WedX - журнал о программировании и компьютерных науках

База данных SQL Compact больше заданного размера

Я пытаюсь выполнить поиск в мобильной базе данных SDF в Windows Mobile 6.1, а размер базы данных составляет около 270 МБ. Всякий раз, когда программа пытается читать из базы данных, я получаю эту ошибку:

«Размер файла базы данных превышает заданный размер.
Эти настройки вступают в силу только при первом параллельном подключении к базе данных [Требуемый максимальный размер базы данных (в МБ; 0, если неизвестно) = 0]»

Я попытался указать размер в строке подключения, но тоже получаю сообщение об ошибке:

public bool ConnectDB(string strDB, string strPassword)
{
    try
    {
        string siz= "300";
        string connStr = "Data Source = " + strDB + "; Size = " + siz + "; Password = " + strPassword + ";";
        ceConnection = new SqlCeConnection(connStr);
        ceConnection.Open();
        if (ceConnection.State == System.Data.ConnectionState.Open)
            return true;
    } catch () {}
}

Я получаю unknown connection option in connection string: Size.

Пожалуйста помоги .


  • 270MB для мобильной БД - это безумие! Попробуйте использовать MaxDatabaseSize=2048. 05.01.2011

Ответы:


1

Вы должны использовать «Максимальный размер базы данных» (в МБ)

"Data Source = " + strDB + "; Max Database Size = " + siz 
06.01.2011

2

270 МБ - это слишком много для мобильной базы данных. Вы пробовали его сжать? Вы можете использовать класс SqlCeEngine. Попробуйте Shrink () или Compact ()

https://msdn.microsoft.com/en-us/library/system.data.sqlserverce.sqlceengine.shrink.aspx

https://msdn.microsoft.com/en-us/library/system.data.sqlserverce.sqlceengine.compact.aspx

17.01.2011
  • Возможно, он не слишком велик. Это зависит от того, для чего он используется и как его запрашивают. 17.01.2011
  • Новые материалы

    Объяснение документов 02: BERT
    BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..


    Для любых предложений по сайту: [email protected]