B/S架构测试环境搭建_SybaseASE篇(Win32系统)

简介:

前言:测试过程中需要使用SybaseASE数据库,抽空安装测试下,由于是摸索,也遇到些问题,刚入门,不对之处还请多多指教。

  一、创建服务器:

  (1)在安装的结束阶段Sybase ASE已经提示创建服务器了。如果接手的是别人的环境,那么先创建,在开始-->所有程序—>Sybase—>Sybase Central v4.3,打开Sybase Central界面如图一,点击“实用程序”,查看其详细,双击“服务器配置”打开其配置服务器的对话框。

图1 Server服务器配置页面

  (2)点击创建服务器,输入服务器名称,进入服务器页大小,这个根据Sybase的使用情况来选择,如果使用量比较大的话建议选择8K或者16K,只是一般使用的话4K就可以了。

  (3)接下来是设置Master(系统数据库)设备大小和位置,此处有Master的初始数据,你可以使用,不过如果你不是第一个建立这个服务器的话,还是选择一个自定义的比较好。如果使用别的服务器的Master,其他服务器的系统数据库将被覆盖,导致别人的服务器无法被正常使用。

图2 设置Master的大小和位置

  (4)接下来设置系统过程设备大小,系统都提供了缺省值,如果需要修改又不知道是否正确,帮助中有有关此处的详细说明。继续后设置系统DB的大小,个人觉得设置5M就可以了。毕竟系统数据库在创建完成后不会有大的动作了。

  (5)接下来就是配置缺省的XP服务器了(网络地址),默认情况下当然是指向本机了,除非你保证你的默认Server永久性开机,否则最好还是本机,方便出问题时快速检查。点击“配置默认服务器”-->网络地址—>增加,协议选择TCP,输入本机IP,两次确定后设置完成。

  创建数据大约需要一分钟,创建完成,在Sybase Central页面上测试连接。

图3 测试连接

  系统有默认的用户sa,没有密码。

 二、创建数据库:

  (1)前面已经提及,在创建服务器过程中附带创建的是系统数据库,日常测试使用的用户数据库需要单独创建。在创建数据库之前,我们需要先创建数据库设备,相当于表空间(和Oracle有那么点区别,Oracle是建用户(Schema)时用的Default Tablespace,此处是建数据库时选择存储空间),填写对应的大小,序号系统会默认分配,不用管。

图4 使用创建的数据库设备

  (2)创建数据库,此处即没什么需要注意的地方了,选择刚刚创建的数据库设备,并填写该数据库需要使用的大小,其他按照提示一步步走完数据库就创建成功了。

  三、创建用户及授权:

  (1)首先创建登陆名,在登录选项中添加新的登录名,输入密码,选择默认的数据库,提交完成。

  (2)双击刚刚创建的登录名,在“角色”一栏中给其授权。

  (3)我们可以看到在登录名最后一栏中的用户,用于该登录名映射的用户名。再打开数据库查看,果然,里面有用户和允许对用户的CRUD和对用户的分组(缺省的是public组)、授权。和什么数据库很像?对咯,SQLServer。登录名和用户名的区别和联系已经在前一篇讲过,不再啰嗦。

  至此,SybaseASE的表空间(数据库设备)、数据库,登录名、用户已经创建完成,以后会把常用的SQL语句总结放上来,方便我们的环境更好的工作。


本文出自seven的测试人生公众号最新内容请见作者的GitHub页:http://qaseven.github.io/

目录
相关文章
|
8月前
|
SQL 前端开发 关系型数据库
如何开发一套研发项目管理系统?(附架构图+流程图+代码参考)
研发项目管理系统助力企业实现需求、缺陷与变更的全流程管理,支持看板可视化、数据化决策与成本优化。系统以MVP模式快速上线,核心功能包括需求看板、缺陷闭环、自动日报及关键指标分析,助力中小企业提升交付效率与协作质量。
|
7月前
|
数据采集 机器学习/深度学习 运维
量化合约系统开发架构入门
量化合约系统核心在于数据、策略、风控与执行四大模块的协同,构建从数据到决策再到执行的闭环工作流。强调可追溯、可复现与可观测性,避免常见误区如重回测轻验证、忽视数据质量或滞后风控。初学者应以MVP为起点,结合回测框架与实时风控实践,逐步迭代。详见相关入门与实战资料。
|
7月前
|
前端开发 JavaScript BI
如何开发车辆管理系统中的车务管理板块(附架构图+流程图+代码参考)
本文介绍了中小企业如何通过车务管理模块提升车辆管理效率。许多企业在管理车辆时仍依赖人工流程,导致违章处理延误、年检过期、维修费用虚高等问题频发。将这些流程数字化,可显著降低合规风险、提升维修追溯性、优化调度与资产利用率。文章详细介绍了车务管理模块的功能清单、数据模型、系统架构、API与前端设计、开发技巧与落地建议,以及实现效果与验收标准。同时提供了数据库建表SQL、后端Node.js/TypeScript代码示例与前端React表单设计参考,帮助企业快速搭建并上线系统,实现合规与成本控制的双重优化。
|
8月前
|
人工智能 监控 测试技术
告别只会写提示词:构建生产级LLM系统的完整架构图​
本文系统梳理了从提示词到生产级LLM产品的八大核心能力:提示词工程、上下文工程、微调、RAG、智能体开发、部署、优化与可观测性,助你构建可落地、可迭代的AI产品体系。
1025 52
|
7月前
|
机器学习/深度学习 人工智能 缓存
面向边缘通用智能的多大语言模型系统:架构、信任与编排——论文阅读
本文提出面向边缘通用智能的多大语言模型(Multi-LLM)系统,通过协同架构、信任机制与动态编排,突破传统边缘AI的局限。融合合作、竞争与集成三种范式,结合模型压缩、分布式推理与上下文优化技术,实现高效、可靠、低延迟的边缘智能,推动复杂场景下的泛化与自主决策能力。
623 3
面向边缘通用智能的多大语言模型系统:架构、信任与编排——论文阅读
|
8月前
|
机器学习/深度学习 人工智能 测试技术
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
EdgeMark是一个面向嵌入式AI的自动化部署与基准测试系统,支持TensorFlow Lite Micro、Edge Impulse等主流工具,通过模块化架构实现模型生成、优化、转换与部署全流程自动化,并提供跨平台性能对比,助力开发者在资源受限设备上高效选择与部署AI模型。
659 9
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
|
7月前
|
人工智能 自然语言处理 安全
AI助教系统:基于大模型与智能体架构的新一代教育技术引擎
AI助教系统融合大语言模型、教育知识图谱、多模态交互与智能体架构,实现精准学情诊断、个性化辅导与主动教学。支持图文语音输入,本地化部署保障隐私,重构“教、学、评、辅”全链路,推动因材施教落地,助力教育数字化转型。(238字)
1163 23
|
8月前
|
消息中间件 数据采集 NoSQL
秒级行情推送系统实战:从触发、采集到入库的端到端架构
本文设计了一套秒级实时行情推送系统,涵盖触发、采集、缓冲、入库与推送五层架构,结合动态代理IP、Kafka/Redis缓冲及WebSocket推送,实现金融数据低延迟、高并发处理,适用于股票、数字货币等实时行情场景。
1157 3
秒级行情推送系统实战:从触发、采集到入库的端到端架构
|
8月前
|
前端开发 API 定位技术
如何开发车辆管理系统中的用车申请板块(附架构图+流程图+代码参考)
本文详细解析了如何将传统纸质车辆管理流程数字化,涵盖业务规则、审批流、调度决策及数据留痕等核心环节。内容包括用车申请模块的价值定位、系统架构设计、数据模型构建、前端表单实现及后端开发技巧,助力企业打造可落地、易扩展的车辆管理系统。
|
7月前
|
存储 人工智能 搜索推荐
拔俗AI助教系统:基于大模型与智能体架构的新一代教育技术引擎
AI助教融合大语言模型、教育知识图谱、多模态感知与智能体技术,重构“教、学、评、辅”全链路。通过微调LLM、精准诊断错因、多模态交互与自主任务规划,实现个性化教学。轻量化部署与隐私保护设计保障落地安全,未来将向情感感知与教育深度协同演进。(238字)
849 0