સાચવેલ સંદર્ભ અખંડિતતા સાથે રિલેશનલ ડેટાબેઝના નાના પ્રતિનિધિ સબસેટ બનાવવા માટે રેકોર્ડ્સની સંખ્યામાં ઘટાડો
ઘણી સંસ્થાઓ પાસે મોટા પ્રમાણમાં ડેટા સાથે ઉત્પાદન વાતાવરણ હોય છે અને તેઓ બિન-ઉત્પાદન પરીક્ષણ વાતાવરણમાં મોટા પ્રમાણમાં ડેટા ઇચ્છતા નથી. તેથી, ડેટાબેઝ સબસેટિંગનો ઉપયોગ સાચવેલ સંદર્ભ અખંડિતતા સાથે મોટા રીલેશ્નલ ડેટાબેઝના નાના, પ્રતિનિધિ સબસેટ બનાવવા માટે થાય છે. સંસ્થાઓ ખર્ચ ઘટાડવા, તેને વ્યવસ્થિત બનાવવા અને ઝડપી સેટઅપ અને જાળવણી માટે પરીક્ષણ ડેટા માટે પેટા-સેટિંગનો ઉપયોગ કરે છે.
અતિશય ડેટા વોલ્યુમો ઊંચા ઇન્ફ્રાસ્ટ્રક્ચર અને ગણતરી ખર્ચ તરફ દોરી શકે છે, જે બિન-ઉત્પાદન વાતાવરણમાં પરીક્ષણ ડેટા માટે બિનજરૂરી છે. સબસેટિંગ ક્ષમતાઓ સાથે, તમે તમારા ખર્ચને ઘટાડવા માટે તમારા ડેટાના નાના સબસેટ્સ સરળતાથી બનાવી શકો છો.
બિન-ઉત્પાદન વાતાવરણમાં વિશાળ ડેટા વોલ્યુમનું સંચાલન કરવું એ પરીક્ષકો અને વિકાસકર્તાઓ માટે પડકારો છે. નાનો અને તેથી વધુ વ્યવસ્થિત પરીક્ષણ ડેટા, નોંધપાત્ર રીતે પરીક્ષણ અને વિકાસ પ્રક્રિયાઓને સુવ્યવસ્થિત કરે છે, આખરે સમય અને સંસાધનોની દ્રષ્ટિએ સમગ્ર ચક્રને શ્રેષ્ઠ બનાવે છે.
નાના ડેટા વોલ્યુમો બિન-ઉત્પાદન પરીક્ષણ વાતાવરણના ઝડપી અને વધુ સીધા સેટઅપ અને જાળવણીની સુવિધા આપે છે. આ ખાસ કરીને જટિલ IT લેન્ડસ્કેપ્સમાં સંબંધિત છે અને જ્યારે ડેટા સ્ટ્રક્ચર્સમાં વારંવાર ફેરફારોને નિયમિત અપડેટ્સ અને રિફ્રેશની જરૂર હોય ત્યારે પરીક્ષણ ડેટાની પ્રતિનિધિત્વની ખાતરી કરવા માટે.
રેફરન્શિયલ ઇન્ટિગ્રિટી એ ડેટાબેઝ મેનેજમેન્ટમાં એક ખ્યાલ છે જે રિલેશનલ ડેટાબેઝમાં કોષ્ટકો વચ્ચે સુસંગતતા અને ચોકસાઈની ખાતરી કરે છે. રેફરન્શિયલ ઇન્ટિગ્રિટી એ સુનિશ્ચિત કરશે કે દરેક મૂલ્ય કે જે "કોષ્ટક 1" ના "વ્યક્તિ 1" ને અનુરૂપ છે તે "કોષ્ટક 1" માં "વ્યક્તિ 2" ના સાચા મૂલ્યને અનુલક્ષે છે અને કોઈપણ અન્ય લિંક કરેલ કોષ્ટક.
બિન-ઉત્પાદન વાતાવરણના ભાગ રૂપે રિલેશનલ ડેટાબેઝમાં ટેસ્ટ ડેટાની વિશ્વસનીયતા જાળવવા માટે રેફરન્શિયલ અખંડિતતાને લાગુ કરવી મહત્વપૂર્ણ છે. તે ડેટાની અસંગતતાને અટકાવે છે અને સુનિશ્ચિત કરે છે કે કોષ્ટકો વચ્ચેના સંબંધો યોગ્ય પરીક્ષણ અને સોફ્ટવેર ડેવલપમેન્ટ માટે અર્થપૂર્ણ અને વિશ્વસનીય છે.
રિલેશનલ ડેટાબેઝ એન્વાયર્નમેન્ટમાં ટેસ્ટ ડેટાનો ઉપયોગ કરી શકાય તે માટે સંદર્ભની અખંડિતતા જાળવવી જોઈએ. બિન-ઉત્પાદન વાતાવરણમાં સંદર્ભની અખંડિતતા જાળવવી, જેમ કે પરીક્ષણ અને સોફ્ટવેર ડેવલપમેન્ટ માટે વપરાય છે, તે ઘણા કારણોસર મહત્વપૂર્ણ છે:
સબસેટિંગ એ ફક્ત ડેટા કાઢી નાખવા જેટલું સરળ નથી, કારણ કે સંદર્ભની અખંડિતતાને જાળવવા માટે તમામ ડાઉનસ્ટ્રીમ અને અપસ્ટ્રીમ સંબંધિત લિંક કરેલા કોષ્ટકો પ્રમાણસર સબસેટિંગ કરવા જોઈએ. સબસેટિંગ એ સુનિશ્ચિત કરે છે કે માત્ર લક્ષ્ય કોષ્ટકમાંનો ડેટા જ કાઢી નાખવામાં આવતો નથી, પરંતુ લક્ષ્ય કોષ્ટકમાંથી કાઢી નાખેલા ડેટાથી સંબંધિત કોઈપણ અન્ય લિંક કરેલ કોષ્ટકમાંનો કોઈપણ ડેટા કાઢી નાખવામાં આવે છે. આ સુનિશ્ચિત કરે છે કે કોષ્ટકો, ડેટાબેસેસ અને સિસ્ટમ્સમાં સંદર્ભિત અખંડિતતા ડેટા કાઢી નાખવાના ભાગ રૂપે સાચવેલ છે.
"ટેબલ Y" માંથી "વ્યક્તિ X" ને દૂર કરીને ડેટા વોલ્યુમ ઘટાડવું, "ટેબલ Y" માં "વ્યક્તિ X" થી સંબંધિત તમામ રેકોર્ડ્સ કાઢી નાખવા જોઈએ, પરંતુ કોઈપણ અન્ય અપસ્ટ્રીમ અથવા ડાઉનસ્ટ્રીમ સંબંધિત કોષ્ટક (કોષ્ટક A, B, C વગેરે) માં "વ્યક્તિ X" થી સંબંધિત તમામ રેકોર્ડ્સ પણ કાઢી નાખવા જોઈએ.
"ગ્રાહકો" કોષ્ટકમાંથી "રિચાર્ડ" ને દૂર કરીને ડેટા વોલ્યુમ ઘટાડવું, "ગ્રાહક" કોષ્ટકમાં "રિચાર્ડ" થી સંબંધિત તમામ રેકોર્ડ્સ કાઢી નાખવા જોઈએ, પરંતુ કોઈપણ અન્ય અપસ્ટ્રીમ અથવા ડાઉનસ્ટ્રીમ સંબંધિત કોષ્ટકમાં "રિચાર્ડ" સંબંધિત તમામ રેકોર્ડ્સ (ચુકવણી કોષ્ટક, ઘટના કોષ્ટક, વીમા કવરેજ કોષ્ટક વગેરે) પણ હોવા જોઈએ. કાઢી નાખ્યું
સબસેટિંગ સમગ્ર કોષ્ટકો પર કામ કરે છે
સબસેટિંગ સમગ્ર ડેટાબેઝમાં કામ કરે છે
સબસેટિંગ સમગ્ર સિસ્ટમમાં કામ કરે છે
તમે રિલેશનલ ડેટાબેઝને સબસેટ કરવા અને "લક્ષ્ય કોષ્ટક" પર આધારિત તમામ "લિંક કરેલ કોષ્ટકો" સબસેટ કરેલ છે તેની ખાતરી કરવા માટે તમે સિન્થો એન્જિનને ગોઠવી શકો છો.
પ્રમાણસર સબસેટિંગ ઉપરાંત, જ્યાં તમે ડેટા નિષ્કર્ષણ માટે ટકાવારીનો ઉલ્લેખ કરો છો, અમારી અદ્યતન ક્ષમતાઓ તમને સબસેટિંગ માટે લક્ષ્ય જૂથને ચોક્કસ રીતે વ્યાખ્યાયિત કરવાની મંજૂરી આપે છે. દા.ત.