重庆思庄技术分享——Expdp使用version参数时,报ORA-39373

Expdp使用version参数时,报ORA-39373

同事需要将一套19C数据库中的数据迁移到COMPATIBLE=12.1.0的数据库中,在使用数据泵导出的命令中添加了VERSION=12.1.0选项。在导出的日志中有几条ORA-39373报错信息。具体日志如下所示:

ORA-39373: cannot export SYSTEM_GRANT: ….. to version 12.1.0 due to long identifiers

ORA-39373: cannot export SYSTEM_GRANT: ….. to version 12.1.0 due to long identifiers

ORA-39373: cannot export INDEX_STATISTICS to version 12.1.0 due to long identifiers



2、从报错的信息可以看出,由于指定了导出的版本(VERSION=12.1.0),而一些标识符太长,所以无法导出,SYSTEM_GRANT这个关键字,看样子是系统权限这部分的内容;INDEX_STATISTICS应该是索引的统计信息。



3、同事担心这个报错是否会导致迁移的数据不一致,这些报错其实可以在数据迁移后手动处理,也不会造成业务数据的不一致。数据迁移完成后,对比两个库中业务用户的系统权限部分,查看目标端的业务用户缺少哪些系统权限,手动赋予这些系统权限即可。而索引的统计信息,这本来就是需要在数据迁移完成后,手动重新收集的。



4、这个问题在MOS文章:12.2 DataPump Export (EXPDP) Using a Lower Export Client Fails Due To ORA-39373 (Doc ID 2369249.1)中也有说明(In 12.2 Oracle database, the maximum length of identifiers is increased to 128 bytes for most identifiers, up from 30 bytes in previous releases.)。MOS中的解决方案是对超过30个字符的数据对象进行重命名,然后重新导出。

随着人类对生命健康需求的不断增长,新药研发面临着前所未有的挑战。传统的药物研发流程通常耗时长达十年以上,耗资数十亿美元,且最终成功率极低,这在制药界被称为“反摩尔定律”困境。近年来,人工智能技术的飞速发展,特别是深度学习和大数据分析的广泛应用,为新药发现带来了革命性的契机。人工智能能够从海量的化学和生物数据中挖掘潜在规律,显著加速药物靶点发现、先导化合物优化等关键环节。在此背景下,本研究旨在设计并实现一个基于人工智能的新药发现辅助系统,以期为传统药物研发流程提供高效的智能化辅助工具,从而有效缩短研发周期并大幅降低研发成本。本研究以Python作为主要开发语言,深度结合PyTorch和TensorFlow两大主流深度学习框架,并集成RDKit化学信息学工具包,构建了一个功能完善的新药发现辅助系统。系统的核心目标是利用先进的人工智能技术辅助新药分子的设计与活性评估。在研究方法上,本文创新性地提出了一种融合多模态数据的新药发现算法。该算法综合处理分子的多种表示形式,包括一维的SMILES序列、二维的分子图结构以及三维的空间构象数据。通过构建多通道神经网络,系统能够有效提取并融合不同模态的特征,从而全面捕捉分子的理化性质与生物学活性之间的复杂非线性关系。 【课程报告内容】 摘要 第1章 绪论 第2章 相关技术与理论 第3章 系统需求分析 第4章 系统总体设计 第5章 系统详细设计与实现 第6章 系统测试与分析 第7章 总结与展望 参考文献 附件-实现指南
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值