সংরক্ষিত রেফারেন্সিয়াল অখণ্ডতার সাথে একটি রিলেশনাল ডাটাবেসের একটি ছোট প্রতিনিধি উপসেট তৈরি করতে রেকর্ডের সংখ্যা হ্রাস করুন
অনেক সংস্থার প্রচুর পরিমাণে ডেটা সহ উত্পাদন পরিবেশ রয়েছে এবং অ-উৎপাদন পরীক্ষার পরিবেশে প্রচুর পরিমাণে ডেটা চায় না। তাই, সংরক্ষিত রেফারেন্সিয়াল অখণ্ডতার সাথে একটি বড় রিলেশনাল ডাটাবেসের একটি ছোট, প্রতিনিধি উপসেট তৈরি করতে ডাটাবেস সাবসেটিং ব্যবহার করা হয়। সংস্থাগুলি খরচ কমাতে, এটি পরিচালনাযোগ্য করতে এবং দ্রুত সেটআপ এবং রক্ষণাবেক্ষণের জন্য পরীক্ষার ডেটার জন্য উপ-সেটিং ব্যবহার করে।
অত্যধিক ডেটা ভলিউম উচ্চ পরিকাঠামো এবং গণনা খরচ হতে পারে, যা অ-উৎপাদন পরিবেশে পরীক্ষার ডেটার জন্য অপ্রয়োজনীয়। সাবসেটিং ক্ষমতা সহ, আপনি সহজেই আপনার খরচ কমাতে আপনার ডেটার ছোট উপসেট তৈরি করতে পারেন।
অ-উৎপাদন পরিবেশে বিশাল ডেটা ভলিউম পরিচালনা পরীক্ষক এবং বিকাশকারীদের জন্য চ্যালেঞ্জ তৈরি করে। ছোট এবং এর ফলে আরও পরিচালনযোগ্য পরীক্ষার ডেটা, পরীক্ষা এবং উন্নয়ন প্রক্রিয়াগুলিকে উল্লেখযোগ্যভাবে স্ট্রিমলাইন করে, শেষ পর্যন্ত সময় এবং সংস্থানের পরিপ্রেক্ষিতে পুরো চক্রটিকে অপ্টিমাইজ করে।
ছোট ডেটা ভলিউমগুলি অ-উৎপাদন পরীক্ষার পরিবেশগুলির দ্রুত এবং আরও সহজবোধ্য সেটআপ এবং রক্ষণাবেক্ষণের সুবিধা দেয়। এটি জটিল আইটি ল্যান্ডস্কেপগুলিতে বিশেষভাবে প্রাসঙ্গিক এবং যখন ডেটা স্ট্রাকচারের ঘন ঘন পরিবর্তনের জন্য পরীক্ষার ডেটার প্রতিনিধিত্ব নিশ্চিত করতে নিয়মিত আপডেট এবং রিফ্রেশের প্রয়োজন হয়।
রেফারেন্সিয়াল ইন্টিগ্রিটি হল ডাটাবেস ম্যানেজমেন্টের একটি ধারণা যা রিলেশনাল ডাটাবেসের টেবিলের মধ্যে সামঞ্জস্য এবং নির্ভুলতা নিশ্চিত করে। রেফারেন্সিয়াল ইন্টিগ্রিটি নিশ্চিত করবে যে "টেবিল 1" এর "ব্যক্তি 1" এর সাথে সম্পর্কিত প্রতিটি মান "টেবিল 1" এবং অন্য কোনো লিঙ্কযুক্ত টেবিলের "ব্যক্তি 2" এর সঠিক মানের সাথে মিলে যায়।
অ-উৎপাদন পরিবেশের অংশ হিসাবে একটি রিলেশনাল ডাটাবেসে পরীক্ষার ডেটার নির্ভরযোগ্যতা বজায় রাখার জন্য রেফারেন্সিয়াল অখণ্ডতা প্রয়োগ করা অত্যন্ত গুরুত্বপূর্ণ। এটি ডেটা অসঙ্গতি প্রতিরোধ করে এবং নিশ্চিত করে যে টেবিলের মধ্যে সম্পর্কগুলি সঠিক পরীক্ষা এবং সফ্টওয়্যার বিকাশের জন্য অর্থবহ এবং নির্ভরযোগ্য।
একটি রিলেশনাল ডাটাবেস পরিবেশে পরীক্ষার ডেটা ব্যবহারযোগ্য হওয়ার জন্য রেফারেন্সিয়াল অখণ্ডতা রক্ষা করা উচিত। অ-উৎপাদন পরিবেশে রেফারেন্সিয়াল অখণ্ডতা বজায় রাখা, যেমন পরীক্ষা এবং সফ্টওয়্যার বিকাশের জন্য ব্যবহৃত, বিভিন্ন কারণে গুরুত্বপূর্ণ:
সাবসেটিং কেবল ডেটা মুছে ফেলার মতো সহজ নয়, কারণ সমস্ত ডাউনস্ট্রিম এবং আপস্ট্রিম সম্পর্কিত লিঙ্কযুক্ত টেবিলগুলি রেফারেন্সিয়াল অখণ্ডতা রক্ষা করার জন্য আনুপাতিকভাবে সাবসেটিং করা উচিত। সাবসেটিং নিশ্চিত করে যে শুধুমাত্র একটি টার্গেট টেবিলের ডেটাই মুছে ফেলা হয় না, তবে লক্ষ্য টেবিল থেকে মুছে ফেলা ডেটার সাথে সম্পর্কিত অন্য কোনও লিঙ্কযুক্ত টেবিলের যে কোনও ডেটা মুছে ফেলা হয়। এটি নিশ্চিত করে যে ডেটা মুছে ফেলার অংশ হিসাবে টেবিল, ডাটাবেস এবং সিস্টেম জুড়ে রেফারেন্সিয়াল অখণ্ডতা সংরক্ষণ করা হয়।
"টেবিল Y" থেকে "ব্যক্তি X" সরিয়ে ডেটা ভলিউম হ্রাস করা, "টেবিল ওয়াই"-এর "ব্যক্তি X" সম্পর্কিত সমস্ত রেকর্ড মুছে ফেলা উচিত, তবে অন্য কোনও আপস্ট্রিম বা ডাউনস্ট্রিম সম্পর্কিত টেবিলের (টেবিল A, B, C ইত্যাদি) "ব্যক্তি X" সম্পর্কিত সমস্ত রেকর্ডও মুছে ফেলা উচিত।
"গ্রাহক" টেবিল থেকে "রিচার্ড" সরিয়ে ডেটা ভলিউম হ্রাস করা, "গ্রাহক" টেবিলের "রিচার্ড" সম্পর্কিত সমস্ত রেকর্ড মুছে ফেলা উচিত, তবে অন্য যে কোনও আপস্ট্রিম বা ডাউনস্ট্রিম সম্পর্কিত টেবিলে "রিচার্ড" সম্পর্কিত সমস্ত রেকর্ডও (পেমেন্ট টেবিল, ঘটনা টেবিল, বীমা কভারেজ টেবিল ইত্যাদি) মুছে ফেলা উচিত। মুছে ফেলা
সাবসেটিং টেবিল জুড়ে কাজ করে
উপসেটিং ডাটাবেস জুড়ে কাজ করে
সাবসেটিং সিস্টেম জুড়ে কাজ করে
আপনি একটি রিলেশনাল ডাটাবেস সাবসেট করতে এবং "টার্গেট টেবিল" এর উপর ভিত্তি করে সমস্ত "লিঙ্ক করা টেবিল" সাবসেট করা হয়েছে তা নিশ্চিত করতে আপনি Syntho ইঞ্জিন কনফিগার করতে পারেন।
আনুপাতিক সাবসেটিং ছাড়াও, যেখানে আপনি ডেটা নিষ্কাশনের জন্য একটি শতাংশ নির্দিষ্ট করেন, আমাদের উন্নত ক্ষমতাগুলি আপনাকে সাবসেটিংয়ের জন্য লক্ষ্য গোষ্ঠীকে সুনির্দিষ্টভাবে সংজ্ঞায়িত করতে দেয়। উদাহরণস্বরূপ, আপনি নির্দিষ্ট উপসেটগুলি অন্তর্ভুক্ত বা বাদ দেওয়ার মানদণ্ড নির্দিষ্ট করতে পারেন, ডেটা নিষ্কাশন প্রক্রিয়ার উপর আরও নমনীয়তা এবং নিয়ন্ত্রণ প্রদান করে