当前位置: 首页 > news >正文

第三十一章 配置镜像 - 删除镜像成员时删除镜像数据库属性

文章目录

  • 第三十一章 配置镜像 - 删除镜像成员时删除镜像数据库属性
  • 删除镜像成员时删除镜像数据库属性
  • 编辑或删除异步成员

第三十一章 配置镜像 - 删除镜像成员时删除镜像数据库属性

删除镜像成员时删除镜像数据库属性

当从镜像中删除成员时,始终可以选择从属于该镜像的镜像数据库中删除镜像属性。后果如下:

  • 如果保留镜像属性并稍后将 IRIS 实例恢复到镜像,数据库将自动添加到镜像,但必须先激活它们,然后才能赶上并同步(请参阅激活和赶上镜像数据库)。

但是,如果保留镜像属性,则除非先执行以下操作之一,否则无法删除该数据库:

将成员恢复到从中删除它的同一个镜像。 (如果该成员是主故障转移成员,这不是一个选项,因为镜像不再存在。)然后可以从镜像中删除一个或多个数据库(请参阅从镜像中删除镜像数据库)并在以下情况下删除它们你希望。

  • 使用 ^MIRROR 例程的删除一个或多个镜像数据库选项(请参阅使用 ^MIRROR 例程)从一个或多个数据库中删除镜像属性,然后根据需要删除它们。

  • 如果删除镜像属性,数据库将永久取消镜像并且可以像任何本地数据库一样使用;如果要在实例作为镜像成员重新加入后将它们返回到镜像,则必须使用首次将它们作为现有数据库添加到镜像的过程。

当从备份或异步成员上的镜像中删除单个数据库时,镜像数据库属性会自动删除。

编辑或删除异步成员

  1. 导航到“编辑异步配置”页面(系统管理 > 配置 > 镜像设置 > 编辑异步)。
  2. 使用 Remove Mirror Configuration 按钮从其镜像中删除 DR 异步或从其所属的所有镜像中删除报告异步,并完全删除实例的镜像配置。 (要从单个镜像中删除报告异步,请使用此过程后面描述的离开镜像链接。)

可以选择从成员的镜像数据库中删除镜像属性;有关此决定的信息,请参阅删除镜像成员时删除镜像数据库属性。

  1. 使用 Join a Mirror 按钮将报告异步成员添加到另一个镜像(最多可以属于 10 个);该过程与配置异步镜像成员中描述的将异步成员添加到其第一个镜像中的过程相同,除了成员名称和异步类型(只读或读写)不能更改。此按钮在 DR 异步成员上不可用;要加入另一个镜像,必须首先更改异步成员系统类型,如后面的步骤中所述。
  2. 如清除报告异步镜像成员上的 FailoverDB 标志中所述,可以使用清除 FailoverDB 标志按钮清除只读报告异步上所有镜像数据库上的 FailoverDB 标志,或者在从灾难恢复更改异步系统类型后( DR) 到读写或只读报告。
  3. 正在编辑的异步成员可以修改镜像成员信息部分的以下设置,除了镜像成员名称。更改一项或多项后,单击保存。
  • 镜像成员名称——异步成员加入第一个镜像时提供的名称;不能改变。
  • 异步成员系统类型 - 可以使用此下拉列表更改异步成员的类型。以下条件适用:
    • 如果从灾难恢复 (DR) 更改为读写报告,系统会提示清除所有镜像数据库的 FailoverDB 标志,如清除报告异步镜像成员上的 FailoverDB 标志中所述。
    • 当从读写报告更改为只读报告或相反时,将对报告异步成员所属的所有镜像进行更改。
    • 除非满足以下所有条件,否则不能从读写或只读报告更改为灾难恢复 (DR):
      • 如果正在使用日志加密,则异步使用与故障转移成员相同的日志加密密钥(请参阅在镜像中激活日志加密)。
      • FailoverDB 标志在所有镜像数据库上设置。 (一旦清除,此标志将无法重置。要解决此问题,您可以替换从另一个设置了 FailoverDB 的成员获取的数据库副本。)
      • 该成员不属于任何其他镜像。
      • ISCAgent 正在运行(请参阅启动和停止 ISCAgent)。

如果在异步上设置了 dejournaling 过滤器(请参阅在报告异步上使用 dejournal 过滤器),当您将异步成员系统类型更改为灾难恢复 (`DR) 时,它会被删除。

重要提示:在将报告异步转换为 DR 异步之前,请确保该成员准备好在发生需要提升它的灾难时成为故障转移成员(请参阅将 DR 异步成员提升为故障转移成员)。这包括确认以下内容:

  • 它具有所有镜像数据库。

  • 所有其他成员都能够连接到它(如镜像通信和示例镜像体系结构和网络配置中所述)。

  • 它具有作为主服务器运行所需的资源。

  • 镜像日志文件保留(仅报告异步)——镜像日志文件是在取消日志后立即清除还是根据实例的本地清除策略清除。此设置仅适用于报告异步。有关如何清除镜像日志文件的信息,请参阅数据完整性指南的“日志记录”一章中的清除镜像日志文件。

  • SSL/TLS 配置 - 如果需要 TLS(请参阅使用 TLS 安全保护镜像通信),将显示 X.509 可分辨名称 (DN) 以及验证 SSL 按钮,它允许验证所有当前镜像成员的 TLS 证书可以通过正在编辑的异步联系。如果任何证书无效,将显示一条信息性消息。 (也可以使用 ^Mirror 例程验证证书。)

如果镜像不使用 TLS,则 SSL/TLS 链接可用,如果打算将其添加到镜像,则允许配置 TLS(请参阅编辑或删除故障转移成员)。

注意:SYS.Mirror.UpdateMirrorSSL() mirroring API 方法和 ^SECURITY 例程也可用于更新镜像成员的 TLS 设置。

  1. 此异步成员所属的镜像列表显示了该实例作为异步成员所属的所有镜像。每个条目提供三个更改链接。
  • 镜像名称 - 单击“名称”列中显示的镜像名称以打开“编辑镜像”对话框,显示镜像所有成员的实例目录和网络地址(请参阅镜像成员网络地址)。

如果异步当前连接到镜像,则不能更改任何显示的网络信息,除了异步的超级服务器端口;如果异步成员断开连接并且主成员的网络信息已更改,可以在此处更新主成员的信息,以便异步成员可以在需要时重新连接。有关更新镜像成员网络地址的重要信息,请参阅更新镜像成员网络地址。

  • Leave Mirror — 从您单击链接的镜像中删除异步成员,并且仅从该镜像中删除。 (在 DR 异步的情况下,这将是它所属的唯一镜像。)

可以选择从异步成员的镜像数据库中删除镜像属性;有关此决定的信息,请参阅保留或删除镜像数据库属性。

注意:^MIRROR 例程的镜像配置菜单上的从镜像中删除此成员选项(请参阅使用 ^MIRROR 例程)和 SYS.Mirror.RemoveOneMirrorSet() API 调用提供了用于删除镜像的替代选项来自镜像的异步成员。还可以使用故障转移成员上“编辑镜像”页面上的“删除其他镜像成员”按钮从镜像中删除异步成员。

在任何异步成员上,可以暂时停止镜像(对于单个镜像,如果报告异步属于多个成员);有关详细信息,请参阅停止备份和异步成员上的镜像。

  • 编辑 Dejournal 过滤器(仅报告异步)——让设置或删除异步上的 dejournal 过滤器;有关详细信息,请参阅在报告异步上使用延迟过滤器。
  1. 镜像数据库列表显示了异步成员上的所有镜像数据库。如果实例是 DR 异步成员,则这些应该包括镜像故障转移成员上的所有镜像数据库,并且应该在每个成员上设置 FailoverDB 标志。
  2. 在使用 TLS 的镜像中,选择 Authorize Pending DN Updates(如果出现)以授权来自主服务器的待处理 DN 更新,以便异步可以继续与主服务器通信。有关授权 DN 更新的信息,请参阅授权 X.509 DN 更新(仅限 TLS)。

相关文章:

第三十一章 配置镜像 - 删除镜像成员时删除镜像数据库属性

文章目录第三十一章 配置镜像 - 删除镜像成员时删除镜像数据库属性删除镜像成员时删除镜像数据库属性编辑或删除异步成员第三十一章 配置镜像 - 删除镜像成员时删除镜像数据库属性 删除镜像成员时删除镜像数据库属性 当从镜像中删除成员时,始终可以选择从属于该镜…...

自动写作ai-自动写作神器

自动生成文章 自动生成文章是指使用自然语言处理和人工智能技术,通过算法来自动生成文章的过程。一些自动生成文章的工具可以使用大量数据,学习数据背后的语言规范和知识结构,从而生成高质量和有用的文章。这种技术能够减少写作时间和人力成…...

P1368 【模板】最小表示法(SAM 求最小循环移位)

【模板】最小表示法 题目描述 小敏和小燕是一对好朋友。 他们正在玩一种神奇的游戏,叫 Minecraft。 他们现在要做一个由方块构成的长条工艺品。但是方块现在是乱的,而且由于机器的要求,他们只能做到把这个工艺品最左边的方块放到最右边。…...

投票感知器参数学习算法

投票感知器参数学习算法 以下为投票感知器参数学习算法的伪代码: 输入:训练集 (x1,y1),(x2,y2),...,(xn,yn)(x_1, y_1), (x_2, y_2), ..., (x_n, y_n)(x1​,y1​),(x2​,y2​),...,(xn​,yn​),学习率 η\etaη,最大迭代次数 TTT…...

Hyper-v下安装CentOS-Stream-9

1、我不想要动态扩展的硬盘,固定大小硬盘性能更高,所以这里我先创建一个固定硬盘(如果你想用动态扩展的硬盘,那么可以省略前面几步,直接从第7步开始,并在第12步选择创建可动态扩展的虚拟硬盘)&a…...

数据结构之顺序表,实现顺序表的增删改查

目录 一、顺序表的概念 二、顺序表的分类 1.静态顺序表 2.动态顺序表 3.顺序表的增删改查 总结 一、顺序表的概念 顺序表是一段物理地址连续的村塾单元依次存储数据元素的线性结构,一般情况下使用数组存储,在数组上完成数据的增删改查。 二、顺…...

HTB-Jeeves

HTB-Jeeves信息收集80端口50000端口![在这里插入图片描述](https://img-blog.csdnimg.cn/5824bf345bc040ee9e449bebeade9495.png)开机kohsuke -> Administrator信息收集 80端口 ask jeeves是一款以回答用户问题提问的自然语言引擎,面对问题首先查看数据库里是否…...

大力出奇迹——GPT系列论文学习(GPT,GPT2,GPT3,InstructGPT)

目录说在前面1.GPT1.1 引言1.2 训练范式1.2.1 无监督预训练1.2.2 有监督微调1.3 实验2. GPT22.1 引言2.2 模型结构2.3 训练范式2.4 实验3.GPT33.1引言3.2 模型结构3.3 训练范式3.4 实验3.4.1数据集3.5 局限性4. InstructGPT4.1 引言4.2 方法4.2.1 数据收集4.2.2 各部分模型4.3 …...

Linux ubuntu更新meson版本

问题描述 在对项目源码用meson进行编译时,可能出现以下错误 meson.build:1:0: ERROR: Meson version is 0.45.1 but project requires > 0.58.0. 或者 meson_options.txt:1:0: ERROR: Unknown type feature. 等等,原因是meson版本跟设置的不适配。 …...

匹配yyyy-MM-dd日期格式的正则表达式

^\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])$ 解释: ^:匹配行的开头 \d{4}:匹配四个数字,表示年份 -:匹配一个横杠 (0[1-9]|1[0-2]):匹配01到12的月份,0开头的要匹配两位数字,1开…...

【失业预告】生成式人工智能 (GAI)AIGC

文章目录AIGCGAIAGI应用1. 计算机领域2. 金融领域3. 电商领域4. C端娱乐5. 游戏领域6. 教育领域7. 工业领域8. 医疗领域9. 法律领域10. 农业/食品领域11. 艺术/设计领域来源AIGC AIGC,全称为Artificial Intelligence Generated Content,是一种新型的人工…...

TensorFlow 2.0 的新增功能:第一、二部分

原文:What’s New in TensorFlow 2.0 协议:CC BY-NC-SA 4.0 译者:飞龙 本文来自【ApacheCN 深度学习 译文集】,采用译后编辑(MTPE)流程来尽可能提升效率。 不要担心自己的形象,只关心如何实现目…...

Spring Boot配置文件详解

前言 Spring Boot 官方提供了两种常用的配置文件格式,分别是properties、YML格式。相比于properties来说,YML更加年轻,层级也是更加分明。 1. properties格式简介 常见的一种配置文件格式,Spring中也是用这种格式,语…...

实习面试题整理1

1、进行一下自我介绍 2、介绍一下你简历里的两个项目 3、说说vue的生命周期(具体作用) 4、说说你对vue单页面和多页面应用的理解 5、说说vue里自带的数组方法(七种,往响应式数据上靠) 6、说说vue双向数据绑定&…...

最新阿里、腾讯、华为、字节等大厂的薪资和职级对比,看看你差了多少...

互联网大厂新入职员工各职级薪资对应表(技术线)~ 最新阿里、腾讯、华为、字节跳动等大厂的薪资和职级对比 上面的表格不排除有很极端的收入情况,但至少能囊括一部分同职级的收入。这个表是“技术线”新入职员工的职级和薪资情况,非技术线(如产品、运营、…...

OpenCV——常用函数

cv::circle(overlay, pt, 2, cv::Scalar(0,green,red),-1); 使用OpenCV库中的circle()函数在图像上绘制圆形的代码。 具体来说,它的参数如下: - overlay:图像,在该图像上绘制圆形; - pt:圆心位置的cv:…...

超详细从入门到精通,pytest自动化测试框架实战-fixture多样玩法(九)

目录:导读前言一、Python编程入门到精通二、接口自动化项目实战三、Web自动化项目实战四、App自动化项目实战五、一线大厂简历六、测试开发DevOps体系七、常用自动化测试工具八、JMeter性能测试九、总结(尾部小惊喜)前言 在编写测试用例&…...

OJ练习第70题——困于环中的机器人

困于环中的机器人 力扣链接:1041. 困于环中的机器人 题目描述 在无限的平面上,机器人最初位于 (0, 0) 处,面朝北方。注意: 北方向 是y轴的正方向。 南方向 是y轴的负方向。 东方向 是x轴的正方向。 西方向 是x轴的负方向。 机器人可以接受…...

运行时内存数据区之虚拟机栈——局部变量表

这篇内容十分重要,文字也很多,仔细阅读后,你必定有所收获! 基本内容 与程序计数器一样,Java虚拟机栈(Java Virtual Machine Stack)也是线程私有的,它的生命周期与线程相同。虚拟机栈描述的是Java方法执行的线程内存模型&#xf…...

Java中常用算法及示例-分治、迭代、递归、递推、动态规划、回溯、穷举、贪心

场景 1、分治算法的基本思想是将一个计算复杂的问题分成规模较小、计算简单的小问题求解, 然后综合各个小问题,得到最终答案。 2、穷举(又称枚举)算法的基本思想是从所有可能的情况中搜索正确的答案。 3、迭代法(Iterative Method) 无法使用公式一次…...

[特殊字符] 智能合约中的数据是如何在区块链中保持一致的?

🧠 智能合约中的数据是如何在区块链中保持一致的? 为什么所有区块链节点都能得出相同结果?合约调用这么复杂,状态真能保持一致吗?本篇带你从底层视角理解“状态一致性”的真相。 一、智能合约的数据存储在哪里&#xf…...

Lombok 的 @Data 注解失效,未生成 getter/setter 方法引发的HTTP 406 错误

HTTP 状态码 406 (Not Acceptable) 和 500 (Internal Server Error) 是两类完全不同的错误,它们的含义、原因和解决方法都有显著区别。以下是详细对比: 1. HTTP 406 (Not Acceptable) 含义: 客户端请求的内容类型与服务器支持的内容类型不匹…...

基于距离变化能量开销动态调整的WSN低功耗拓扑控制开销算法matlab仿真

目录 1.程序功能描述 2.测试软件版本以及运行结果展示 3.核心程序 4.算法仿真参数 5.算法理论概述 6.参考文献 7.完整程序 1.程序功能描述 通过动态调整节点通信的能量开销,平衡网络负载,延长WSN生命周期。具体通过建立基于距离的能量消耗模型&am…...

简易版抽奖活动的设计技术方案

1.前言 本技术方案旨在设计一套完整且可靠的抽奖活动逻辑,确保抽奖活动能够公平、公正、公开地进行,同时满足高并发访问、数据安全存储与高效处理等需求,为用户提供流畅的抽奖体验,助力业务顺利开展。本方案将涵盖抽奖活动的整体架构设计、核心流程逻辑、关键功能实现以及…...

8k长序列建模,蛋白质语言模型Prot42仅利用目标蛋白序列即可生成高亲和力结合剂

蛋白质结合剂(如抗体、抑制肽)在疾病诊断、成像分析及靶向药物递送等关键场景中发挥着不可替代的作用。传统上,高特异性蛋白质结合剂的开发高度依赖噬菌体展示、定向进化等实验技术,但这类方法普遍面临资源消耗巨大、研发周期冗长…...

python/java环境配置

环境变量放一起 python: 1.首先下载Python Python下载地址:Download Python | Python.org downloads ---windows -- 64 2.安装Python 下面两个,然后自定义,全选 可以把前4个选上 3.环境配置 1)搜高级系统设置 2…...

聊聊 Pulsar:Producer 源码解析

一、前言 Apache Pulsar 是一个企业级的开源分布式消息传递平台,以其高性能、可扩展性和存储计算分离架构在消息队列和流处理领域独树一帜。在 Pulsar 的核心架构中,Producer(生产者) 是连接客户端应用与消息队列的第一步。生产者…...

Neo4j 集群管理:原理、技术与最佳实践深度解析

Neo4j 的集群技术是其企业级高可用性、可扩展性和容错能力的核心。通过深入分析官方文档,本文将系统阐述其集群管理的核心原理、关键技术、实用技巧和行业最佳实践。 Neo4j 的 Causal Clustering 架构提供了一个强大而灵活的基石,用于构建高可用、可扩展且一致的图数据库服务…...

unix/linux,sudo,其发展历程详细时间线、由来、历史背景

sudo 的诞生和演化,本身就是一部 Unix/Linux 系统管理哲学变迁的微缩史。来,让我们拨开时间的迷雾,一同探寻 sudo 那波澜壮阔(也颇为实用主义)的发展历程。 历史背景:su的时代与困境 ( 20 世纪 70 年代 - 80 年代初) 在 sudo 出现之前,Unix 系统管理员和需要特权操作的…...

大模型多显卡多服务器并行计算方法与实践指南

一、分布式训练概述 大规模语言模型的训练通常需要分布式计算技术,以解决单机资源不足的问题。分布式训练主要分为两种模式: 数据并行:将数据分片到不同设备,每个设备拥有完整的模型副本 模型并行:将模型分割到不同设备,每个设备处理部分模型计算 现代大模型训练通常结合…...