  v_subpart_value     varchar2(30); --子分区值变量

  /*v_pkg
  v_procname */
begin
  /*--插入日志部分
  p_insert_log(v_acct_month, v_pkg, v_procname, v_prov_id, sysdate, '');*/
  --检测输入参数是否有误
  select count(0)
    into v_cnt1
    from sys.dba_objects
   where owner = v_entity_owner
     and object_name = v_entity_name
     and object_type = 'TABLE';
  if v_cnt1 = 0 then
    v_retcode := 'FAIL';
    v_retinfo := '目标表信息输入有误';
  else
    --检测目标表有无分区
    select count(0)
      into v_cnt2
      from sys.dba_part_tables t
     where t.owner = v_entity_owner
       and t.table_name = v_entity_name;
    if v_cnt2 = 0 then
      v_retcode := 'SUCCESS';
      v_retinfo := '目标表无分区';
    else
      --检测分区是否已存在
      select regexp_replace(max(t.partition_name), '[^0-9]', ''),
             regexp_replace(max(t.partition_name), '[0-9]', '')
        into v_part_value_max, v_part_style
        from sys.dba_tab_partitions t
       where t.table_owner = v_entity_owner
         and t.table_name = v_entity_name;
      select partitioning_type, subpartitioning_type
        into v_part_type, v_subpart_type
        from sys.dba_part_tables t
       where t.owner = v_entity_owner
         and t.table_name = v_entity_name;
         --分区已存在&分区是LIST/HASH分区
      if v_part_value_max >= v_datacycle_id OR v_part_type <> 'RANGE' then
        v_retcode := 'SUCCESS';
        v_retinfo := '分区已存在';
      else
        select count(0)
          into v_cnt3
          from sys.dba_subpartition_templates
         where table_name = v_entity_name
           and user_name = v_entity_owner;
           --无子分区&有子分区且为模板子分区
        if v_part_type = 'RANGE' AND
           ((v_subpart_type = 'LIST' AND v_cnt3 <> 0) OR
           nvl(v_subpart_type, '**') = 'NONE') then
          v_part_value := to_char(add_months(to_date(v_part_value_max,
                                                     'yyyymm'),
                                             1),
                                  'yyyymm');
          while v_part_value <= v_datacycle_id loop
            v_sql := 'alter table ' || v_entity_owner || '.' ||
                     v_entity_name || ' add partition ' || v_part_style ||
                     v_part_value || ' 
  values less than (''' ||
                     to_char(add_months(to_date(v_part_value, 'yyyymm'), 1),
                             'yyyymm') || ''') tablespace ';
             --日志检索                
            /*dbms_output.put_line(v_sql);*/
            --需要分配分区(或者建表设置默认表空间)
            execute immediate v_sql;
            v_part_value := to_char(add_months(to_date(v_part_value,
                                                       'yyyymm'),
                                               1),
                                    'yyyymm');
          end loop;
          v_retcode := 'SUCCESS';
          v_retinfo := '成功';
        else
          /*--顺序不太好看
             select 
                 rtrim(wmsys.wm_concat(' subpartition ' || substr(subpartition_name,length(partition_name)+2) || ' values ( ''' ||
                regexp_replace(substr(subpartition_name, length(partition_name)+2),'[^0-9]','') || ''' ) '),',') into v_sub_template
           from sys.dba_tab_subpartitions
          where table_owner = v_entity_owner
            and partition_name = v_part_value_max
            and table_name = v_entity_name;*/
            --有子分区且非模板子分区
          v_sub_template := 'alter table ' || v_entity_owner || '.' ||
                            v_entity_name || '
set subpartition template(';
--''' ||regexp_replace(substr(subpartition_name,length(partition_name) + 2),'[^0-9]','') || '''
          for t in (select /*+parallel(sub,4)*/*
                      from sys.dba_tab_subpartitions sub
                     where table_owner = v_entity_owner
                       and partition_name = v_part_style || v_part_value_max
                       and table_name = v_entity_name
                     order by length(regexp_replace(subpartition_name, '[0-9]', '')),subpartition_name) loop
          v_high_value:=t.high_value;
          v_subpart_value:=substr(v_high_value,1,4000);
          /*if v_subpart_value= 'DEFAULT' then 
            v_subpart_value:='''DEFAULT''';
            end if;*/
            v_sub_template := v_sub_template ||' subpartition ' ||
                           substr(t.subpartition_name,
                                  length(t.partition_name) + 2) ||
                           ' values ( '||v_subpart_value||' ) ,' ;
          end loop;
          --日志检索
          dbms_output.put_line(rtrim(v_sub_template, ',') || ')');
          insert into dm_check_log
            select rtrim(v_sub_template, ',') || ')',
                   v_datacycle_id,
                   sysdate
              from dual;
          commit;
          execute immediate rtrim(v_sub_template, ',') || ')';
          v_part_value := to_char(add_months(to_date(v_part_value_max,
                                                     'yyyymm'),
                                             1),
                                  'yyyymm');
          while v_part_value <= v_datacycle_id loop
            v_sql := 'alter table ' || v_entity_owner || '.' ||
                     v_entity_name || ' add partition ' || v_part_style ||
                     v_part_value || ' 
  values less than (''' ||
                     to_char(add_months(to_date(v_part_value, 'yyyymm'), 1),
                             'yyyymm') || ''') tablespace ';
            /*dbms_output.put_line(v_sql);*/
          execute immediate v_sql;
            --需要分配分区(或者建表设置默认表空间)
            v_part_value := to_char(add_months(to_date(v_part_value,
                                                       'yyyymm'),
                                               1),
                                    'yyyymm');
          end loop;
          v_retcode := 'SUCCESS';
          v_retinfo := '成功';
        end if;
      end if;
    end if;
  end if;
end;
登入後複製
本網站聲明
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

Video Face Swap

Video Face Swap

使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱工具

記事本++7.3.1

記事本++7.3.1

好用且免費的程式碼編輯器

SublimeText3漢化版

SublimeText3漢化版

中文版,非常好用

禪工作室 13.0.1

禪工作室 13.0.1

強大的PHP整合開發環境

Dreamweaver CS6

Dreamweaver CS6

視覺化網頁開發工具

SublimeText3 Mac版

SublimeText3 Mac版

神級程式碼編輯軟體(SublimeText3)

熱門話題

Java教學
1662
14
CakePHP 教程
1418
52
Laravel 教程
1311
25
PHP教程
1261
29
C# 教程
1234
24
全球最強開源 MoE 模型來了,中文能力比肩 GPT-4,價格僅 GPT-4-Turbo 的近百分之一 全球最強開源 MoE 模型來了,中文能力比肩 GPT-4,價格僅 GPT-4-Turbo 的近百分之一 May 07, 2024 pm 04:13 PM

想像一下,一個人工智慧模型,不僅擁有超越傳統運算的能力,還能以更低的成本實現更有效率的效能。這不是科幻,DeepSeek-V2[1],全球最強開源MoE模型來了。 DeepSeek-V2是一個強大的專家混合(MoE)語言模型,具有訓練經濟、推理高效的特點。它由236B個參數組成,其中21B個參數用於啟動每個標記。與DeepSeek67B相比,DeepSeek-V2效能更強,同時節省了42.5%的訓練成本,減少了93.3%的KV緩存,最大生成吞吐量提高到5.76倍。 DeepSeek是一家探索通用人工智

AI顛覆數學研究!菲爾茲獎得主、華裔數學家領銜11篇頂刊論文|陶哲軒轉贊 AI顛覆數學研究!菲爾茲獎得主、華裔數學家領銜11篇頂刊論文|陶哲軒轉贊 Apr 09, 2024 am 11:52 AM

AI,的確正在改變數學。最近,一直十分關注這個議題的陶哲軒,轉發了最近一期的《美國數學學會通報》(BulletinoftheAmericanMathematicalSociety)。圍繞著「機器會改變數學嗎?」這個話題,許多數學家發表了自己的觀點,全程火花四射,內容硬核,精彩紛呈。作者陣容強大,包括菲爾茲獎得主AkshayVenkatesh、華裔數學家鄭樂雋、紐大電腦科學家ErnestDavis等多位業界知名學者。 AI的世界已經發生了天翻地覆的變化,要知道,其中許多文章是在一年前提交的,而在這一

Google狂喜:JAX性能超越Pytorch、TensorFlow!或成GPU推理訓練最快選擇 Google狂喜:JAX性能超越Pytorch、TensorFlow!或成GPU推理訓練最快選擇 Apr 01, 2024 pm 07:46 PM

谷歌力推的JAX在最近的基準測試中表現已經超過Pytorch和TensorFlow,7項指標排名第一。而且測試並不是JAX性能表現最好的TPU上完成的。雖然現在在開發者中,Pytorch依然比Tensorflow更受歡迎。但未來,也許有更多的大型模型會基於JAX平台進行訓練和運行。模型最近,Keras團隊為三個後端(TensorFlow、JAX、PyTorch)與原生PyTorch實作以及搭配TensorFlow的Keras2進行了基準測試。首先,他們為生成式和非生成式人工智慧任務選擇了一組主流

替代MLP的KAN,被開源專案擴展到卷積了 替代MLP的KAN,被開源專案擴展到卷積了 Jun 01, 2024 pm 10:03 PM

本月初,來自MIT等機構的研究者提出了一種非常有潛力的MLP替代方法—KAN。 KAN在準確性和可解釋性方面表現優於MLP。而且它能以非常少的參數量勝過以更大參數量運行的MLP。例如,作者表示,他們用KAN以更小的網路和更高的自動化程度重現了DeepMind的結果。具體來說,DeepMind的MLP有大約300,000個參數,而KAN只有約200個參數。 KAN與MLP一樣具有強大的數學基礎,MLP基於通用逼近定理,而KAN基於Kolmogorov-Arnold表示定理。如下圖所示,KAN在邊上具

你好,電動Atlas!波士頓動力機器人復活,180度詭異動作嚇到馬斯克 你好,電動Atlas!波士頓動力機器人復活,180度詭異動作嚇到馬斯克 Apr 18, 2024 pm 07:58 PM

波士頓動力Atlas,正式進入電動機器人時代!昨天,液壓Atlas剛「含淚」退出歷史舞台,今天波士頓動力就宣布:電動Atlas上崗。看來,在商用人形機器人領域,波士頓動力是下定決心要跟特斯拉硬剛一把了。新影片放出後,短短十幾小時內,就已經有一百多萬觀看。舊人離去,新角色登場,這是歷史的必然。毫無疑問,今年是人形機器人的爆發年。網友銳評:機器人的進步,讓今年看起來像人類的開幕式動作、自由度遠超人類,但這真不是恐怖片?影片一開始,Atlas平靜地躺在地上,看起來應該是仰面朝天。接下來,讓人驚掉下巴

特斯拉機器人進廠打工,馬斯克:手的自由度今年將達到22個! 特斯拉機器人進廠打工,馬斯克:手的自由度今年將達到22個! May 06, 2024 pm 04:13 PM

特斯拉機器人Optimus最新影片出爐,已經可以在工廠裡打工了。正常速度下,它分揀電池(特斯拉的4680電池)是這樣的:官方還放出了20倍速下的樣子——在小小的「工位」上,揀啊揀啊揀:這次放出的影片亮點之一在於Optimus在廠子裡完成這項工作,是完全自主的,全程沒有人為的干預。而且在Optimus的視角之下,它還可以把放歪了的電池重新撿起來放置,主打一個自動糾錯:對於Optimus的手,英偉達科學家JimFan給出了高度的評價:Optimus的手是全球五指機器人裡最靈巧的之一。它的手不僅有觸覺

米家怎麼加電視 米家怎麼加電視 Mar 25, 2024 pm 05:00 PM

許多用戶在現代生活中越來越青睞小米智慧家庭互聯的電子生態,那麼連接米家APP後,你就可以輕鬆用手機來控制連接設備,但是很多用戶們還不知如何將自己的家居添加米家app中,那麼這篇教學攻略將為大家帶來具體連接方法步驟攻略,希望能幫助到各位有需要的小夥伴們。 1.下載米家APP後,建立或登入小米帳號。 2.添加方法:當全新的設備通電後,將手機靠近設備並打開小米電視,正常情況下會彈出連接提示,選擇“確定”即進入設備連接流程。若無提示彈出,也可以手動新增設備,方法是:進入智慧型家庭APP後,點選左下方第1

牛津大學最新! Mickey:3D中的2D影像匹配SOTA! (CVPR\'24) 牛津大學最新! Mickey:3D中的2D影像匹配SOTA! (CVPR\'24) Apr 23, 2024 pm 01:20 PM

寫在前面項目連結:https://nianticlabs.github.io/mickey/給定兩張圖片,可以透過建立圖片之間的對應關係來估計它們之間的相機姿態。通常,這些對應關係是二維到二維的,而我們估計的姿態在尺度上是不確定的。一些應用,例如隨時隨地實現即時增強現實,需要尺度度量的姿態估計,因此它們依賴外部的深度估計器來恢復尺度。本文提出了MicKey,這是一個關鍵點匹配流程,能夠夠預測三維相機空間中的度量對應關係。透過學習跨影像的三維座標匹配,我們能夠在沒有深度測試的情況下推斷度量相對

See all articles