蓝的成长记追逐DBA(5):不谈技术谈业务,恼人的应用系统
***************************************声明*************************************** 个人在oracle路上的成长记录,其中以蓝自喻,分享成长中的情感、眼界与技术的变化与成长。敏感信息均以英文形式代替,不会泄露任何企业机密,纯为技术分享。 创作灵感
***************************************声明***************************************
个人在oracle路上的成长记录,其中以蓝自喻,分享成长中的情感、眼界与技术的变化与成长。敏感信息均以英文形式代替,不会泄露任何企业机密,纯为技术分享。
创作灵感源于对自己的自省和记录。若能对刚刚起步的库友起到些许的帮助或共鸣,欣慰不已。
欢迎拍砖,如有关技术细节表述有错误之处,请您留言或邮件(hyldba@163.com)指明,不胜感激。
***********************************************************************************
想跳的高,需要先学会蹲下身。
——深蓝
***************************************前言***************************************
这是一部个人记录的成长杂记,既然步入到oracle的这片蓝海,免不了一路的奔波与不断的考验。借由此杂记与库友们分享蓝的成长历程。
不知何时起对蓝有了一种说不出来的痴迷,痴迷其广博,痴迷其深邃,痴迷于近在咫尺却又遥不可及。
而又说不清从何时起,注视于oracle的红色耀眼,照亮出眼前的一道光,未知与迷惑在自己的脚下开始初露些许人生的充实与青春的回馈。
在追逐于DBA梦想的道路上步步前行。
***********************************************************************************
2014年北京
两天的跑来跑去,把问题转移到了研发,不得不吐槽一下,环节、体制仍需要继续建设与完善,业务层、现场层、实施层不同的处理情况,随之产生了不同的现场问题。这次问题的出现貌似很简单,却让实施人员费了半天的时间,揪心的痛让人身心疲惫。绕了半天,是不是有些听晕了,接下来,我来回忆一下这次与业务层有着紧密关系的实施部署。
情景再现:为完成部署迁移项目,将原应用系统、数据库一同迁移到新的服务器上,部署客户端,环境为64位win7系统(说明一下,生产环境下应用服务器、数据库服务器是分离的,而此次部署为科研项目,其中内容就不便细说了,就此了解下都在一台服务器就行了)。A应用java开发,B/S架构。B、C等应用客户端也为B/S架构,但是基于32位系统开发。就是这个简单的技术细节,开始引发连续的业务问题。
在主系统A应用重新部署完成后,看似一切正常,在后台费了些周折,修改了密码,终于使用超级管理员用户登录了。然而就在觉得任务完成的时候,展现在技术人员面前的问题出现了,某维护页面无法正常访问,出现权限问题。连续点击测试,业务层又出现新问题,某处理程序无法使用了。诧异的情况是,这次部署并无异议。问题哪里出现的呢。根据提示一步一步排错吧。由于手边没有完善的部署手册,根据提示发现问题所在:一个JDK导致的无法处理。搜索,下载,安装,继续排查,发现缺少某些功能。此时联系研发,业务脚本邮件传来,对于运维的工作事宜,有些汗,跑脚本,问题解决。此时一脸茫然的体会着业务流程与技术实施间的关系到底有没有明确的分界线。可以设想一下,如果在遇到这种问题时,通过技术层面去排错,有点天方夜谭了,恐怕除了再开发一个全新的出来不会有什么正确的解决办法,因为这都是业务中的需求。这是业务层的问题,就是这么简单。开发有业务脚本,跑一下,实现的就是把有些功能表创建下,功能项关联下,权限赋予下,诸如此类等等,问题迎刃而解。说来简单,遇错时思考角度却是关键,协调、反馈有时超过技术本身。
这只是A应用系统暴漏的问题,还没说到恼人的B、C、D应用系统,这次可以说的上是恼人不已。客户端的程序,访问出现问题。再一次想到的就是开发人员,继续联络。接下来想必可以预见到效果了。不错,再次邮件,替换文件,重新设置。搞定了嘛?这次悲催了,业务层不知怎么了,程序貌似出错了。这次是严重的问题,因为在这一系列的业务系统中,存在着一个关键的“中坚”系统(技术细节不便透漏),可以理解成是一个上传下达的管理平台,基于主业务系统,维护着所有系统信息的一致性(有没有感觉有点像oracle中的undo段,维持着读一致性。哈哈,这里纯为戏谈)。由于此应用部署不能正常使用,致使这一系列的迁移看似完成,却又回到了起点。这次,再一次联系开发。现场人员崩溃了,研发人员也崩溃了。接连几次的邮件往来。配置无果,无法继续下去了。把tomcat日志统统拷贝走,这次需要研发人员亲临现场了(这里,让人不禁想起,曾经也因为之前公司的一个业务问题,项目负责人、实施人员、维护人员、开发人员、甲方众领导、甲方众工程师聚集奔赴现场的壮观场景,哈哈,再次戏谈~~)。当然,这次情况还是在可控范围内的。对于最后业务部署调整仍有一天的时间。按照常理经验,这种客户端问题,研发到场后,根据实际环境,调整相应包、配置文件后,问题都会解决。绕了好一会儿,就在这里暂告段落吧。
回顾一下,这次问题的出现,很多都不是出在技术上。想想跟技术有关的层面,如客户机连接数据库时需要配置tns、监听;中间件部署、调优;数据迁移等等,都不是引起这次问题的原因所在。问题暴漏在业务应用,现场系统环境的改变,不同业务文件调整、更新上。
这就是所说的“业务需求”,Oracle技术也需要落地,有时候解决问题思路可能高于技术,技术的探究需要业务的支撑。
***************************************未完待续***************************************
欢迎访问:深蓝的Blog:http://blog.csdn.net/huangyanlong
*****************************************************************************************

热AI工具

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
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

轨迹预测在自动驾驶中承担着重要的角色,自动驾驶轨迹预测是指通过分析车辆行驶过程中的各种数据,预测车辆未来的行驶轨迹。作为自动驾驶的核心模块,轨迹预测的质量对于下游的规划控制至关重要。轨迹预测任务技术栈丰富,需要熟悉自动驾驶动/静态感知、高精地图、车道线、神经网络架构(CNN&GNN&Transformer)技能等,入门难度很大!很多粉丝期望能够尽快上手轨迹预测,少踩坑,今天就为大家盘点下轨迹预测常见的一些问题和入门学习方法!入门相关知识1.预习的论文有没有切入顺序?A:先看survey,p

StableDiffusion3的论文终于来了!这个模型于两周前发布,采用了与Sora相同的DiT(DiffusionTransformer)架构,一经发布就引起了不小的轰动。与之前版本相比,StableDiffusion3生成的图质量有了显着提升,现在支持多主题提示,并且文字书写效果也得到了改善,不再出现乱码情况。 StabilityAI指出,StableDiffusion3是一个系列模型,其参数量从800M到8B不等。这一参数范围意味着该模型可以在许多便携设备上直接运行,从而显着降低了使用AI

一先导与重点文章主要介绍自动驾驶技术中几种常用的坐标系统,以及他们之间如何完成关联和转换,最终构建出统一的环境模型。这里重点理解自车到相机刚体转换(外参),相机到图像转换(内参),图像到像素有单位转换。3d向2d转换会有相应的畸变,平移等。重点:自车坐标系相机机体坐标系需要被重写的是:平面坐标系像素坐标系难点:要考虑图像畸变,去畸变和加畸变都是在像平面上去补偿二简介视觉系统一共有四个坐标系:像素平面坐标系(u,v)、图像坐标系(x,y)、相机坐标系()和世界坐标系()。每种坐标系之间均存在联系,

这篇论文探讨了在自动驾驶中,从不同视角(如透视图和鸟瞰图)准确检测物体的问题,特别是如何有效地从透视图(PV)到鸟瞰图(BEV)空间转换特征,这一转换是通过视觉转换(VT)模块实施的。现有的方法大致分为两种策略:2D到3D和3D到2D转换。2D到3D的方法通过预测深度概率来提升密集的2D特征,但深度预测的固有不确定性,尤其是在远处区域,可能会引入不准确性。而3D到2D的方法通常使用3D查询来采样2D特征,并通过Transformer学习3D和2D特征之间对应关系的注意力权重,这增加了计算和部署的

笔者的一些个人思考在自动驾驶领域,随着BEV-based子任务/端到端方案的发展,高质量的多视图训练数据和相应的仿真场景构建愈发重要。针对当下任务的痛点,“高质量”可以解耦成三个方面:不同维度上的长尾场景:如障碍物数据中近距离的车辆以及切车过程中精准的朝向角,以及车道线数据中不同曲率的弯道或较难采集的匝道/汇入/合流等场景。这些往往靠大量的数据采集和复杂的数据挖掘策略,成本高昂。3D真值-图像的高度一致:当下的BEV数据获取往往受到传感器安装/标定,高精地图以及重建算法本身的误差影响。这导致了我

突然发现了一篇19年的论文GSLAM:AGeneralSLAMFrameworkandBenchmark开源代码:https://github.com/zdzhaoyong/GSLAM直接上全文,感受这项工作的质量吧~1摘要SLAM技术最近取得了许多成功,并吸引了高科技公司的关注。然而,如何同一现有或新兴算法的界面,一级有效地进行关于速度、稳健性和可移植性的基准测试仍然是问题。本文,提出了一个名为GSLAM的新型SLAM平台,它不仅提供评估功能,还为研究人员提供了快速开发自己的SLAM系统的有用

请留意,这个方块人正在紧锁眉头,思考着面前几位“不速之客”的身份。原来她陷入了危险境地,意识到这一点后,她迅速展开脑力搜索,寻找解决问题的策略。最终,她决定先逃离现场,然后尽快寻求帮助,并立即采取行动。与此同时,对面的人也在进行着与她相同的思考……在《我的世界》中出现了这样一个场景,所有的角色都由人工智能控制。他们每个人都有着独特的身份设定,比如之前提到的女孩就是一个年仅17岁但聪明勇敢的快递员。他们拥有记忆和思考能力,在这个以《我的世界》为背景的小镇中像人类一样生活。驱动他们的,是一款全新的、

写在前面&笔者的个人理解基于图像的3D重建是一项具有挑战性的任务,涉及从一组输入图像推断目标或场景的3D形状。基于学习的方法因其直接估计3D形状的能力而受到关注。这篇综述论文的重点是最先进的3D重建技术,包括生成新颖的、看不见的视图。概述了高斯飞溅方法的最新发展,包括输入类型、模型结构、输出表示和训练策略。还讨论了尚未解决的挑战和未来的方向。鉴于该领域的快速进展以及增强3D重建方法的众多机会,对算法进行全面检查似乎至关重要。因此,本研究对高斯散射的最新进展进行了全面的概述。(大拇指往上滑
