xxxx20150401，xxxx20150402
给了我们30个这种dmp，就是30张表。现在的问题是，我想把这些dmp统一导入一个分区表中，方便我们分析和处理。
请问用imp命令可以实现吗？或者有没有更好的方法来实现这个需求？
比较急，请大家帮帮忙，多谢了！
-
等级
本版专家分：6结帖率 97.06% -
大家好，我们从甲方那里拿到的dmp历史数据，甲方的表没有分区，表命名是类似这种：
xxxx20150401，xxxx20150402
给了我们30个这种dmp，就是30张表。现在的问题是，我想把这些dmp统一导入一个分区表中，方便我们分析和处理。
请问用imp命令可以实现吗？或者有没有更好的方法来实现这个需求？
比较急，请大家帮帮忙，多谢了！展开阅读全文
-
等级
本版专家分：68173勋章
-
- 签到新秀 累计签到获取，不积跬步，无以至千里，继续坚持！
-
- GitHub 绑定GitHub第三方账户获取
-
- 进士 2017年 总版技术专家分年内排行榜第八
-
-
优秀版主
2016年10月优秀大版主
优秀小版主
-
-
建成同义词，就可以导入到目标表
-
等级
本版专家分：68173勋章
-
- 签到新秀 累计签到获取，不积跬步，无以至千里，继续坚持！
-
- GitHub 绑定GitHub第三方账户获取
-
- 进士 2017年 总版技术专家分年内排行榜第八
-
-
优秀版主
2016年10月优秀大版主
优秀小版主
-
-
-- 刚写了一个，应该就是你的需求
SQL> create user u1 identified by oracle default tablespace users ;
用户已创建。
SQL> create user u2 identified by oracle default tablespace users ;
用户已创建。
SQL> grant connect , resource, dba,select any table to u1 ;
授权成功。
SQL> grant connect , resource, dba,select any table to u2 ;
授权成功。
SQL> conn u1/oracle
已连接。
SQL> create table A1(id int , name varchar(10)) ;
表已创建。
SQL> create table A2(id int , name varchar(10)) ;
表已创建。
SQL> insert into A1 select rownum,'A1' from dual connect by rownum<=5;
已创建5行。
SQL> insert into A2 select rownum,'A2' from dual connect by rownum<=5;
已创建5行。
SQL> conn u2/oracle
已连接。
SQL> create table A(id int,name varchar(10)) ;
表已创建。
SQL> create synonym A1 for A ;
同义词已创建。
SQL> create synonym A2 for A ;
同义词已创建。
SQL> exit
从 Oracle Database 11g Enterprise Edition Release 11.2.0.1.0 - 64bit Production
With the Partitioning, OLAP, Data Mining and Real Application Testing options 断
开
C:\>exp u1/oracle file=c:\u1.dmp
Export: Release 11.2.0.1.0 - Production on 星期三 4月 29 15:50:02 2015
Copyright (c) 1982, 2009, Oracle and/or its affiliates. All rights reserved.
连接到: Oracle Database 11g Enterprise Edition Release 11.2.0.1.0 - 64bit Produc
tion
With the Partitioning, OLAP, Data Mining and Real Application Testing options
已导出 ZHS16GBK 字符集和 AL16UTF16 NCHAR 字符集
即将导出指定的用户...
. 正在导出 pre-schema 过程对象和操作
. 正在导出用户 U1 的外部函数库名
. 导出 PUBLIC 类型同义词
. 正在导出专用类型同义词
. 正在导出用户 U1 的对象类型定义
即将导出 U1 的对象...
. 正在导出数据库链接
. 正在导出序号
. 正在导出簇定义
. 即将导出 U1 的表通过常规路径...
. . 正在导出表 A1导出了 5 行
. . 正在导出表 A2导出了 5 行
. 正在导出同义词
. 正在导出视图
. 正在导出存储过程
. 正在导出运算符
. 正在导出引用完整性约束条件
. 正在导出触发器
. 正在导出索引类型
. 正在导出位图, 功能性索引和可扩展索引
. 正在导出后期表活动
. 正在导出实体化视图
. 正在导出快照日志
. 正在导出作业队列
. 正在导出刷新组和子组
. 正在导出维
. 正在导出 post-schema 过程对象和操作
. 正在导出统计信息
成功终止导出, 没有出现警告。
C:\>imp u2/oracle file=c:\u1.dmp fromuser=u1 touser=u2 ingore=y
LRM-00101: 未知的参数名 'ingore'
IMP-00022: 处理参数失败, 请键入 'IMP HELP=Y' 获取帮助信息
IMP-00000: 未成功终止导入
C:\>imp u2/oracle file=c:\u1.dmp fromuser=u1 touser=u2 ignore=y
Import: Release 11.2.0.1.0 - Production on 星期三 4月 29 15:50:48 2015
Copyright (c) 1982, 2009, Oracle and/or its affiliates. All rights reserved.
连接到: Oracle Database 11g Enterprise Edition Release 11.2.0.1.0 - 64bit Produc
tion
With the Partitioning, OLAP, Data Mining and Real Application Testing options
经由常规路径由 EXPORT:V11.02.00 创建的导出文件
警告: 这些对象由 U1 导出, 而不是当前用户
已经完成 ZHS16GBK 字符集和 AL16UTF16 NCHAR 字符集中的导入
. . 正在导入表 "A1"导入了 5 行
. . 正在导入表 "A2"导入了 5 行
成功终止导入, 没有出现警告。
C:\>sqlplus "u2/oracle"
SQL*Plus: Release 11.2.0.1.0 Production on 星期三 4月 29 15:50:57 2015
Copyright (c) 1982, 2010, Oracle. All rights reserved.
连接到:
Oracle Database 11g Enterprise Edition Release 11.2.0.1.0 - 64bit Production
With the Partitioning, OLAP, Data Mining and Real Application Testing options
SQL> select * from A ;
ID NAME
---------- ----------
1 A1
2 A1
3 A1
4 A1
5 A1
1 A2
2 A2
3 A2
4 A2
5 A2
已选择10行。
SQL>
- 分区表的导入导出 expdp&impdp Oracle 11.2.0.4
分区表的导入导出
- oracle 非分区表转分区表
将普通表转换成分区表有4种方法： 1. Export/import method 2. Insert with a subquery method 3. Partition exchange method 4. DBMS_REDEFINITION 具体参考： How to Partition a Non-partit
- oracle创建分区表，以及非分区表转分区表
将普通表转换成分区表有4种方法： 1. Export/import method 2. Insert with a subquery method 3. Partition exchange method 4. DBMS_REDEFINITION 具体参考： How to Partition a Non-partit
- 一次oracle数据库大数据表的分区方案设计，以及所踩的坑
由于系统架构老旧，模型方案设计时的欠缺，导致分区方案的整改碰到了很多问题，以往使用的是历史归档表的形式归档数据，使得主表数据量减少，核心功能的读写就不会碰到问题，但是缺点时导致数据库表数量增加，账单...
- oracle11g expdp impdp 分区表重映射导出导入数据迁移方案
oracle expdp impdp 分区表重映射导出导入 数据迁移方案，以SI01用户为例子，将用户分区表导出后，将分区表重映射到新的表空间，完成数据迁移和检查。照方案例子按步去做，一定能成功。
- oracle11g自动分区使用
在oracle11g之前，oracle是不支持自动分区功能的，这就可能导致我们系统在运行一段时间之后，就需要看看分区是否创建或者写触发器进行创建分区，否则就会导致数据无法入库或者大量的数据全部都进入了默认分区。...
- oracle 分区表插入数据_Oracle数据库分区表整理笔记
关键词partition 分区subpartition 辅助分区已经存在的表没有方法可以直接转化为分区表。分区索引一、分区表类型1、范围分区1-1、按指定要求划分假设有一个CUSTOMER表，表中有数据200000行，我们将此表通过CUSTOMER_...
- Oracle 分区表 导出导入 迁移
Oracle 分区表 总结 http://blog.csdn.net/tianlesoftware/archive/2009/10/23/4717318.aspx 这种方法的步骤是： （1）将普通表dump出来 （2）创建分区表 （3）将dump 文件导入数据。 分区表的...
- 导入导出 Oracle 分区表数据
导入导出 Oracle 分区表数据
- ORACLE 按时间创建分区表
有些项目中可能会涉及到表的分区（有的表大小在70G左右） 下面简单写一下创建分区表过程1、创建测试表首先创建测试表weihai_test语句如下create tableweihai_test (id int notnull,join_date DATE);以上表中join_...
- Oracle 分区表 导出导入 迁移(转)
写的比较好的博客：1.http://blog.itpub.net/790148/viewspace-2139803/
- oracle dmp中有分区表 imp导入方法
imp 导入 dmp的时候，如果dmp中有分区表，则有以下2中发放解决： 1、事先建立好分区表的表结构
- Oracle 分区表迁移分区至历史表
记一次分区表迁移分区至历史表的流程 环境描述： 源表： / 源表信息 源表分区 表一 A1 A1_17,A1_18 表二 A2 A2_17,A2_18 表三 A3 A3_17,A3_18 历史表：（已经存在） / 历史表 历史表分区 表一...
- oracle非分区表转为分区表
方法一： create table TBL_MERCHANT_ACCOUNT_DETAIL2 partition by (WORKDATE) ( partition P1 values('20121023'), partition P2 values('20121024'), ...partition P3 values('20121025'), ...
- oracle按时间创建分区表
oracle分区表是oracle数据库提供的一种表分区的实现形式。表进行分区后，逻辑上仍然是一张表，原来的查询SQL同样生效，同时可以采用使用分区查询来优化SQL查询效率，不至于每次都扫描整个表 一、分区表基本操作 1、...
- oracle分区表导入导出
分区表恢复方法：1：正常使用expdp导出数据2：使用Impdp导入数据，方法：impdp itsm_sac/itsm directory=itsm dumpfile=itsm-2013-11-28-10-22.dmp logfile=12-24.log partition_options=merge这样的结果，分区表会...
- Oracle10g 分区表总结
作者总结的很好，在此转载！ 一. 分区表理论知识 Oracle提供了分区技术以支持VLDB(Very Large DataBase)。分区表通过对分区列的判断，把分区列不同的记录，放到不同的分区中。分区完全对应用透明。 Oracl
- oracle，分区表归档
oracle，分区表归档
- oracle 11g 按时间建分区表
假如已创建的表不能再创建分区，只有重新建分区表，然后将数据导入表中，再将表名改为原表名： 1.我的原表名为MONITOR_DATA,现在将临时分区表： CREATE TABLE GPS_MONITOR_DATA_TMP ( DATA_ID CHAR(36 BYTE) NOT...
- Oracle大表分区(表大小超过2G)
背景:公司要求将数据库中表超过2G的表进行分区。刚好我们负责的表有5张大于2G的。所以需要进行表分区。 所谓分区，讲的的通俗点，就是根据某个字段的范围进行划分，将表分成几块。以后查询，维护都更加方便。 ...
- oracle非分区表，转分区表
本文原出处：http://blog.csdn.net/tianlesoftware/archive/2009/10/23/4717318.aspx将普通表转换成分区表有4种方法： 1. Export/import method 2. Insert with a subquery method 3. Partition exchang
- oracle 普通表变更分区表的数据迁移
今天接到一个需求，需要对一张普通的大表（数据量3000W）进行优化，目标按时间保留2000W左右的数据量，建成分区表。 操作流程 --导出表的部分数据 expdp system/**** directory=dump_dir dumpfile=amm_exception_...
- oracle 表分区使用心得（删除分区表的某一个分区，插入数据时会出现索引不可用的异常）
二、场景：表分区有两种场景（我能想到的），一种是在项目架构时就考虑到了大数据量的情况，此为新建分区表；一种是在项目已经上线一段时间后发现，数据量远远比当初要大，所以需要将表分区来进行效率提高（已有表...
- Hive分区表的导入与导出
最近在做一个小任务，将一个CDH平台中Hive的部分数据同步到另一个平台中。毕竟我也刚开始工作，在正式开始做之前，首先进行了一段时间的练习，下面的内容就是练习时写的文档中的内容。...第二篇：Hive中数据的导入与...
- oracle 海量数据转存插入分区表
某普通表T，由于前期设计不当没有分区，如今几年来的数据量已达9亿+, 空间占用大约350G，在线重定义为分区表不现实，故采取申请时间窗口停此表应用，改造为分区表。若T表数据量适当，可选用在线重定义操作时，可参考...
- ORACLE性能优化之表分区
表分区一般指分区表，将表中的数据在物理上存放到多个“表空间”(物理文件上)的这个过程称为表分区。 二、什么时候用？ 在构建千兆字节数据系统或超高可用性系统时，当表数据量大小达到2G时推荐使用表分区。 2G...
- Visio_2016
visio_2016下载安装，亲测可用，不需要破解，而且无秘钥。简单方便实用
- 科研伦理与学术规范 期末考试2 （40题）.pdf
科研伦理与学术规范 期末考试2 （40题）
- 奥特曼大全及关系明细.pdf
此文档有详细奥特曼大全及关系明细
- matlab神经网络30个案例分析
【目录】- MATLAB神经网络30个案例分析(开发实例系列图书) 第1章 BP神经网络的数据分类——语音特征信号分类1 本案例选取了民歌、古筝、摇滚和流行四类不同音乐，用BP神经网络实现对这四类音乐的有效分类。 第2章 BP神经网络的非线性系统建模——非线性函数拟合11 本章拟合的非线性函数为y=x21+x22。 第3章 遗传算法优化BP神经网络——非线性函数拟合21 根据遗传算法和BP神经网络理论，在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法。 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优36 对于未知的非线性函数，仅通过函数的输入输出数据难以准确寻找函数极值。这类问题可以通过神经网络结合遗传算法求解，利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模45 BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。 第6章 PID神经元网络解耦控制算法——多变量系统控制54 根据PID神经元网络控制器原理，在MATLAB中编程实现PID神经元网络控制多变量耦合系统。 第7章 RBF网络的回归——非线性函数回归的实现65 本例用RBF网络拟合未知函数，预先设定一个非线性函数，如式y=20+x21-10cos（2πx1）+x22-10cos（2πx2）所示，假定函数解析式不清楚的情况下，随机产生x1,x2和由这两个变量按上式得出的y。将x1,x2作为RBF网络的输入数据，将y作为RBF网络的输出数据，分别建立近似和精确RBF网络进行回归分析，并评价网络拟合效果。 第8章 GRNN的数据预测——基于广义回归神经网络的货运量预测73 根据货运量影响因素的分析，分别取国内生产总值（GDP），工业总产值，铁路运输线路长度，复线里程比重，公路运输线路长度，等级公路比重，铁路货车数量和民用载货汽车数量8项指标因素作为网络输入，以货运总量，铁路货运量和公路货运量3项指标因素作为网络输出，构建GRNN，由于训练数据较少，采取交叉验证方法训练GRNN神经网络，并用循环找出最佳的SPREAD。 第9章 离散Hopfield神经网络的联想记忆——数字识别81 根据Hopfield神经网络相关知识，设计一个具有联想记忆功能的离散型Hopfield神经网络。要求该网络可以正确地识别0~9这10个数字，当数字被一定的噪声干扰后，仍具有较好的识别效果。 第10章 离散Hopfield神经网络的分类——高校科研能力评价90 某机构对20所高校的科研能力进行了调研和评价，试根据调研结果中较为重要的11个评价指标的数据，并结合离散Hopfield神经网络的联想记忆能力，建立离散Hopfield高校科研能力评价模型。 第11章 连续Hopfield神经网络的优化——旅行商问题优化计算100 现对于一个城市数量为10的TSP问题，要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型，利用该模型可以快速地找到最优（或近似最优）的一条路线。 第12章 SVM的数据分类预测——意大利葡萄酒种类识别112 将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。 第13章 SVM的参数优化——如何更好的提升分类器的性能122 本章要解决的问题就是仅仅利用训练集找到分类的最佳参数，不但能够高准确率的预测训练集而且要合理的预测测试集，使得测试集的分类准确率也维持在一个较高水平，即使得得到的SVM分类器的学习能力和推广能力保持一个平衡，避免过学习和欠学习状况发生。 第14章 SVM的回归预测分析——上证指数开盘指数预测133 对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析。 第15章 SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测141 在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测。 若您对此书内容有任何疑问，可以凭在线交流卡登录中文论坛与作者交流。 第16章 自组织竞争网络在模式分类中的应用——患者癌症发病预测153 本案例中给出了一个含有60个个体基因表达水平的样本。每个样本中测量了114个基因特征，其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类), 中间的20个样本是正常人的基因表达信息样本, 余下的20个样本是待检测的样本(未知它们是否正常)。以下将设法找出癌症与正常样本在基因表达水平上的区别，建立竞争网络模型去预测待检测样本是癌症还是正常样本。 第17章SOM神经网络的数据分类——柴油机故障诊断159 本案例中给出了一个含有8个故障样本的数据集。每个故障样本中有8个特征，分别是前面提及过的：最大压力(P1)、次最大压力(P2)、波形幅度(P3)、上升沿宽度(P4)、波形宽度(P5)、最大余波的宽度(P6)、波形的面积(P7)、起喷压力(P8)，使用SOM网络进行故障诊断。 第18章Elman神经网络的数据预测——电力负荷预测模型研究170 根据负荷的历史数据，选定反馈神经网络的输入、输出节点，来反映电力系统负荷运行的内在规律，从而达到预测未来时段负荷的目的。 第19章 概率神经网络的分类预测——基于PNN的变压器故障诊断176 本案例在对油中溶解气体分析法进行深入分析后，以改良三比值法为基础，建立基于概率神经网络的故障诊断模型。 第20章 神经网络变量筛选——基于BP的神经网络变量筛选183 本例将结合BP神经网络应用平均影响值（MIV，Mean Impact Value）方法来说明如何使用神经网络来筛选变量，找到对结果有较大影响的输入项，继而实现使用神经网络进行变量筛选。 第21章 LVQ神经网络的分类——乳腺肿瘤诊断188 威斯康星大学医学院经过多年的收集和整理，建立了一个乳腺肿瘤病灶组织的细胞核显微图像数据库。数据库中包含了细胞核图像的10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度），这些特征与肿瘤的性质有密切的关系。因此，需要建立一个确定的模型来描述数据库中各个量化特征与肿瘤性质的关系，从而可以根据细胞核显微图像的量化特征诊断乳腺肿瘤是良性还是恶性。 第22章 LVQ神经网络的预测——人脸朝向识别198 现采集到一组人脸朝向不同角度时的图像，图像来自不同的10个人，每人5幅图像，人脸的朝向分别为：左方、左前方、前方、右前方和右方。试创建一个LVQ神经网络，对任意给出的人脸图像进行朝向预测和识别。 第23章 小波神经网络的时间序列预测——短时交通流量预测208 根据小波神经网络原理在MATLAB环境中编程实现基于小波神经网络的短时交通流量预测。 第24章 模糊神经网络的预测算法——嘉陵江水质评价218 根据模糊神经网络原理，在MATLAB中编程实现基于模糊神经网络的水质评价算法。 第25章 广义神经网络的聚类算法——网络入侵聚类229 模糊聚类虽然能够对数据聚类挖掘，但是由于网络入侵特征数据维数较多，不同入侵类别间的数据差别较小，不少入侵模式不能被准确分类。本案例采用结合模糊聚类和广义神经网络回归的聚类算法对入侵数据进行分类。 第26章 粒子群优化算法的寻优算法——非线性函数极值寻优236 根据PSO算法原理，在MATLAB中编程实现基于PSO算法的函数极值寻优算法。 第27章 遗传算法优化计算——建模自变量降维243 在第21章中，建立模型时选用的每个样本（即病例）数据包括10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度）的平均值、10个量化特征的标准差和10个量化特征的最坏值（各特征的3个最大数据的平均值）共30个数据。明显，这30个输入自变量相互之间存在一定的关系，并非相互独立的，因此，为了缩短建模时间、提高建模精度，有必要将30个输入自变量中起主要影响因素的自变量筛选出来参与最终的建模。 第28章 基于灰色神经网络的预测算法研究——订单需求预测258 根据灰色神经网络原理，在MATLAB中编程实现基于灰色神经网络的订单需求预测。 第29章 基于Kohonen网络的聚类算法——网络入侵聚类268 根据Kohonen网络原理，在MATLAB软件中编程实现基于Kohonen网络的网络入侵分类算法。 第30章 神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类277 为了便于使用MATLAB编程的新用户，快速地利用神经网络解决实际问题，MATLAB提供了一个基于神经网络工具箱的图形用户界面。考虑到图形用户界面带来的方便和神经网络在数据拟合、模式识别、聚类各个领域的应用，MATLAB R2009a提供了三种神经网络拟合工具箱（拟合工具箱/模式识别工具箱/聚类工具箱）。