初试物化视图

简介:
     通常我们使用EXP/IMP,EXPDP/IMPDP 进行数据库的迁移,但是若对数据的一致性要求比较严格,要求生产库的停机时间最短,尽量的减少对应用业务的影响,因为使用逻辑迁移过程中应用会对数据库持续写入,在导出,再导入过程中源数据库和目标数据库会出现数据不一致的现象,可以通过物化视图也可以实现这一功能。
环境:windows 11g + linux 5  11g
oracl 为windows 环境的实例,rac1 为linux 的实例!
建立测试表。
yang@oracl>create table yangtab (id  number primary key ,name varchar2(15));
在测试表上建立物化日志。
yang@oracl>create materialized view log on yangtab;
实体化视图日志已创建。
yang@oracl>insert into yangtab
  2  select rownum id,
  3         dbms_random.string('l',15) name
  4         from dual
  5         connect by level <= 1e6;
已创建1000000行。
yang@oracl>commit;
提交完成。
yang@oracl>host date
当前日期: 2011/03/19 周六
输入新日期: (年月日)
yang@rac1>host time
当前时间: 12:49:45.67
输入新时间:

yang@oracl>select count(1) from yangtab;
  COUNT(1)
----------
   1000000
   
在目标库上创建基于源库yangtab 的物化视图,并设置每隔1分钟进行刷新一次。
yang@rac1>create materialized view yangtab_mv
  2  refresh fast start for update with sysdate next sysdate +1/1440
  3  with primary key as select * from yangtab@linkyang;
Materialized view created.
yang@rac1>select job,log_user,last_date,last_sec,next_date,next_sec,interval,what from user_jobs;
JOB  LOG_USER LAST_DATE              LAST_SEC   NEXT_DATE           NEXT_SEC INTERVAL         WHAT
---- -------- --------------------- ---------- ------------------------- ----------------    -------------
146 YANG      Mar 19 2011 11:27:01  11:27:01   Mar 19 2011 11:28:01 11:28:01 sysdate +1/1440 dbms_refresh.refresh('"YANG"."YANGTAB_MV"');
yang@rac1>select * from tab;
TNAME                  TABTYPE  CLUSTERID
---------------------- ------- ----------
V                            TABLE
YANGALL                 TABLE
YANGTAB_MV          TABLE
在源库插入数据后,从目标库上查询基表的数据
yang@rac1>select count(1) from yangtab@linkyang;
  COUNT(1)
----------
   1000000
此时查询物化视图还没数据,刷新物化视图需要时间。
yang@rac1>select count(1) from yangtab_mv;
  COUNT(1)
----------
         0
等待一段时间后,可以查询到物化视图中有数据了。
yang@rac1>select count(1) from yangtab_mv;
  COUNT(1)
----------
   1000000
在生产环境中可能还有应用对yangtab 进行操作,在对基表进行最后一次刷新前,将应用迁移到目标库上对 新建的物化视图进行访问( 物化视图必须是可更新的,否则在目标库不可对mv 进行dml操作)。
在目标库中手工执行刷新物化视图。
yang@rac1>EXEC DBMS_MVIEW.REFRESH('MV_YANGTAB');
PL/SQL 过程已成功完成。
此操作保证目标和源数据库中的数据一致。至此 从windows 环境下将数据迁移到linux环境的操作完成。
相关文章
|
1天前
|
云安全 人工智能 安全
AI被攻击怎么办?
阿里云提供 AI 全栈安全能力,其中对网络攻击的主动识别、智能阻断与快速响应构成其核心防线,依托原生安全防护为客户筑牢免疫屏障。
|
11天前
|
域名解析 人工智能
【实操攻略】手把手教学,免费领取.CN域名
即日起至2025年12月31日,购买万小智AI建站或云·企业官网,每单可免费领1个.CN域名首年!跟我了解领取攻略吧~
|
5天前
|
安全 Java Android开发
深度解析 Android 崩溃捕获原理及从崩溃到归因的闭环实践
崩溃堆栈全是 a.b.c?Native 错误查不到行号?本文详解 Android 崩溃采集全链路原理,教你如何把“天书”变“说明书”。RUM SDK 已支持一键接入。
449 192
|
3天前
|
数据采集 消息中间件 人工智能
跨系统数据搬运的全方位解析,包括定义、痛点、技术、方法及智能体解决方案
跨系统数据搬运打通企业数据孤岛,实现CRM、ERP等系统高效互通。伴随数字化转型,全球市场规模超150亿美元,中国年增速达30%。本文详解其定义、痛点、技术原理、主流方法及智能体新范式,结合实在Agent等案例,揭示从数据割裂到智能流通的实践路径,助力企业降本增效,释放数据价值。
|
9天前
|
人工智能 自然语言处理 安全
国内主流Agent工具功能全维度对比:从技术内核到场景落地,一篇读懂所有选择
2024年全球AI Agent市场规模达52.9亿美元,预计2030年将增长至471亿美元,亚太地区增速领先。国内Agent工具呈现“百花齐放”格局,涵盖政务、金融、电商等多场景。本文深入解析实在智能实在Agent等主流产品,在技术架构、任务规划、多模态交互、工具集成等方面进行全维度对比,结合市场反馈与行业趋势,为企业及个人用户提供科学选型指南,助力高效落地AI智能体应用。
|
5天前
|
消息中间件 安全 NoSQL
阿里云通过中国信通院首批安全可信中间件评估
近日,由中国信通院主办的 2025(第五届)数字化转型发展大会在京举行。会上,“阿里云应用服务器软件 AliEE”、“消息队列软件 RocketMQ”、“云数据库 Tair”三款产品成功通过中国信通院“安全可信中间件”系列评估,成为首批获此认证的中间件产品。此次评估覆盖安全可信要求、功能完备性、安全防护能力、性能表现、可靠性与可维护性等核心指标,标志着阿里云中间件产品在多架构适配与安全能力上达到行业领先水平。
315 195

热门文章

最新文章