oracle spool简介+sql plus set常用设置

oracle spool简介+sql plus set常用设置

利用Oracle中的Spool缓冲池技术可以实现Oracle数据导出到文本文件;
SPOOL是SQLPLUS的命令,不是SQL语法里面的东西。
对于SPOOL数据的SQL,最好要自己定义格式,以方便程序直接导入,SQL语句如:
select taskindex||'|'||commonindex||'|'||tasktype||'|'||to_number(to_char(sysdate,'YYYYMMDD')) from ssrv_sendsms_task; spool常用的设置
set colsep' '; //域输出分隔符
set echo off; //显示start启动的脚本中的每个sql命令,缺省为on
set feedback off; //回显本次sql命令处理的记录条数,缺省为on
set heading off; //输出域标题,缺省为on
set pagesize 0; //输出每页行数,缺省为24,为了避免分页,可设定为0。
set termout off; //显示脚本中的命令的执行结果,缺省为on
set trimout on; //去除标准输出每行的拖尾空格,缺省为off
set trimspool on; //去除重定向(spool)输出每行的拖尾空格,缺省为off

---------------------------------------------------------------------------------------------------------------------

如果trimspool设置为on,将移除spool文件中的尾部空 ,trimout同trimspool功能相似,只不过对象是控制台。使用glogin.sql或login.sql使得设置跨session生效。
If trimspool is set to on, it will remove trailing blanks in spooled files. See also trimout which does the same thing to the output to the console (terminal).
Storing settings across sessions
Settings (such as sqlpluscompatibility) can be stored accross sessions with the glogin.sql and/or login.sql file.

-----------------------------------------------------------------------------------------------------------------------------------------

导出文本数据的建议格式:
SQL*PLUS环境设置
SET NEWPAGE NONE
SET HEADING OFF
SET SPACE 0
SET PAGESIZE 0
SET TRIMOUT ON
SET TRIMSPOOL ON
SET LINESIZE 2500
注:LINESIZE要稍微设置大些,免得数据被截断,它应和相应的TRIMSPOOL结合使用防止导出的文本有太多的尾部空格。
但是如果LINESIZE设置太大,会大大降低导出的速度,另外在WINDOWS下导出最好不要用PLSQL导出,速度比较慢,
直接用COMMEND下的SQLPLUS命令最小化窗口执行。对于字段内包含很多回车换行符的应该给与过滤,形成比较规矩的文本文件。
通常情况下,我们使用SPOOL方法,将中的表导出为文本文件的时候会采用两种方法,如下述:

方法一:采用以下格式脚本
set colsep '|' --设置|为列分隔符
set trimspool on
set linesize 120
set pagesize 2000
set newpage 1
set heading off
set term off
set num 18
set feedback off
spool 路径+文件名
select * from tablename;
spool off

方法二:采用以下脚本
set trimspool on
set linesize 120
set pagesize 2000
set newpage 1
set heading off
set term off
spool 路径+文件名
select col1||','||col2||','||col3||','||col4||'..' from tablename;
spool off

比较以上方法,即方法一采用设定分隔符然后由sqlplus自己使用设定的分隔符对字段进行分割,方法二将分隔符拼接在SELECT语句中,
即手工控制输出格式。在实践中,发现通过方法一导出来的数据具有很大的不确定性,这种方法导出来的数据再由sqlldr导入的时候
出错的可能性在95%以上,尤其对大批量的数据表,如100万条记录的表更是如此,而且导出的数据文件狂大。而方法二导出的数据文
件格式很规整,数据文件的大小可能是方法一的1/4左右。经这种方法导出来的数据文件再由sqlldr导入时,出错的可能性很小,基本
都可以导入成功。因此,实践中我建议大家使用方法二手工去控制spool文件的格式,这样可以减小出错的可能性,避免走很多弯路。


自测例:将ssrv_sendsms_task表中的数据导出到文本(数据库Oracle 9i  操作系统 SUSE LINUX Enterprise Server 9)

spool_test.sh脚本如下:
#!/bin/sh
DB_USER=zxdbm_ismp                               #DB USER
DB_PWD=zxin_smap                                 #DB PASSWORD
DB_SERV=zx10_40_43_133                           #DB SERVICE NAME

sqlplus -s  # -s 参数屏蔽打印到屏幕上的其他信息,只显示sql执行后从DB中查询出来的信息,过滤掉spool函数执行时在文件中写入的其他信息。
set trimspool on
set linesize 120
set pagesize 2000
set newpage 1
set heading off
set term off
spool promt.txt
select taskindex||'|'||commonindex||'|'||tasktype||'|'||to_number(to_char(sysdate,'YYYYMMDD')) from ssrv_sendsms_task;
spool off
EOF


执行./spool_test.sh后生成sp_test.txt,内容如下:
83|115|1|20080307
85|115|11|20080307
86|115|10|20080307
84|115|2|20080307
6|5|14|20080307
7|5|12|20080307
9|5|15|20080307


注:上面自测例中,spool promt.txt中的目标生成文件promt.txt,在HP-UNX环境下的shell脚本中调用Oracle的spool函数,如果将上述逻辑代码封装为一个function,然后来调用这个function的话,则在shell脚本中最终是不会生成promt.txt文件的。只能直接执行逻辑代码,封装后则spool函数失效。
对于promt.txt在相对路径下,下面2中方法在shell环境中执行时,两者只能择一,两者并存则spool函数会失效。假设promt.txt文件生成的路径为:/home/zxin10/zhuo/batchoperate/spoolfile
方式[1]
echo "start spool in shell.."

sqlplus -s zxdbm_ismp/zxin_smap< set pagesize 0
set echo off feed off term off heading off trims off
set colsep '|'
set trimspool on
set linesize 10000
set trimspool on
set linesize 120
set newpage 1
spool /home/zxin10/zhuo/batchoperate/spoolfile/promt.txt
select batchindex||'|'||productid||'|'||contentid||'|'||optype||'|'||uploadfile from zxdbm_700.s700_batch_operation where status=1;
spool off
EOF
echo "end.."
方式[2]
echo "start spool in shell.."
cd /home/zxin10/zhuo/batchoperate/spoolfile
sqlplus -s zxdbm_ismp/zxin_smap< set pagesize 0
set echo off feed off term off heading off trims off
set colsep '|'
set trimspool on
set linesize 10000
set trimspool on
set linesize 120
set newpage 1
spool promt.txt
select batchindex||'|'||productid||'|'||contentid||'|'||optype||'|'||uploadfile from zxdbm_700.s700_batch_operation where status=1;
spool off
EOF

转自:

sql plus set常用设置

SQL>set colsep' '; //-域输出分隔符

SQL>set echo off; //显示start启动的脚本中的每个sql命令,缺省为on

SQL> set echo on              //设置运行命令是是否显示语句

SQL> set feedback on;       //设置显示“已选择XX行”

SQL>set feedback off;    //回显本次sql命令处理的记录条数,缺省为on

SQL>set heading off; //输出域标题,缺省为on

SQL>set pagesize 0;    //输出每页行数,缺省为24,为了避免分页,可设定为0。

SQL>set linesize 80;   //输出一行字符个数,缺省为80

SQL>set numwidth 12;    //输出number类型域长度,缺省为10

SQL>set termout off;   //显示脚本中的命令的执行结果,缺省为on

SQL>set trimout on; //去除标准输出每行的拖尾空格,缺省为off

SQL>set trimspool on; //去除重定向(spool)输出每行的拖尾空格,缺省为off

SQL>set serveroutput on; //设置允许显示输出类似dbms_output

SQL>set serveroutput on size 100000; //打开DBMS_OUTPUT,另外也将默认缓冲区大小设置得尽可能大

SQL> set timing on;          //设置显示“已用时间:XXXX”

SQL> set autotrace on;    //设置允许对执行的sql进行分析

SQL> set verify off;           //可以关闭和打开提示确认信息old 1和new 1的显示.

Read more

人工智能|Windows10下的openclaw急速部署

人工智能|Windows10下的openclaw急速部署

前言: openclaw目前是一个比较火的 ai agent,OpenClaw(曾用名Clawdbot、Moltbot)是一款可以部署在个人电脑上的‌AI代理(Agent)‌,其核心设计理念是成为一个能“动手干活”的自动化执行系统。它本身并非一个大模型,而是一个‌“指挥官”或框架‌,负责接收用户指令、组织流程,并调用其接入的外部大模型(如GPT、Gemini、国产大模型等)来完成具体的理解和任务执行。该项目由程序员‌Peter Steinberger‌开发,采用“龙虾”图标设计,口号是“The AI that actually does things”。它是一个‌开源项目‌,核心开发语言为TypeScript。‌‌ OpenClaw核心能力与适用场景 OpenClaw区别于仅提供对话功能的普通聊天机器人,核心优势在于具备实际任务执行能力,堪称“能动手干活的AI数字员工”。其功能覆盖多个维度:基础层面可完成读写文件、运行脚本、管理邮件、

7个用于运行LLM的最佳开源WebUI

7个用于运行LLM的最佳开源WebUI

无论是希望将AI大模型集成到业务流程中,还是寻求企业客户服务自动化,亦或者是希望创建一个强大的个人学习工具。可能都需要考虑数据安全、灵活度以及更具有可控性的使用和开发基础。值得考虑的一个方案是:将大模型(LLM)私有化并且创建一个好用的LLM WebUI系统。 下面,我们推荐7个出色的开源LLM WebUI 系统。 01.Open WebUI(Ollama WebUI) https://github.com/open-webui/open-webui Star:45.7K 开发语言:Python、TypeScript\Svelte Open WebUI是一个可扩展、功能丰富且用户友好的WebUI,旨在完全离线操作。它支持包括Ollama和OpenAI在内的各种LLM运行容器或者API。 产品特点: * 直观的界面:受ChatGPT启发的用户友好型聊天 * 响应式设计:在桌面和移动的上实现流畅的性能 * 轻松安装:使用Docker/Kubernetes轻松安装 * 主题定制:个性化与多个主题 * 高亮:增强代码的可读性 * Markdown LaTeX支持:

前端 + agent 开发学习路线

背景:团队启动Agent项目,从零开始学习工程化AI开发 感谢ai老师写的学习指南。存档! 引言:从困惑到清晰 最近团队要启动Agent项目,我第一次接触这个概念时,只停留在“接入大模型API+优化Prompt”的浅层理解。经过大量学习和实践探索,我才发现工程化Agent开发是系统化的架构设计,而不仅仅是API调用。 这篇文章记录我从前端视角出发,探索Agent工程化开发的学习路径和实践经验。如果你也是前端/全栈开发者,想要在AI时代找到自己的定位,这篇指南应该能帮到你。 一、认知重塑:什么是工程化Agent? 1.1 我的错误认知 vs 现实 我原来的理解: Agent = 大模型API + Prompt优化 实际上的工程化Agent: Agent = 系统架构 + 可控执行 + 安全审查 + 领域适配 + 可观测性 1.2 Agent的分层架构(医疗场景示例) 你的主战场 任务分解器 工具路由器 记忆管理器 状态监控器

制作并发布抖音AI特效(包括使用“像塑”工具)其实比你想象的更简单!

一、制作AI特效的核心工具:像塑 像塑(https://effectcreator.douyin.com)是抖音官方的网页版特效创作工具,支持: * 人脸/人体追踪(2D/3D) * 手势识别 * AI抠图/背景分割 * 3D模型导入 * 粒子/动效系统 * AR滤镜模板 ✅ 无需代码,拖拽组件即可制作,适合零基础用户! 二、制作AI特效的步骤 1. 准备工作 * 注册账号:用抖音账号登录像塑官网。 * 设备要求:推荐使用Chrome浏览器 + 电脑(Win/Mac均可)。 * 素材准备:提前设计好贴图(PNG透明背景)、3D模型(.glb格式)、音效等。 2. 选择AI能力模板 像塑内置多种AI模板,可直接套用: * 人脸变形(大眼、瘦脸、卡通化) * 手势触发特效(