Linux:Oracle19c安装创建仓库

环境介绍

操作系统:centos7.9

使用yum:公网yum源

内核版本:3.10.0-1160.el7.x86_64

运行内存:4G

swap交换内存:8G

ssh软件:

 

软件包:LINUX.X64_193000_db_home.zip  

下载链接:

适用于 Linux x19-86 的 Oracle Database 64c 下载icon-default.png?t=N7T8https://www.oracle.com/database/technologies/oracle19c-linux-downloads.html


前置配置 

 

安装所需系统环境

yum -y install deltarpm python-deltarpm bc compat-libcap1* compat-libcap* binutils  compat-libstdc++-33 elfutils-libelf elfutils-libelf-devel gcc gcc-c++ glibc-2.5 glibc-common glibc-devel glibc-headers ksh libaio libaio-devel libgcc libstdc++ libstdc++-devel make sysstat unixODBC unixODBC-devel binutils* compat-libstdc*  elfutils-libelf* gcc* glibc* ksh* libaio* libgcc* libstdc* make* sysstat* libXp* glibc-kernheaders net-tools-*

如果没有图形化则安装,有则跳过这一步

yum -y groupinstall  gnome-desktop  
ln -sf /lib/systemd/system/graphical.target /etc/systemd/system/default.target
reboot

#重启后就有图形化

关闭防火墙和seLinux

systemctl stop firewalld
setenforce 0

修改Linux内核

vim /etc/sysctl.conf插入kernel.shmmax = 277495689510912
kernel.shmmni = 4096
kernel.sem = 250 32000 100 128
net.core.rmem_default = 262144
net.core.rmem_max = 4194304
net.core.wmem_default = 262144
net.core.wmem_max = 1048586
fs.file-max = 6815744
kernel.shmall = 67747971072
net.ipv4.tcp_max_tw_buckets = 6000
net.ipv4.ip_local_port_range = 9000 65500
net.ipv4.tcp_tw_recycle = 0
net.ipv4.tcp_tw_reuse = 1
net.core.netdev_max_backlog = 262144
net.ipv4.tcp_max_orphans = 262144
net.ipv4.tcp_max_syn_backlog = 262144
net.ipv4.tcp_synack_retries = 2
net.ipv4.tcp_syn_retries = 1
net.ipv4.tcp_fin_timeout = 1
net.ipv4.tcp_keepalive_time = 30
net.ipv4.tcp_keepalive_probes = 6
net.ipv4.tcp_keepalive_intvl = 5
net.ipv4.tcp_timestamps = 0
fs.aio-max-nr = 1048576
net.ipv4.conf.all.rp_filter = 2
net.ipv4.conf.default.rp_filter = 2
sysctl -p

限制占用
 

vim /etc/security/limits.conf插入oracle   soft   nofile    1024
oracle   hard   nofile    65536
oracle   soft   nproc    16384
oracle   hard   nproc    16384
oracle   soft   stack    10240
oracle   hard   stack    32768
oracle   hard   memlock    134217728
oracle   soft   memlock    134217728

修改信息

vim /etc/pam.d/login插入session required /lib/security/pam_limits.so
session required pam_limits.so

修改环境变量

vim /etc/profile插入if [ $USER = "oracle" ]; thenif [ $SHELL = "/bin/ksh" ]; thenulimit -p 16384ulimit -n 65536elseulimit -u 16384 -n 65536fi
fi
source /etc/profile

创建用户和组以及目录

groupadd oinstall
groupadd dba
groupadd oper
useradd -g oinstall -G dba,oper oracle
mkdir -p  /u01/app/oracle
mkdir -p  /u01/oraInventory
chown -R  oracle.oinstall  /u01
chown -R  oracle:oinstall  /u01/app/oracle
chmod -R  775  /u01/app/oracle
mkdir -p /u01/app/oracle/product/19c/db_1
chown -R oracle:oinstall /u01/app/oracle/product/
passwd oracle

设置oracle变量

su - oracle
vim .bash_profile插入export EDITOR=vi
export TMP=/tmp
export TMPDIR=$TMP
export ORACLE_SID=orcl
export ORACLE_BASE=/u01/app/oracle
export ORACLE_HOME=$ORACLE_BASE/product/19c/db_1
export INVENTORY_LOCATION=/u01/oraInventory
export TNS_ADMIN=$ORACLE_HOME/network/admin
export LD_LIBRARY_PATH=$ORACLE_HOME/lib
export NLS_LANG="AMERICAN_AMERICA.AL32UTF8"
export NLS_DATE_FORMAT="YYYY-MM-DD HH24:MI:SS"
export PATH=$ORACLE_HOME/bin:/bin:/usr/bin:/usr/sbin:/usr/local/bin:/usr/X11R6/bin:$PATH:$HOME/bin
umask 022
source .bash_profile

补一个文件

cp /root/.Xauthority /home/oracle/.Xauthority

开始安装

cd /u01/app/oracle/product/19c/db_1

在/u01/app/oracle/product/19c/db_1放入LINUX.X64_193000_db_home.zip包

unzip LINUX.X64_193000_db_home.zip

export DISPLAY=192.168.6.254:0.0

你真机连接你虚拟机网卡的ip 

./runInstaller

如果报错了就        export DISPLAY=localhost:10.0  再 ./runInstaller


 

 

 

 

 

复制这两句话到Linux中以root执行

 

 

 


监听配置 

netca

 一直下一步

又回到这里之后点击完成

 

lsnrctl status

查看状态

开启成功

sqlplus / as sysdba

 进入数据库


创建数据库

dbca

 创建数据库

 

 

 

 

 

 

 

 

 

 

 

搭建成功

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/266783.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

鸿蒙生态千帆起:从者众,行则远

“轻舟已过万重山”,鸿蒙的成长速度惊人,一定程度上打破了iOS和安卓二分天下的格局。短短四年时间,搭载华为鸿蒙系统的生态设备数已经突破7亿,开发者突破220万。据Counterpoint数据显示,华为HarmonyOS系统在中国的市场…

IoTDB JavaAPI

文章目录 使用样例Java使用样例 官方已经给出了相关使用Demo,下载地址为: https://github.com/apache/iotdb 直接拉取相对应版本的源码 使用样例 Java使用样例 代码位置 iotdb/example/session/src/main/java/org/apache/iotdb/SessionExample.java iotdb/exa…

HyperGCN笔记

1 Title HyperGCN: A New Method of Training Graph Convolutional Networks on Hypergraphs(Naganand Yadati、Prateek Yadav、Anand Louis、Madhav Nimishakavi、Vikram Nitin、Partha Talukdar)【NeurIPS 2019】 2 Conclision This paper proposes H…

爬虫解析——Xpath的安装及使用(五)

目录 一、Xpath插件的安装 二、安装 lxml 三、Xpath解析文件 1.解析本地文件 (1)导入本地文件 (2)解析本地文件 2.服务器文件解析 (1)获取网页源码 (2)解析服务器响应文件 …

SQL进阶 | 自连接

概述 SQL的自连接是指在一个SQL表中,使用自身表格中的实例进行联接并查询的操作。自连接通常使用别名来标识一个表格,在自连接中,表格被视为两个不同的表格,并分别用不同的别名来标识。然后,在WHERE子句中使用这些别名…

【c】数组元素移动

本题的难点之处就是不让你创建新的数组&#xff0c;而且移动的距离也没有给限制&#xff0c;比如有7个数&#xff0c;本题没有限制必须移动距离小于7&#xff0c;也可能移动的距离大于7&#xff0c;甚至更多&#xff0c;下面附上我的代码 #include<stdio.h>int main() {…

ERA5逐时、逐日、逐月气象数据的手动下载与Python代码批量下载方法

本文介绍在ERA5气象数据的官方网站中&#xff0c;手动下载、Python代码自动批量下载逐小时、逐日与逐月的ERA5气象数据各类产品的快捷方法。 ERA5&#xff08;fifth generation ECMWF atmospheric reanalysis of the global climate&#xff09;是由欧洲中期天气预报中心&#…

千帆竞渡,鸿蒙已过万重山

近期&#xff0c;华为宣布其自主研发的鸿蒙Next系统将不再兼容Android系统&#xff0c;而是完全独立运营。 也就是说&#xff0c;你的 Android APK 已经不能在 HarmonyOS NEXT 上运行&#xff0c;因为系统已经不存在 AOSP 代码&#xff0c;甚至没有 JVM。 此举意味着鸿蒙系统…

SSD在AI发展中的关键作用:从高速缓存到数据湖-1

随着人工智能技术的飞速发展&#xff0c;存储在其中发挥着至关重要的作用。特别是在AI训练过程中&#xff0c;存储SSD&#xff08;固态硬盘&#xff09;的高性能和可靠性对于提升训练效率和保证数据安全具有不可替代的作用。 存储SSD在AI发展中的作用和趋势&#xff0c;存储将…

css的介绍与实战(有实现案例)

目录 css的简单介绍 css的基础选择器 css的字体属性&#xff08;背下来&#xff09; css的文本属性&#xff08;背下来&#xff09; css的引入方式&#xff08;背下来&#xff09; 实战案例 css的简单介绍 HTML 的局限性 说起 HTML&#xff0c;这其实是个非常单纯的家伙…

mmyolo的bbox_loss和检测bbox都是空

最近用mmyolo训练自己的数据集的时候发现训练的时候loss_bbox0&#xff0c;测试和eval的时候结果也全是空的&#xff0c;排除了数据集读取的问题&#xff0c;最后发现是config中自定义了自己的类别但是没有传给dataset。。。 简而言之&#xff0c;在自定义了数据集里的metainf…

【语义分割数据集】——imagenet语义分割

地址&#xff1a;https://github.com/LUSSeg/ImageNet-S 1 例图 2. 类别和数量信息 疑问 根据原文的描述&#xff1a;Based on the ImageNet dataset, we propose the ImageNet-S dataset with 1.2 million training images and 50k high-quality semantic segmentation annot…