Today, I will summarize the basic syntax for converting datetime-related types in Python that I always search for on Google. The syntax that I always look up is as follows: (It's difficult to memorize...>> 2020-09-13 21:26:40 print( type(int_to_date) ) >> 7. Let's convert datetime to Unix time. To be precise, it is a float value rather than an integer...;; print( int_to_date ) >> 2020-09-13 21:2..

[What is saa.??] The AWS Certified Solutions Architect - Associate (SAA) certification is a popular credential offered by Amazon Web Services (AWS) for professionals who design and deploy scalable, highly available, and fault-tolerant systems on the AWS platform. This certification is designed to validate an individual's expertise in AWS architecture, including various AWS services, architecture..

0. What is Oracle Archive Capacity Error? An Oracle Archive Capacity Error is a problem that occurs when the archive log files in a database exceed the allowed capacity. In this case, the database can no longer create archive log files, and database operations may be interrupted. Below are common ways to resolve an Oracle Archive Capacity Error: 1.Analyze the error message. 2.Check the database ..

Ubuntu 명령어를 모두 다루기에는 방대한 양이므로, 여기에서는 기본적인 명령어를 소개합니다. 1. 파일 및 디렉토리 관리 - ls : 현재 디렉토리의 파일 및 디렉토리 목록 표시 ls - cd : 디렉토리 변경 cd folder1 - mkdir : 디렉토리 생성 mkdir folder3 - touch : 빈 파일 생성 touch file3.txt - cp : 파일 복사 cp file1.txt file1_copy.txt - mv : 파일 이동 및 이름 변경 mv file2.txt folder2/file2_new.txt - rm : 파일 삭제 rm file3.txt - rmdir : 디렉토리 삭제 rmdir folder3 2. 패키지 관리 - apt-get : 패키지 설치, 삭제, 업데이트, 검색 등을 ..

0. 오라클 아키이브 용량 에러란? 오라클 아카이브 용량 에러는 데이터베이스의 아카이브 로그 파일이 허용 용량을 초과하여 발생하는 문제입니다. 이 경우 데이터베이스는 더 이상 아카이브 로그 파일을 생성할 수 없으며, 데이터베이스 작업이 중단될 수 있습니다. 아래는 오라클 아카이브 용량 에러를 해결하는 일반적인 방법입니다. 에러 메시지를 분석합니다. 데이터베이스 설정을 확인하고, 아카이브 로그 파일 크기와 보존 기간을 조정합니다. 오래된 아카이브 로그 파일을 삭제합니다. 아카이브 로그 파일 저장 경로를 변경합니다. 데이터베이스 백업을 수행합니다. 오라클 버전을 업그레이드합니다. 데이터베이스 용량을 늘립니다. 아카이브 용량 에러를 해결하기 위한 명령어는 다양하며, 오류 상황과 원인에 따라 적용할 수 있는 명..

1 데이터 레이크의 필요성 데이터간의 폐쇄성으로 데이터 통합이 필요함 기존 DW 보다 더 거대한 통합을 원함 레거시 시스템들의 분산으로 통합 데이터의 필요성이 대두됨 2. 데이터 폐쇄성으로 인한 문제 데이터의 비용 증가 정확도 저하 중북 증가 협업의 감소가 발생 3. 데이터 레이크의 배경 다양한 데이터로 인한 한계 분산된 저장소로 인한 한계 식상해 보일 수도 있지만, 빅데이터를 활용하기 위한 저장 방법론이 필요하게 됨 공공재 개념의 데이터가 필요해짐 데이터를 융합을 의한, 데이터 활용을 위한, 데이터의 저장소를 만들 필요가 생김 4. 그럼 어떤 요소로 한계를 극복했는가? ( 클라우드 개념에서 ) 저렴한 저장소가 필요하게 됨 클라우드가 저렴해? YES? NO? YES : 사용할 만큼 비용을 지불해서, 저렴..