`

oracle中的数据库、用户、方案、表空间、表对象之间的关系

阅读更多
最近在学习oracle,给我的第一个感觉就是甲骨文的体系太庞大了(因为我之前一直使用的是mysql,轻量级的数据库)。而开始遇到的最纠结的问题,就是怎么理清oracle中数据库、用户、方案、表空间、表对象之间的关系,如果这个问题搞不清楚,接下来的学习也就会雨里雾里了。所以,下定决心一定把它研究清楚,便开始了搜索各种资料的旅程。

1.首先,我们先看看oracle和sqlserver的一些区别吧。oracle中的一个数据库就是一个实例,而在sqlserver中,在一个实例下面可以建多个数据库。从用户方面来看,oracle的一个用户就是一个Schema(方案,虽然这么说不太准确,但是易于理解,后面我会详细说明这个问题),所有的表都属于不同的用户,一个用户要访问另一个用户的表,需要有授权,而在sqlserver中,表是在数据库中创建的,它并不属于某个用户。oracle的结构是===实例->用户->表,表是属于某个用户的(但是访问时实际上用的是schema进行索引表的)所以在oracle下 建表空间,建用户,设置用户的默认表空间,在用户下建表;而在sqlserver下,结构是===实例->库->表,用户与库、表 独立,sqlserver下是建库,在库下建表,建用户,设置用户访问库的权限。《也可以这么理解,oracle中有数据库,但是不同于sqlserver,oracle的一个实例只有一个数据库,数据库系统的基本信息也保存在这个数据库中,不像sqlserver保存在单独的master数据库中》

2.现在我们再看看表空间和方案之间的关系吧。其实它们之间的关系就是没有关系,在一个instance下可以有多个用户,每个用户只能有一个schema。很多人包括我一直在想的问题就是既然schema是用来存放table object的,而表空间也是存放table object,它们之间是不是存在着某种关系呢,但是结果就是没有关系。在数据库创建一个用户后,并给以这个用户创建表或者其他对象的权限,这时还没有模式存在。只有当这个用户利用这些权限创建了属于自己的第一个对象时,oracle为这个用户创建一个schema,来容纳这个对象以及以后创建的对象。同一个schema的objects可以存储在不同的tablespace(表空间)中,同样,tablespace也可以存储不同schema的objects。schema就是一个用户和它下面的所有对象,而表空间逻辑上用来放objects,物理上对应磁盘上的数据文件或者裸设备。

3.再看方案和用户之间的关系吧。从定义中,我们可以看出方案为数据库对象的集合,为了区分各个集合,我们需要给这个集合起个名字,这些名字也就是我们在企业管理器的方案下看到的许多类似用户名的节点,这些类似用户名的节点其实就是一个schema,schema里面包含了各种对象如tables,views,sequences,stored procedures,synonyms,indexes,clusters,and database links。一个用户一般对应一个schema,该用户的schema名等于用户名,并作为该用户缺省的schema,这就是我们在企业管理器的方案下看到的schema名都是数据库用户名的原因。oracle数据库中不能新创建一个schema,要想创建一个schema,只能通过创建一个用户的方法解决(oracle中的create schema语句不是用来创建schema的)。schema的个数通user的个数相同,而且schema名字和user名字一一对应并且相同,所以我们称schema为user的别名,虽然不准确,但是容易理解。在授权情况下,一个用户可以使用其他的schema,一个用户只有一个缺省的schema。如果我们访问一个表时,没有指明该表属于哪一个schema中的,系统就会自动给我们在表上加上缺省的sheman名。比如我们在访问数据库时,访问scott用户下的emp表,通过select * from emp; 其实,这sql语句的完整写法为select * from scott.emp。在数据库中一个对象的完整名称为schema.object,而不属user.object。类似如果我们在创建对象时不指定该对象的schema,在该对象的schema为用户的缺省schema。这就像一个用户有一个缺省的表空间,但是该用户还可以使用其他的表空间,如果我们在创建对象时不指定表空间,则对象存储在缺省表空间中,要想让对象存储在其他表空间中,我们需要在创建对象时指定该对象的表空间。

oracle中的schema就是指一个用户下所有对象的集合,schema本身不能理解成一个对象,oracle并没有提供创建schema的语法,schema也并不是在创建user时就创建,而是在该用户下创建第一个对象之后schema也随之产生,只要user下存在对象,schema就一定存在,user下如果不存在对象,schema也不存在;这一点类似于temp tablespace group,另外也可以通过oem来观察,如果创建一个新用户,该用户下如果没有对象则schema不存在,如果创建一个对象则和用户同名的schema也随之产生。
下面是一些例子

SQL> Gruant dba to scott
SQL> create table test(name char(10));
Table created.
SQL> create table system.test(name char(10));
Table created.
SQL> insert into test values('scott');
1 row created.
SQL> insert into system.test values('system');
1 row created.
SQL> commit;
Commit complete.
SQL> conn system/manager
Connected.
SQL> select * from test;
NAME
----------
system
SQL> ALTER SESSION SET CURRENT_SCHEMA = scott; --改变用户缺省schema名
Session altered.
SQL> select * from test;
NAME
----------
scott
SQL> select owner ,table_name from dba_tables where table_name=upper('test');
OWNER TABLE_NAME
------------------------------ ------------------------------
SCOTT TEST
SYSTEM TEST
最后,让我们再来总结一下:
数据库是一个大圈,里面圈的是表空间,表空间里面是数据文件,schema是一个逻辑概念,是一个集合,但schema不是一个对象,oracle也并没有提供创建schema的语法。表空间也是个逻辑概念,本质上是一个或者多个数据文件的集合。数据文件是一个物理概念,是具体存储数据的物理文件。一个数据文件只能属于一个表空间,一个表空间可以包含一个或多个数据文件,一个数据库由多个表空间组成,但是一个表空间只能属于一个数据库。
下面有个很形象的比喻,是从网上摘的,不妨一看:
我们可以把database看做是一个大仓库,仓库分了很多很多的房间,schema就是其中的房间,一个schema代表一个房间,table可以看做是每个schema中的床,table被放入每个房间中,不能放置在房间之外,那岂不是晚上睡觉无家可归了,然后床上可以放置很多物品,就好比table上可以放置很多列和行一样,数据库中存储数据的基本单元是table,显示中每个仓库放置物品的基本单位就是床,user就是每个schema的主人,(所以schema包含的是object,而不是user),user和schema是一一对应的,每个user在没有特别指定下只能使用自己schema的东西,如果一个user想使用其他schema的东西,爱就要看哪个schema的user有没有给你这个权限了,或者看这个仓库的老大(DBA)有没有给你这个权限了。换句话说,如果你是某个仓库的主人,那么这个仓库的使用权和仓库中的所有东西都是你的,你有完全的操作权,可以扔掉不用东西从每个房间,也可以防止一些有用的东西到某个房间,你还可以给每个user分配具体的权限,也就是他到某一个房间能做些什么,是只能看(read-only),还是可以像主人一样有所有控制权(R/W),这个就要看这个user所对应的角色Role了。
分享到:
评论

相关推荐

    COMSOL焊接热源模型详解:双椭球、高斯旋转体与柱状体热源的应用与优化

    内容概要:本文详细介绍了COMSOL软件中三种常用的焊接热源模型:双椭球热源、高斯旋转体热源和柱状体热源。双椭球热源适用于电弧焊,通过将热源分为前后两个半椭球,能够更好地模拟熔池的温度梯度变化;高斯旋转体热源适合激光焊,采用旋转对称的高斯函数描述热流密度分布;柱状体热源则用于电阻焊等均匀加热场景,尽管物理上不够精确,但计算速度快。文中还提供了具体的MATLAB代码实现,并分享了参数调试的经验和注意事项。 适合人群:从事焊接仿真研究的技术人员、研究生以及相关领域的研究人员。 使用场景及目标:帮助用户选择合适的热源模型进行焊接仿真,确保仿真结果的准确性。同时,提供实用的参数调试技巧,避免常见错误,提高仿真的效率和可靠性。 其他说明:强调了不同热源模型的特点及其适用场景,提醒用户根据实际情况灵活调整参数,并结合实验数据进行验证。

    带你去认识RFID技术

    带你去认识RFID技术

    开关磁阻电机(SRM)的Matlab与Maxwell仿真建模及控制策略研究

    内容概要:本文深入探讨了开关磁阻电机(SRM)的仿真方法和技术细节,涵盖了从Matlab仿真模型搭建到Maxwell有限元仿真的全过程。首先介绍了SRM的基本参数设置及其在Simulink中的电磁关系建模,接着详细讲解了两种常见的控制策略:电流斩波控制(CCC)和角度位置控制(APC)。随后讨论了Maxwell中SRM几何结构的精确建模、材料属性设置及网格划分技巧,并阐述了转矩分配函数(TSF)和直接转矩控制(DTC)的具体实现。最后分享了一些实用的仿真优化建议,如响应面法和遗传算法的应用。 适合人群:从事电机控制系统设计的研发工程师、高校师生及相关领域的研究人员。 使用场景及目标:适用于希望深入了解SRM工作原理并掌握其仿真技能的专业人士;旨在帮助读者构建高效的SRM仿真平台,提高电机性能,降低开发成本。 其他说明:文中提供了大量MATLAB代码片段和Maxwell建模指导,便于读者理解和实践。此外,还提到了许多实际操作中的注意事项和常见错误,有助于避免不必要的弯路。

    Windows 10 Enterprise G 麦克风摄像头开关工具

    一键打开或关闭Windows 10 Enterprise G 麦克风或摄像头

    LightCNN-29Layer预训练模型

    https://github.com/AlfredXiangWu/LightCNN 预训练模型

    电-气-热综合能源系统节点能价计算方法及其碳排放成本优化

    内容概要:本文深入探讨了电-气-热综合能源系统的节点能价计算方法,重点介绍了如何将碳排放成本纳入系统优化中。作者通过复现论文中的模型,展示了电、气、热潮流的耦合实现,并提出了以综合能源系统总运行成本和碳排放成本最小为目标函数的优化调度模型。文中详细解释了模型的关键组成部分,如目标函数的设计、多能流优化以及节点能价的计算方法。通过多个实例验证,证明了该模型的有效性和通用性。 适合人群:对综合能源系统建模感兴趣的科研人员和技术开发者,尤其是希望深入了解电-气-热耦合系统及碳排放成本优化的人群。 使用场景及目标:适用于需要进行综合能源系统优化的研究和工程项目,旨在降低碳排放并优化能源系统的总成本。具体应用场景包括但不限于电力系统、天然气系统和热力系统的联合优化调度。 其他说明:文章不仅提供了详细的代码实现和模型解析,还讨论了模型的实际应用效果和潜在改进方向。通过具体的案例分析,展示了模型在不同规模和类型的能源系统中的表现,为后续研究提供了宝贵的参考。

    前端分析-2023071100789s+12

    前端分析-2023071100789s+12

    基于MATLAB的CNN-LSTM结合SE注意力机制的时序数据分析与分类

    内容概要:本文详细介绍了如何在MATLAB环境中构建一个结合卷积神经网络(CNN)、长短时记忆网络(LSTM)以及SE注意力机制的混合模型用于时序数据分类。首先进行数据预处理,确保输入数据符合模型要求。接着,通过CNN提取空间特征,再由SE模块评估特征的重要性,最后交给LSTM处理时间序列信息。文中提供了完整的代码实现步骤,并针对可能出现的问题给出了优化建议。实验结果显示,在EEG信号分类和其他工业应用场景中,该模型相较于传统方法能够提高分类精度。 适合人群:有一定机器学习基础并对深度学习感兴趣的科研工作者和技术开发者。 使用场景及目标:适用于需要处理带有时间和空间相关性的多维时序数据的任务,如医疗健康监测、金融趋势预测、机械故障预警等领域。目的是为了获得更高的分类准确性,同时增强模型的可解释性和鲁棒性。 其他说明:作者强调了在实际应用过程中应注意的一些细节,例如正确设置输入数据的维度、选择合适的超参数(如学习率、批大小)、以及考虑是否添加正则化项来避免过拟合等问题。此外,还提到了一些实用的小贴士,像使用动态学习率调度器加快收敛速度等。

    基于Matlab/Simulink的风电调频与风储联合频域模型仿真及应用

    内容概要:本文介绍了利用Matlab/Simulink进行风电调频与风储联合仿真的方法。针对传统时域仿真耗时的问题,提出了一种基于频域模型的方法,实现了快速高效的仿真。文中详细描述了虚拟惯性控制和储能下垂控制的具体实现方式及其对系统频率稳定性的影响。通过频域模型,将复杂的微分方程转化为简单的矩阵运算,显著提高了仿真速度。同时,加入了SOC(荷电状态)管理和滑动平均滤波,确保了储能系统的安全可靠运行。实验结果显示,在相同的硬件条件下,频域模型的仿真速度比传统时域模型快了近十倍,且频率偏差明显减小。 适合人群:从事电力系统仿真、风电调频研究的专业人士和技术爱好者。 使用场景及目标:适用于需要快速验证风电调频控制策略的研究人员和工程师。主要目标是在保证仿真精度的同时大幅提高仿真速度,为风电并网提供技术支持。 其他说明:本文提供的模型专注于调频性能分析,不涉及风机内部动态细节。对于更详细的风机模型,作者提供了进一步的参考资料。

    【人工智能领域】小模型性能直追千亿大模型:AI行业轻量化时代的发展趋势与应用前景分析

    内容概要:本文探讨了小模型在AI行业中逐渐展现出与大模型相媲美性能的现象,分析了大模型和小模型各自的优劣势。大模型虽然在准确性、通用性上有优势,但也面临高成本、低效性、隐私保护等问题;小模型则以高效性、低成本、强隐私保护和高可解释性等优点崭露头角。文中列举了微软Phi-3系列、Google Gemma、Anthropic Claude 3 Haiku和Meta Llama 3等小模型的成功案例,展示了小模型在不同领域的应用潜力。随着技术进步、应用需求增长及政策推动,AI行业正逐步向轻量化转型,但仍需面对性能瓶颈、数据获取等挑战。文章最后展望了小模型与大模型结合的发展趋势,并强调了AI技术发展中伦理和法律问题的重要性。; 适合人群:对AI技术发展趋势感兴趣的从业者、研究人员、企业决策者以及相关领域的学生。; 使用场景及目标:①了解AI行业中大模型与小模型的特点和发展现状;②掌握小模型在各个领域的具体应用场景及其优势;③思考AI技术轻量化转型对企业和社会的影响。; 其他说明:文章指出AI行业的轻量化时代已经悄然来临,小模型凭借其独特的优势将在更多领域发挥作用。同时提醒读者关注AI技术发展中的伦理和法律问题,鼓励大家积极参与到这一变革中来。

    西门子S7-1200 PLC物料分拣系统仿真实现与WinCC动画集成

    内容概要:本文详细介绍了基于西门子S7-1200 PLC的物料分拣系统的设计与仿真。系统采用三个光电传感器进行物料检测和颜色识别,两个推料气缸用于分拣,以及一个传送带电机驱动物料传输。核心逻辑由梯形图和SCL语言编写,涵盖初始化、传感器处理、气缸动作控制和WinCC动画同步等功能。文中强调了急停连锁、颜色传感器信号保持时间和气缸动作延迟等关键细节,并提供了详细的代码片段和调试建议。此外,还介绍了WinCC动画的实现方法,确保仿真效果逼真。 适合人群:初学者和有一定经验的PLC程序员,尤其是希望深入了解PLC控制系统设计和仿真的技术人员。 使用场景及目标:①帮助读者掌握PLC编程的基本技能,特别是S7-1200系列PLC的应用;②提供完整的物料分拣系统仿真案例,便于理解和实践;③通过WinCC动画展示,增强对工业自动化系统的直观认识。 其他说明:本文提供的程序包可在GitHub上获取,建议使用TIA Portal V17打开。仿真过程中应注意变量绑定和时间参数的调整,以确保系统稳定性和动画同步。

    基于邻域粗糙集、引力搜索算法和支持向量机的DGA变压器故障诊断技术研究

    内容概要:本文详细介绍了基于邻域粗糙集(NRS)、引力搜索算法(GSA)和支持向量机(SVM)的变压器故障诊断方法。首先,邻域粗糙集用于特征约简,减少数据维度并提高后续算法的效率。其次,引力搜索算法用于优化SVM的参数,找到最优的惩罚因子C和核函数参数gamma。最后,使用优化后的SVM对变压器故障进行分类诊断。这种方法显著提升了变压器故障诊断的准确性和效率,为电力系统的稳定运行提供了有力保障。 适合人群:从事电力系统维护、数据分析以及机器学习领域的研究人员和技术人员。 使用场景及目标:适用于需要高精度变压器故障诊断的电力系统,旨在提高故障检测的准确性,减少误报率,确保电力系统的安全稳定运行。 其他说明:文中提供了具体的Python代码示例,帮助读者更好地理解和应用这些技术。同时强调了特征工程和参数优化的重要性,指出不同的数据分布可能需要调整相关参数以获得最佳效果。

    MATLAB 2019b中双馈风机MPPT、变速恒频及稳压控制的仿真与优化

    内容概要:本文详细介绍了使用MATLAB 2019b进行双馈风机的最大功率追踪(MPPT)、变速恒频以及直流母线稳压控制仿真的方法和技巧。首先,文章展示了双馈电机通过背靠背变流器连接电网的整体模型架构,分别阐述了转子侧和网侧变流器的功能及其核心控制算法。对于MPPT部分,采用了经典爬山法,并讨论了功率变化方向判断周期和步长参数的影响。接着,深入探讨了变速恒频控制中转子侧变流器的作用,强调了PI参数的选择和解耦补偿的重要性。最后,针对直流母线稳压控制,提出了梯形积分法和前馈补偿的应用,确保电压波动最小化。此外,文中还提供了多个调试技巧和注意事项,如仿真步长、PWM生成、锁相环参数调整等。 适合人群:从事风电领域研究的技术人员、研究生及以上学历的学生,尤其是那些希望深入了解双馈风机控制原理和MATLAB仿真应用的人群。 使用场景及目标:适用于风电系统的开发与优化项目,旨在提高双馈风机的效率和稳定性。具体目标包括实现高效的MPPT算法、稳定的变速恒频控制以及可靠的直流母线稳压机制。 其他说明:文中不仅包含了详细的数学公式和代码片段,还有丰富的实践经验分享,帮助读者更好地理解和解决实际工程中的问题。同时,作者提醒了一些常见的仿真错误,如变流器开关频率设置不当、PWM模块配置失误等,有助于初学者避免类似的问题。

    基于Matlab/Simulink的300kW直驱永磁同步电机风电并网仿真模型构建与优化

    内容概要:本文详细介绍了如何使用Matlab/Simulink构建300kW直驱永磁同步电机的风电并网仿真模型。首先,文章讲解了永磁同步电机的关键参数配置,如定子电阻、d轴和q轴电感、磁链强度以及极对数等。接着,深入探讨了逆变器控制部分的设计,包括锁相环(PLL)的参数设置、双闭环控制结构中的电流环PI参数调整方法。此外,还讨论了并网瞬间的波形处理技巧,如软启动逻辑和直流母线电压的平稳爬升。文中提供了多个调试秘诀,如直流母线电容的选择、坐标变换模块的正确使用等。最后,强调了仿真过程中需要重点关注的三个信号:发电机转矩脉动、网侧电流谐波含量和直流母线电压纹波。 适合人群:具有一定电力电子和控制系统基础知识的研究人员、工程师和技术爱好者。 使用场景及目标:适用于希望深入了解风电并网系统的原理和实现方式的技术人员。通过构建和优化仿真模型,可以更好地掌握永磁同步电机的工作机制及其在风电领域的应用。 阅读建议:读者可以在阅读过程中跟随作者逐步搭建仿真模型,同时关注各个模块的具体参数设置和调试技巧,以便更好地理解和掌握相关知识点。

    药店管理系统(Java + SpringBoot + Mybatis/Mybatis-plus + Mysql)

    项目功能说明 促销管理:零售出库、零售退货 采购管理:采购订单、采购入库、采购退货 销售管理:销售订单、物流信息、销售退货 仓库管理:其它入库、其它出库、调拨出库、组装单、拆卸单 成本核算:收入单、支出单、收款单、付款单、转账单、收预付款 药品溯源:库存状况、账户统计、进货统计、销售统计、入库明细、出库明细、入库汇总、出库汇总、客户对账、供应商对账、库存预警 药品管理:药品类别、药品信息、计量单位、序列号 基本资料:供应商信息、客户信息、会员信息、仓库信息、收支项目、结算账户、经手人管理 系统管理:角色管理、功能管理、机构管理、用户管理、日志管理、系统配置、商品属性、插件管理

    基于梯度下降的改进自适应短时傅里叶变换方法及其在Jupyter Notebook中的应用

    内容概要:本文介绍了基于梯度下降的改进自适应短时傅里叶变换(STFT)方法,并展示了其在Jupyter Notebook中的具体实现。传统的STFT由于固定窗口长度,在处理非平稳信号时存在局限性。改进的方法通过梯度下降策略自适应调整窗口参数,从而提高时频分辨率。文中详细解释了算法的工作原理,包括信号生成、窗函数设计、损失函数选择等方面,并给出了具体的Python代码示例。此外,文章还讨论了该方法在多个领域的广泛应用,如金融时间序列、地震信号、机械振动信号、声发射信号、电压电流信号、语音信号、声信号和生理信号等。 适合人群:从事信号处理、数据分析及相关领域研究的专业人士,尤其是对时频分析感兴趣的科研人员和技术开发者。 使用场景及目标:适用于需要处理非平稳信号的研究和应用场景,旨在提高信号处理的精度和效率。具体目标包括但不限于:改善金融市场的预测能力、提升地震监测系统的准确性、增强机械设备故障诊断的效果、优化语音识别和合成的质量等。 其他说明:该方法不仅限于特定类型的信号,而是可以通过调整参数灵活应用于不同的信号类型。文中提供的代码可以在Jupyter Notebook环境中直接运行,便于实验和验证。

    VMD+NGO最优变分模态优化算法在信号处理与数据预测中的应用及实现

    内容概要:本文详细介绍了VMD(变分模态分解)与NGO(北方苍鹰优化算法)结合形成的最优变分模态优化算法。该算法通过嵌套多种损失函数,尤其是包络熵,实现了对复合信号在频域上的最优拆分。文中不仅解释了算法的工作原理,还提供了具体的Python代码示例,展示了如何通过调整参数来优化信号拆分过程。此外,文章强调了该算法在特征工程领域的巨大价值,特别是在提高数据预测准确性方面的作用。通过实例演示,证明了VMD+NGO算法在处理非平稳信号、音频处理、图像处理等领域中的优越性能。 适合人群:从事信号处理、数据分析、机器学习等相关领域的研究人员和技术人员,尤其是那些希望深入了解并应用先进信号处理技术的人。 使用场景及目标:适用于需要从复杂复合信号中提取有用信息的各种应用场景,如工业设备状态监测、故障诊断、时间序列预测等。主要目标是提高信号处理的精度和效率,进而改善基于这些信号的预测模型的表现。 其他说明:文章提供了详细的代码片段和理论背景,有助于读者更好地理解和实施该算法。同时提醒读者注意某些实现细节,如参数的选择和优化策略的应用。

    基于51单片机protues仿真的鱼缸环境监测系统(仿真图、源代码,AD原理图、流程图)

    基于51单片机protues仿真的鱼缸环境监测系统(仿真图、源代码,AD原理图、流程图) 1、测量鱼缸水温、PH值、有害物质等,并显示 2、可以通过串口遥控控制制氧机和加热器的启停【没有自动控制功能】; 3、仿真图、源代码,AD原理图、流程图

    kotlin从入门到精通.pdf

    内容概要:本文档《kotlin从入门到精通.pdf》详细介绍了Kotlin编程语言的核心概念和特性,内容涵盖了基本语法、类型系统、类与对象、继承、接口、泛型、扩展函数、委托属性、控制流、异常处理、注解、反射、动态类型等多个方面。文档不仅讲解了Kotlin的基本语法和特性,还深入探讨了其与Java和Scala的互操作性和对比。此外,文档还提供了关于如何在不同构建工具(如Maven、Ant、Gradle)中使用Kotlin的具体指导。 适合人群:适合有一定编程基础,特别是熟悉Java的开发人员,尤其是工作1-3年的研发人员。 使用场景及目标: 1. 学习Kotlin的基础语法和特性,了解其与Java的互操作性; 2. 理解Kotlin的高级特性,如扩展函数、委托属性、内联函数等; 3. 掌握Kotlin在不同构建工具中的配置和使用方法; 4. 比较Kotlin与其他语言(如Java、Scala)的优缺点,帮助开发者做出合适的技术选型。 阅读建议:由于Kotlin与Java有着良好的互操作性,且文档内容详尽,建议读者结合实际项目需求逐步学习。对于初学者,可以从基本语法和类型系统入手,逐步深入到高级特性和构建工具的使用。对于有经验的开发者,可以直接跳转到感兴趣的章节,如扩展函数、委托属性等,以提高学习效率。

    F5应用交付之BIG-IP+LTM篇-Beta版

    应用交付之BIG-IP+LTM篇-Beta版

Global site tag (gtag.js) - Google Analytics