百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

体验AI制作巡检脚本

ztj100 2025-03-01 16:13 42 浏览 0 评论

概述:以前做一个巡检脚本,需要各个方面的技能,shell/html/sql,揉到一起,做个好点的架构可能要憋上好一段时间吧,现在有了AI,我的天,短短一会儿就搞定了。

  1. 先看一下效果

页面有索引,还能鼠标高亮,内容有滚动条,界面美观,想要添加检查项,你只需要维护这个列表就可以了,要加什么检查,写个项目,加上sql。这个文件既可以写到主代码里,也可以维护一个单独的sql文件,再扩充一下,加上一个系统检查的模块,再加上一个性能检查的模块,都是很简单的工作。

感觉初级开发的就要下岗了,唉!

2.来欣赏一下AI的代码吧

#!/bin/bash

source ~/.bash_profile

# 输出HTML文件

OUTPUT_HTML="oracle_report.html"

# 数据库连接信息

DB_USER="zhyu"

DB_PASSWORD="zhyu"

DB_CONNECTION_STRING="vm2apex"

# 定义查询列表:格式为 "标题|SQL查询"

QUERIES=(

"DBA_USERS|SELECT * FROM DBA_USERS;"

"DBA_TABLESPACES|SELECT * FROM DBA_TABLESPACES;"

"DBA_OBJECTS_COUNT|SELECT owner, COUNT(*) AS object_count FROM DBA_OBJECTS GROUP BY owner;"

)

# 初始化HTML文件

cat < "$OUTPUT_HTML"

Oracle Database Report

索引

    EOF

    # 生成索引

    for query in "${QUERIES[@]}"; do

    title=$(echo "$query" | cut -d'|' -f1)

    id=$(echo "$title" | tr '[:upper:]' '[:lower:]' | tr -d ' ')

    echo "

  • $title
  • " >> "$OUTPUT_HTML"

    done

    cat <> "$OUTPUT_HTML"

Oracle Database Report

Generated on: $(date)

EOF

# 执行每个查询并生成HTML表格

for query in "${QUERIES[@]}"; do

# 提取标题和SQL语句

title=$(echo "$query" | cut -d'|' -f1)

sql=$(echo "$query" | cut -d'|' -f2)

id=$(echo "$title" | tr '[:upper:]' '[:lower:]' | tr -d ' ')

echo "

$title

" >> "$OUTPUT_HTML"

echo '

' >> "$OUTPUT_HTML"

# 使用sqlplus生成HTML表格

sqlplus_output=$(sqlplus -S -M "HTML ON" "$DB_USER/$DB_PASSWORD@$DB_CONNECTION_STRING" <

SET PAGESIZE 50000

SET LINESIZE 1000

SET FEEDBACK OFF

SET HEADING ON

$sql

EOF

)

# 检查sqlplus执行结果

if [ $? -ne 0 ]; then

echo "

Error executing query: $title

" >> "$OUTPUT_HTML"

else

echo "$sqlplus_output" >> "$OUTPUT_HTML"

fi

echo '

' >> "$OUTPUT_HTML"

done

# 闭合HTML文件

cat <> "$OUTPUT_HTML"

EOF

echo "Report generated: $OUTPUT_HTML"

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: