સબસેટિંગ

રેફરન્શિયલ અખંડિતતા જાળવી રાખતી વખતે રિલેશનલ ડેટાબેઝના નાના, પ્રતિનિધિ સબસેટ બનાવવા માટે રેકોર્ડ્સ ઘટાડો

સબસેટિંગ ગ્રાફ

પરિચય સબસેટિંગ

સબસેટિંગ શું છે?

સાચવેલ સંદર્ભ અખંડિતતા સાથે રિલેશનલ ડેટાબેઝના નાના પ્રતિનિધિ સબસેટ બનાવવા માટે રેકોર્ડ્સની સંખ્યામાં ઘટાડો

શા માટે સંસ્થાઓ સબસેટિંગનો ઉપયોગ કરે છે?

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.

ઈન્ફ્રાસ્ટ્રક્ચર અને કોમ્પ્યુટેશનલ ખર્ચમાં ઘટાડો

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.

પરીક્ષકો અને વિકાસકર્તાઓ દ્વારા સંચાલિત પરીક્ષણ ડેટા

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.

ઝડપી ટેસ્ટ ડેટા સેટઅપ અને જાળવણી

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.

સબસેટિંગ ગ્રાફ

સંદર્ભ અખંડિતતા શું છે અને તે શા માટે મહત્વપૂર્ણ છે?

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, "માત્ર ડેટા કાઢી નાખવા" જેટલું સરળ નથી

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

એક્રોસ કોષ્ટકો

સબસેટિંગ સમગ્ર કોષ્ટકો પર કામ કરે છે

સમગ્ર ડેટાબેસેસ

સબસેટિંગ સમગ્ર ડેટાબેઝમાં કામ કરે છે

એક્રોસ સિસ્ટમ્સ

સબસેટિંગ સમગ્ર સિસ્ટમમાં કામ કરે છે

શું તમારી પાસે કોઈ પ્રશ્નો છે?

અમારા નિષ્ણાતોમાંથી એક સાથે વાત કરો

હું સબ-સેટિંગનો ઉપયોગ કેવી રીતે કરી શકું?

પ્રમાણસર સબસેટિંગ

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.

  • લક્ષ્ય કોષ્ટક: વપરાશકર્તાઓ લક્ષ્ય કોષ્ટકને સબસેટિંગ માટે પ્રારંભિક બિંદુ તરીકે વ્યાખ્યાયિત કરી શકે છે.
    • વપરાશકર્તાઓ ઉદાહરણ તરીકે 5k રેકોર્ડને બદલે 500% અથવા 10.000k રેકોર્ડ માટે "દર્દી કોષ્ટક" સબસેટ કરવા માટે વ્યાખ્યાયિત કરી શકે છે.
  • લિંક કરેલ કોષ્ટકો: આ બધા પ્રત્યક્ષ કે પરોક્ષ રીતે "લક્ષ્ય કોષ્ટક" સાથે જોડાયેલા કોષ્ટકો છે. કોષ્ટકો વચ્ચેની લિંક્સ સીધી હોઈ શકે છે, જેમ કે લક્ષ્ય કોષ્ટક સૂચિબદ્ધ એલર્જી કે જે વિદેશી કી સંબંધ દ્વારા દર્દીના ટેબલનો સંદર્ભ આપે છે, અથવા પરોક્ષ, જેમ કે દર્દીના ટેબલનો સંદર્ભ આપતું લક્ષ્ય ટેબલ, જે બદલામાં હોસ્પિટલના ટેબલનો સંદર્ભ આપે છે.
    • સબસેટિંગ એ સુનિશ્ચિત કરે છે કે માં કાઢી નાખેલા ડેટાથી સંબંધિત તમામ રેકોર્ડ "દર્દીનું ટેબલ" પણ કાઢી નાખવામાં આવશે. ઉદાહરણમાં, સબસેટિંગ એ સુનિશ્ચિત કરે છે કે કોઈપણ "લિંક કરેલ કોષ્ટક" માં ફક્ત 5% (500k રેકોર્ડ્સ) સાથે સંબંધિત ડેટા છે અને 95% (10.000k - 500k = 9.500k રેકોર્ડ્સ) થી સંબંધિત અન્ય તમામ ડેટા કાઢી નાખવામાં આવે છે. સાચવેલ સંદર્ભ અખંડિતતા સાથે રિલેશનલ ડેટાબેઝનો એક નાનો પ્રતિનિધિ સબસેટ બનાવવા માટે

વ્યવસાય નિયમો પર આધારિત સબસેટિંગ

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.

  • 60 વર્ષથી નાના અને 30 વર્ષથી વધુ ઉંમરના ગ્રાહકો અને
  • Als પુરૂષ ગ્રાહકો
વેચાણ ગ્રાહકો ટેબલ

સિન્થો માર્ગદર્શિકા કવર

તમારી કૃત્રિમ ડેટા માર્ગદર્શિકા હવે સાચવો!