zoukankan      html  css  js  c++  java
  • 使用rman恢复数据小结

    恢复前提有数据备份

    以 alter database open resetlogs 开机以后多要做一次全备(以前的备份失效了)

    恢复参数文件:
      restore spfile from '/home/oracle/bak/PROD4_25s8i1dp_1_1.spfile';

    恢复控制文件:
      rman>restore controlfile from '/home/oracle/bak/ctl_PROD4_20170705_68_1';

      rman>alter database mount;

    恢复数据文件:

      rman> alter database open;   #报错
      rman>list failure; #查看错误
      rman>advise failure; #恢复建议
      rman>repair failure; #恢复-- yes

    恢复一个普通表空间:

      SQL> alter tablespace users offline;
      RMAN> restore tablespace users; #如果不行,关机 然后开启到mount状态
      SQL>shutdown abort mount;
      RMAN> restore tablespace users;
      RMAN> recover database;
      SQL> alter database open;

      SQL> alter tablespace users online;

    恢复所有.dbf 数据文件:

      SQL>shutdown abort
      RMAN> startup
      RMAN> restore database;
      RMAN> recover dastabase;
      alter database open;

    恢复控制文件:

      shutdown abort

      RMAN>startup #nomount
      恢复控制文件:
        RMAN>restore controfile from '/home/oracle/bak/ctlxxx';
        alter database mount;
        RMAN>recover database
        alter database open resetlog;

    当前redo文件损坏

    恢复:

      shutdown abort

      rman>startup #

      删除 控制文件,恢复:
        rm *.ctl
        SQL>shutdown abort
        rman> startup
        rman>restore controlfile from '/xxx/xx';
        alter database mount;

        recover database; #xxxx
        recover database until scn xxxx;
          #alter database recover if needed start until change xxx using backup controlfile;

                 #这些步骤多是垂死挣扎了,多没有用(直接删除控制文件,删除数据文件,然后全库恢复)

      删除 数据文件,恢复:

        rm -rf *.dbf

        RMAN> restore database;
        RMAN> recover database; #报错 (但是数据文件,控制文件是一致)
        rman>recover database until scn xxx;
        alter database open resetlog;

       #当前redo 损坏 ,必然丢数据的。

      

      

  • 相关阅读:
    恶意代码检测--已看梳理
    tips
    十大排序
    python使用记录
    Matlab用figure;subplot后合并子图
    利用python的docx模块处理word和WPS的docx格式文件
    论文笔记(FCN网络,语义分割):Fully Convolutional Networks for Semantic Segmentation
    论文笔记:SoundNet: Learning Sound Representations from Unlabeled Video
    Winner-Take-All Autoencoders ( 赢者通吃自编码器)
    机器学习优化过程中的各种梯度下降方法(SGD,AdaGrad,RMSprop,AdaDelta,Adam,Momentum,Nesterov)
  • 原文地址:https://www.cnblogs.com/fanxuanhui-linux/p/7123983.html
Copyright © 2011-2022 走看看