在 Ubuntu 上使用 Oracle 数据库进行数据分析的完整路径
一 环境准备与连接方式
- 安装 Oracle 客户端：在 Ubuntu 上安装与数据库版本匹配的 Oracle Instant Client（12c/19c/21c），解压后将目录加入 LD_LIBRARY_PATH，并配置 PATH。完成后在终端执行 sqlplus 验证可用性。
- Python 环境：建议使用 Python 3.7+，安装依赖：
pip install cx_Oracle pandas matplotlib seaborn numpy。
- 连接数据库：优先使用 DSN 字符串（host:port/service） 方式连接 Oracle，例如：
conn = cx_Oracle.connect(user=‘scott’, password=‘tiger’, dsn=‘192.168.1.100:1521/ORCL’)。
- 无公网或需命名解析时，可在 network/admin/tnsnames.ora 中配置别名，或用 Easy Connect 字符串。
- 版本兼容提示：连接 Oracle 9i 等老版本时，可能需要 Instant Client 11.2 等旧版驱动，新版驱动（如 21.x）可能不兼容。
二 在数据库中完成高效分析 SQL
- 窗口函数与分组汇总：使用 SUM/AVG/COUNT 等分析函数 做运行总计、分组排名、前后行对比等，例如按 ID 分区求最大值：
SELECT ID, Val, MAX(Val) OVER (PARTITION BY ID) AS maxVal FROM t;
可用 COUNT(DISTINCT Val) OVER (PARTITION BY ID) 统计分组内不同值个数。
- 多维汇总：使用 ROLLUP/CUBE/GROUPING SETS 一次生成多维度小计与总计，适合做交叉分析报表。
- 集合与对比：用 UNION/INTERSECT/MINUS 做集合运算；结合 COUNT(*) OVER() 可快速校验两结果集是否一致（MINUS 结果为空即一致）。
三 在 Ubuntu 终端用 SQL*Plus 做快速探查与导出
- 连接与基本查询：
sqlplus 用户名/密码@服务名 或 sqlplus / as sysdba（本机特权登录）。
- 探查元数据：
SELECT table_name FROM user_tables; 查看当前用户表。
- 导出查询结果：
SPOOL /tmp/result.csv
SELECT /csv/ * FROM your_table WHERE 条件;
SPOOL OFF;
适合快速把结果导出为 CSV 供后续分析。
四 用 Python 联动 Oracle 做数据科学与可视化
- 连接与读取：
import cx_Oracle, pandas as pd
conn = cx_Oracle.connect(user=‘scott’, password=‘tiger’, dsn=‘192.168.1.100:1521/ORCL’)
df = pd.read_sql(‘SELECT * FROM SALES_DATA WHERE SALE_DATE >= DATE ‘‘2024-01-01’’’, conn)
- 探查与可视化：
df.info(), df.describe(), df.isnull().mean()
import seaborn as sns; sns.histplot(df[‘SALE_AMOUNT’], kde=True)
优势是直接在数据库内计算、只取需要的数据到本地，分析流程高效且可复用。
五 性能与运维侧分析 AWR 与日志
- AWR 报告：在 sqlplus 中生成快照并导出 AWR/ASH 报告，定位 SQL 执行时间、等待事件、负载 等性能瓶颈：
@?/rdbms/admin/awrrpt.sql（按向导选择开始/结束快照，生成 HTML/文本报告）。
- 日志与诊断：
- 实时查看告警日志：tail -f /u01/app/oracle/diag/rdbms/orcl/orcl/trace/alert_orcl.log
- 关键字检索：grep “ORA-” /path/to/logs/* | sort | uniq -c
- 使用 ADR（Automatic Diagnostic Repository） 集中管理与分析诊断信息；企业环境可配合 OEM 做可视化监控与报告。
