-- 查询表的碎片情况
SELECT table_name,
       round((blocks*8),2) as "Size (KB)",
       round((num_rows*(avg_row_len/1024),2)) as "Actual Data (KB)"
  FROM user_tables
 WHERE table_name = 'YOUR_TABLE_NAME_IN_UPPERCASE';
 
-- 查询表的碎片情况的扩展信息
SELECT table_name,
       round((blocks*8),2) as "Size (KB)",
       round((num_rows*(avg_row_len/1024),2)) as "Actual Data (KB)",
       round((blocks*8) - (num_rows*(avg_row_len/1024)),2) as "Wasted Space (KB)"
  FROM user_tables
 WHERE table_name = 'YOUR_TABLE_NAME_IN_UPPERCASE';

替换YOUR_TABLE_NAME_IN_UPPERCASE为你需要查询的表名，并确保表名是大写的，因为Oracle中的用户表是大小写敏感的，并且在数据字典中表名通常是大写的。

在Spring Boot中，获取Bean的常用方式有以下三种：

1. 使用@Autowired注解自动装配：

@Autowired
private YourBeanClass yourBean;

2. 使用ApplicationContext获取：

@Autowired
private ApplicationContext context;
 
public YourBeanClass getYourBean() {
    return context.getBean(YourBeanClass.class);
}

3. 使用@Bean注解的方法直接调用：

@Configuration
public class YourConfig {
 
    @Bean
    public YourBeanClass yourBean() {
        return new YourBeanClass();
    }
}
 
public class YourClass {
    @Autowired
    private YourConfig yourConfig;
 
    public void someMethod() {
        YourBeanClass yourBean = yourConfig.yourBean();
        // 使用 yourBean
    }
}

这三种方式是在Spring框架中获取Bean的常用方法，分别适用于不同的场景。

-- 查询表空间使用率并排除默认表空间和临时表空间
SELECT
    dfs.tablespace_name,
    total_space_mb,
    (total_space_mb - free_space_mb) AS used_space_mb,
    free_space_mb,
    ROUND((total_space_mb - free_space_mb) / total_space_mb * 100, 2) AS used_pct
FROM
    (SELECT
         tablespace_name,
         ROUND(SUM(bytes) / 1048576) AS total_space_mb
     FROM
         dba_data_files
     GROUP BY
         tablespace_name) dfs
JOIN
    (SELECT
         tablespace_name,
         ROUND(SUM(bytes) / 1048576) AS free_space_mb
     FROM
         dba_free_space
     GROUP BY
         tablespace_name) fs ON dfs.tablespace_name = fs.tablespace_name
WHERE
    dfs.tablespace_name NOT IN ('SYSTEM', 'SYSAUX', 'TEMP');

这段代码用于查询除了默认的SYSTEM、SYSAUX和临时表空间TEMP之外的所有用户表空间的使用率，并以MB以及百分比的形式提供使用情况。这对于数据库管理员监控表空间的使用情况非常有帮助。

由于问题描述中提到的“源代码”不是具体的代码片段或问题，而是一个较大的项目，我将提供一个简化的示例，展示如何使用Spring Cloud和Spring Boot构建前后端分离的项目管理系统的大致框架。

后端框架（Spring Cloud + Spring Boot）:

@SpringBootApplication
@EnableEurekaClient
public class ProjectManagementApplication {
    public static void main(String[] args) {
        SpringApplication.run(ProjectManagementApplication.class, args);
    }
}
 
@RestController
@RequestMapping("/api/projects")
public class ProjectController {
    // 使用Spring Data JPA或MyBatis等持久化框架定义与数据库交互的方法
    // 例如查询所有项目
    @GetMapping
    public ResponseEntity<List<Project>> getAllProjects() {
        // 实现查询逻辑
    }
 
    // 其他CRUD操作
}
 
@Entity
public class Project {
    // 定义项目实体
}

前端框架（React）:

import React from 'react';
import axios from 'axios';
 
class ProjectList extends React.Component {
  constructor(props) {
    super(props);
    this.state = {
      projects: []
    };
  }
 
  componentDidMount() {
    axios.get('/api/projects')
      .then(response => {
        this.setState({ projects: response.data });
      })
      .catch(error => {
        console.error('Error fetching projects: ', error);
      });
  }
 
  render() {
    return (
      <div>
        <h1>Projects</h1>
        <ul>
          {this.state.projects.map(project => (
            <li key={project.id}>{project.name}</li>
          ))}
        </ul>
      </div>
    );
  }
}
 
export default ProjectList;

在这个例子中，我们创建了一个简单的后端Spring Boot应用程序，它暴露一个REST API，以及一个简单的前端React应用程序，用于从后端获取数据并显示在页面上。这只是一个教学用的代码示例，实际的系统将需要更复杂的逻辑和安全控制。

import torch
from PIL import Image
from torchvision.transforms import functional as F
from diffusers import StableDiffusionPipeline
 
# 加载Stable Diffusion模型
pipe = StableDiffusionPipeline.from_pretrained("StableDiffusionPipeline", "stable-diffusion-v1")
 
# 设置生成图像的文本提示
prompt = "一个笑得出汗的小男孩正在向摄影机笑笑"
 
# 编码文本提示
prompt_tokens = pipe.encode_text(prompt)
 
# 设置图像尺寸
image_size = pipe.model.config.image_size
 
# 创建一个空的图像张量，初始化为高斯分布
guidance_tokens, guidance_bboxes = pipe.p_sample_cond_from_prompt(
    prompt_tokens,
    skip_dequantize=True,  # 直接返回量化的输出
    reconstruct_text=False  # 不重构文本令牌
)
 
# 生成图像
img = pipe.decoder(guidance_tokens, guidance_bboxes)
 
# 如果模型有量化操作，则进行反量化
if hasattr(pipe, 'quantize_scale'):
    img = F.interpolate(img.clone(), size=(image_size, image_size), mode='bicubic')
    img /= pipe.quantize_scale
 
# 将图像张量转换为PIL图像并保存
img = F.to_pil_image(img.squeeze(0).clamp(0, 1).cpu())
img.save("generated_image.png")

这段代码展示了如何使用Pytorch和diffusers库来加载一个预训练的Stable Diffusion模型，并根据提供的文本提示生成图像。首先，我们加载了Stable Diffusion模型，然后将文本提示转换为模型可以理解的令牌。接着，我们使用模型的解码器生成图像，并将生成的图像保存为文件。

在Spring Boot中使用MQTT实现消息的发布和订阅，你可以使用Spring Integration with MQTT。以下是一个简单的例子：

1. 添加依赖到你的pom.xml：

<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-integration</artifactId>
    </dependency>
    <dependency>
        <groupId>org.springframework.integration</groupId>
        <artifactId>spring-integration-stream</artifactId>
    </dependency>
    <dependency>
        <groupId>org.springframework.integration</groupId>
        <artifactId>spring-integration-mqtt</artifactId>
    </dependency>
</dependencies>

2. 配置MQTT客户端并定义消息通道：

@Configuration
public class MqttConfig {
 
    @Value("${mqtt.broker.url}")
    private String brokerUrl;
 
    @Value("${mqtt.client.id}")
    private String clientId;
 
    @Value("${mqtt.username}")
    private String userName;
 
    @Value("${mqtt.password}")
    private String password;
 
    @Value("${mqtt.default.topic}")
    private String defaultTopic;
 
    @Bean
    public MqttPahoClientFactory mqttClient() {
        DefaultMqttPahoClientFactory factory = new DefaultMqttPahoClientFactory();
        MqttConnectOptions options = new MqttConnectOptions();
        options.setServerURIs(new String[]{brokerUrl});
        options.setUserName(userName);
        options.setPassword(password.toCharArray());
        factory.setConnectionOptions(options);
        return factory;
    }
 
    @Bean
    public MessageChannel mqttInputChannel() {
        return new DirectChannel();
    }
 
    @Bean
    public MessageProducer inbound() {
        MqttPahoMessageDrivenChannelAdapter adapter =
                new MqttPahoMessageDrivenChannelAdapter(clientId, mqttClient(), defaultTopic);
        adapter.setCompletionTimeout(5000);
        adapter.setQos(2);
        adapter.setOutputChannel(mqttInputChannel());
        return adapter;
    }
}

3. 消息处理：

@Component
@Log4j
public class MqttMessageHandler {
 
    @Autowired
    private SimpMessagingTemplate simpMessagingTemplate;
 
    @Autowired
    private MessageChannel mqttInputChannel;
 
    @Autowired
    private MqttPahoClientFactory mqttClientFactory;
 
    @PostConstruct
    public void init() {

在PostgreSQL中，没有直接等价于MySQL的GROUP_CONCAT()函数的功能。但是，可以使用string_agg()函数来实现类似的功能。

string_agg()函数可以将组内的字符串聚合起来，并且可以指定一个分隔符。

下面是一个使用string_agg()函数的例子：

MySQL的写法（使用GROUP_CONCAT()）:

SELECT column1, GROUP_CONCAT(column2 SEPARATOR ',')
FROM table_name
GROUP BY column1;

PostgreSQL的写法（使用string_agg()）:

SELECT column1, string_agg(column2, ',')
FROM table_name
GROUP BY column1;

在这个例子中，column1是分组的依据，column2是需要被拼接的字段，使用逗号,作为分隔符。string_agg()函数会将column1组内的所有column2字段的值拼接成一个字符串，并用逗号分隔。

由于提供完整的智慧工地(项目层+工地层+APP)源代码超出了问答的字数限制，我将提供一个简化的例子来说明如何使用Spring Cloud构建微服务的核心概念。

假设我们有一个简单的服务，用于记录工地的信息。以下是一个简化的服务定义和Spring Cloud配置的例子：

// 工地服务接口
public interface WorksiteService {
    Worksite recordWork(String projectId, Worklog worklog);
}
 
// 工地服务实现
@Service
public class WorksiteServiceImpl implements WorksiteService {
    @Override
    public Worksite recordWork(String projectId, Worklog worklog) {
        // 实现记录工地信息的逻辑
        return new Worksite(/* 初始化工地信息 */);
    }
}
 
// 工地实体类
public class Worksite {
    // 工地相关属性
    // 构造函数、getter和setter方法
}
 
// 工地日志实体类
public class Worklog {
    // 工地日志相关属性
    // 构造函数、getter和setter方法
}
 
// Spring Cloud配置
@Configuration
public class WorksiteServiceConfig {
    @Bean
    public WorksiteService worksiteService() {
        return new WorksiteServiceImpl();
    }
}

这个例子展示了如何定义一个服务接口，实现这个接口，并且配置这个服务供其他微服务使用。在实际的应用中，你可能还需要使用Spring Cloud的服务发现（如Eureka）、断路器、配置管理（如Spring Cloud Config）、路由（如Zuul）等功能。

请注意，这个例子没有详细的业务逻辑实现，而是专注于展示如何在Spring Cloud环境中定义和配置服务。实际的应用程序还需要更多的安全措施、监控、容错和可伸缩性考虑。

在Oracle中，您可以使用数据字典视图来查询所有用户表的表名、主键名称、索引和外键。以下是一个查询示例，它会返回这些信息：

SELECT utc.table_name,
       uk.constraint_name as primary_key_name,
       uic.index_name,
       ufc.constraint_name as foreign_key_name
FROM user_tables ut
LEFT JOIN user_constraints uk ON ut.table_name = uk.table_name
                              AND uk.constraint_type = 'P'
LEFT JOIN user_indexes uic ON ut.table_name = uic.table_name
                           AND uic.uniqueness = 'UNIQUE'
LEFT JOIN user_constraints ufc ON ut.table_name = ufc.table_name
                              AND ufc.constraint_type = 'R'
WHERE ut.owner = 'YOUR_SCHEMA_NAME'; -- 替换为你的用户名或模式名

请确保将 'YOUR_SCHEMA_NAME' 替换为您的用户名或者模式名。这个查询通过左连接用户表 user_tables 和用户约束 user_constraints 来查找表名、主键名称，并通过用户索引 user_indexes 来查找索引名。外键约束也通过用户约束视图查找，但注意到有些数据库环境中，用户可能无法看到其他用户的外键约束信息，这取决于数据库的权限设置。

ThreadLocal的主要作用是提供线程内的局部变量，这种变量在线程的生命周期内起作用，线程结束后，变量也随之销毁。ThreadLocal为解决多线程程序的数据共享问题提供了一种新的思路。

ThreadLocal的主要方法有：

1. public T get() ：返回此线程局部变量的当前线程副本中的值。
2. public void set(T value)：将此线程局部变量的当前线程副本中的值设置为指定值。
3. public void remove()：移除此线程局部变量的当前线程副本中的值。
4. protected T initialValue()：返回此线程局部变量的当前线程副本的初始值。这个方法是一个protected的方法，显然是为了让子类覆写而设计的。

ThreadLocal的实现原理：每个Thread内部都维护了一个ThreadLocalMap，这个Map的key是ThreadLocal实例本身，value是我们希望在线程内部共享的数据。

ThreadLocal的内存泄漏问题：由于ThreadLocal的生命周期跟Thread一样长，如果ThreadLocal没有正确的remove，那么如果Thread的生命周期非常长，比如服务器的一个工作线程，那么就会导致内存泄漏。

解决方案：

1. 每次使用完ThreadLocal后，都调用它的remove()方法，这样最保险的避免了内存泄漏的问题。
2. 如果ThreadLocal存储的是一个对象，那么这个对象应该实现Closeable接口，在try-with-resources语句块中使用，这样可以保证即使发生异常也能正确关闭资源。

解决方案：

在分布式系统中，我们通常需要在多个服务间共享登录状态，这时可以使用Redis来替代ThreadLocal。

1. 用户登录后，将用户的session信息保存到Redis中，并将session的key存储在用户的cookie中。
2. 当用户访问其他服务时，从请求中取出session的key，然后到Redis中查询session信息。

代码示例：

// 用户登录
public String login(String username, String password) {
    // 验证用户名密码
    // ...
    // 生成session信息
    String sessionId = UUID.randomUUID().toString();
    // 将session信息保存到Redis中
    redisTemplate.opsForValue().set(sessionId, new UserInfo(username), 3600, TimeUnit.SECONDS);
    // 返回sessionId
    return sessionId;
}
 
// 获取用户信息
public UserInfo getUserInfo(String sessionId) {
    return (UserInfo) redisTemplate.opsForValue().get(sessionId);
}

在这个例子中，我们使用了Redis来存储用户的session信息，而不是使用ThreadLocal。这样，无论用户访问哪个服务，只要服务能访问到Redis，就能获取到正确的用户信息，实现了共享session登录。