首页 数据库 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 内容 分区 模型 添加 详细

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; --

<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; --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;
登录后复制
本站声明
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover

AI Clothes Remover

用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool

Undress AI Tool

免费脱衣服图片

Clothoff.io

Clothoff.io

AI脱衣机

AI Hentai Generator

AI Hentai Generator

免费生成ai无尽的。

热门文章

R.E.P.O.能量晶体解释及其做什么(黄色晶体)
3 周前 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.最佳图形设置
3 周前 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.如果您听不到任何人,如何修复音频
3 周前 By 尊渡假赌尊渡假赌尊渡假赌

热工具

记事本++7.3.1

记事本++7.3.1

好用且免费的代码编辑器

SublimeText3汉化版

SublimeText3汉化版

中文版,非常好用

禅工作室 13.0.1

禅工作室 13.0.1

功能强大的PHP集成开发环境

Dreamweaver CS6

Dreamweaver CS6

视觉化网页开发工具

SublimeText3 Mac版

SublimeText3 Mac版

神级代码编辑软件(SublimeText3)

全球最强开源 MoE 模型来了,中文能力比肩 GPT-4,价格仅为 GPT-4-Turbo 的近百分之一 全球最强开源 MoE 模型来了,中文能力比肩 GPT-4,价格仅为 GPT-4-Turbo 的近百分之一 May 07, 2024 pm 04:13 PM

想象一下,一个人工智能模型,不仅拥有超越传统计算的能力,还能以更低的成本实现更高效的性能。这不是科幻,DeepSeek-V2[1],全球最强开源MoE模型来了。DeepSeek-V2是一个强大的专家混合(MoE)语言模型,具有训练经济、推理高效的特点。它由236B个参数组成,其中21B个参数用于激活每个标记。与DeepSeek67B相比,DeepSeek-V2性能更强,同时节省了42.5%的训练成本,减少了93.3%的KV缓存,最大生成吞吐量提高到5.76倍。DeepSeek是一家探索通用人工智

米家怎么添加电视 米家怎么添加电视 Mar 25, 2024 pm 05:00 PM

很多用户们在现代生活中越来越青睐小米智能家居互联的电子生态,那么连接米家APP后,你就可以轻松用手机来控制连接设备,但是很多用户们还不知如何将自己的家居添加米家app中,那么这篇教程攻略就将为大家带来具体连接方法步骤攻略,希望能帮助到各位有需要的小伙伴们。1、下载米家APP后,创建或者登录小米账户。2、添加方法:当全新的设备通电后,将手机靠近设备并打开小米电视,正常情况下会弹出连接提示,选择“确定”即进入设备连接流程。若无提示弹出,也可以手动添加设备,方法是:进入智能家庭APP后,点击左下方第1

替代MLP的KAN,被开源项目扩展到卷积了 替代MLP的KAN,被开源项目扩展到卷积了 Jun 01, 2024 pm 10:03 PM

本月初,来自MIT等机构的研究者提出了一种非常有潜力的MLP替代方法——KAN。KAN在准确性和可解释性方面表现优于MLP。而且它能以非常少的参数量胜过以更大参数量运行的MLP。比如,作者表示,他们用KAN以更小的网络和更高的自动化程度重现了DeepMind的结果。具体来说,DeepMind的MLP有大约300,000个参数,而KAN只有约200个参数。KAN与MLP一样具有强大的数学基础,MLP基于通用逼近定理,而KAN基于Kolmogorov-Arnold表示定理。如下图所示,KAN在边上具

你好,电动Atlas!波士顿动力机器人复活,180度诡异动作吓坏马斯克 你好,电动Atlas!波士顿动力机器人复活,180度诡异动作吓坏马斯克 Apr 18, 2024 pm 07:58 PM

波士顿动力Atlas,正式进入电动机器人时代!昨天,液压Atlas刚刚「含泪」退出历史舞台,今天波士顿动力就宣布:电动Atlas上岗。看来,在商用人形机器人领域,波士顿动力是下定决心要和特斯拉硬刚一把了。新视频放出后,短短十几小时内,就已经有一百多万观看。旧人离去,新角色登场,这是历史的必然。毫无疑问,今年是人形机器人的爆发年。网友锐评:机器人的进步,让今年看起来像人类的开幕式动作、自由度远超人类,但这真不是恐怖片?视频一开始,Atlas平静地躺在地上,看起来应该是仰面朝天。接下来,让人惊掉下巴

AI颠覆数学研究!菲尔兹奖得主、华裔数学家领衔11篇顶刊论文|陶哲轩转赞 AI颠覆数学研究!菲尔兹奖得主、华裔数学家领衔11篇顶刊论文|陶哲轩转赞 Apr 09, 2024 am 11:52 AM

AI,的确正在改变数学。最近,一直十分关注这个议题的陶哲轩,转发了最近一期的《美国数学学会通报》(BulletinoftheAmericanMathematicalSociety)。围绕「机器会改变数学吗?」这个话题,众多数学家发表了自己的观点,全程火花四射,内容硬核,精彩纷呈。作者阵容强大,包括菲尔兹奖得主AkshayVenkatesh、华裔数学家郑乐隽、纽大计算机科学家ErnestDavis等多位业界知名学者。AI的世界已经发生了天翻地覆的变化,要知道,其中很多文章是在一年前提交的,而在这一

谷歌狂喜:JAX性能超越Pytorch、TensorFlow!或成GPU推理训练最快选择 谷歌狂喜:JAX性能超越Pytorch、TensorFlow!或成GPU推理训练最快选择 Apr 01, 2024 pm 07:46 PM

谷歌力推的JAX在最近的基准测试中性能已经超过Pytorch和TensorFlow,7项指标排名第一。而且测试并不是在JAX性能表现最好的TPU上完成的。虽然现在在开发者中,Pytorch依然比Tensorflow更受欢迎。但未来,也许有更多的大模型会基于JAX平台进行训练和运行。模型最近,Keras团队为三个后端(TensorFlow、JAX、PyTorch)与原生PyTorch实现以及搭配TensorFlow的Keras2进行了基准测试。首先,他们为生成式和非生成式人工智能任务选择了一组主流

特斯拉机器人进厂打工,马斯克:手的自由度今年将达到22个! 特斯拉机器人进厂打工,马斯克:手的自由度今年将达到22个! May 06, 2024 pm 04:13 PM

特斯拉机器人Optimus最新视频出炉,已经可以在厂子里打工了。正常速度下,它分拣电池(特斯拉的4680电池)是这样的:官方还放出了20倍速下的样子——在小小的“工位”上,拣啊拣啊拣:这次放出的视频亮点之一在于Optimus在厂子里完成这项工作,是完全自主的,全程没有人为的干预。并且在Optimus的视角之下,它还可以把放歪了的电池重新捡起来放置,主打一个自动纠错:对于Optimus的手,英伟达科学家JimFan给出了高度的评价:Optimus的手是全球五指机器人里最灵巧的之一。它的手不仅有触觉

FisheyeDetNet:首个基于鱼眼相机的目标检测算法 FisheyeDetNet:首个基于鱼眼相机的目标检测算法 Apr 26, 2024 am 11:37 AM

目标检测在自动驾驶系统当中是一个比较成熟的问题,其中行人检测是最早得以部署算法之一。在多数论文当中已经进行了非常全面的研究。然而,利用鱼眼相机进行环视的距离感知相对来说研究较少。由于径向畸变大,标准的边界框表示在鱼眼相机当中很难实施。为了缓解上述描述,我们探索了扩展边界框、椭圆、通用多边形设计为极坐标/角度表示,并定义一个实例分割mIOU度量来分析这些表示。所提出的具有多边形形状的模型fisheyeDetNet优于其他模型,并同时在用于自动驾驶的Valeo鱼眼相机数据集上实现了49.5%的mAP

See all articles