Ենթակարգավորում

Կրճատեք գրառումները՝ հարաբերական տվյալների բազայի ավելի փոքր, ներկայացուցչական ենթաբազմություն ստեղծելու համար՝ պահպանելով հղումային ամբողջականությունը

ենթաբազմությունների գրաֆիկ

Ներածություն Ենթախմբավորում

Ի՞նչ է ենթակարգավորումը:

Նվազեցրեք գրառումների քանակը՝ պահպանված հղումային ամբողջականությամբ հարաբերական տվյալների բազայի ավելի փոքր ներկայացուցչական ենթաբազմություն ստեղծելու համար

Ինչու՞ են կազմակերպություններն օգտագործում ենթաբաժինները:

Շատ կազմակերպություններ ունեն մեծ քանակությամբ տվյալների արտադրական միջավայրեր և չեն ցանկանում հսկայական քանակությամբ տվյալներ ոչ արտադրական թեստային միջավայրերում: Հետևաբար, տվյալների բազայի ենթաբազմությունը օգտագործվում է ավելի մեծ հարաբերական տվյալների բազայի ավելի փոքր, ներկայացուցչական ենթաբազմություն ստեղծելու համար՝ պահպանված հղումային ամբողջականությամբ: Կազմակերպությունները օգտագործում են ենթակետերը թեստային տվյալների համար՝ ծախսերը նվազեցնելու, դրանք կառավարելի դարձնելու և ավելի արագ տեղադրման և պահպանման համար:

Նվազեցնել ենթակառուցվածքի և հաշվարկային ծախսերը

Տվյալների չափազանց մեծ ծավալները կարող են հանգեցնել բարձր ենթակառուցվածքի և հաշվողական ծախսերի, որոնք անհրաժեշտ չեն ոչ արտադրական միջավայրերում փորձարկման տվյալների համար: Ենթակարգավորման հնարավորություններով դուք հեշտությամբ կարող եք ստեղծել ձեր տվյալների ավելի փոքր ենթախմբեր՝ ձեր ծախսերը նվազեցնելու համար:

Կառավարելի թեստային տվյալներ թեստավորողների և մշակողների կողմից

Տվյալների հսկայական ծավալների կառավարումը ոչ արտադրական միջավայրերում մարտահրավերներ է ստեղծում փորձարկողների և մշակողների համար: Ավելի փոքր և դրանով իսկ ավելի կառավարելի թեստային տվյալներ՝ զգալիորեն պարզեցնելով թեստավորման և զարգացման գործընթացները՝ ի վերջո օպտիմալացնելով ամբողջ ցիկլը ժամանակի և ռեսուրսների առումով:

Փորձարկման տվյալների ավելի արագ կարգավորում և սպասարկում

Տվյալների փոքր ծավալները նպաստում են ոչ արտադրական թեստային միջավայրերի ավելի արագ և պարզ տեղադրմանը և պահպանմանը: Սա հատկապես կարևոր է ՏՏ բարդ լանդշաֆտներում և երբ տվյալների կառուցվածքների հաճախակի փոփոխությունները պահանջում են կանոնավոր թարմացումներ և թարմացումներ՝ թեստային տվյալների ներկայացուցչականությունն ապահովելու համար:

ենթաբազմությունների գրաֆիկ

Ի՞նչ է հղման ամբողջականությունը և ինչու է այն կարևոր:

Հղման ամբողջականությունը տվյալների բազայի կառավարման հայեցակարգ է, որն ապահովում է հարաբերական տվյալների բազայի աղյուսակների միջև հետևողականությունը և ճշգրտությունը: Հղման ամբողջականությունը կապահովի, որ յուրաքանչյուր արժեք, որը համապատասխանում է «Աղյուսակ 1»-ի «Անձ 1»-ին, համապատասխանում է «Աղյուսակ 1»-ի և ցանկացած այլ կապված աղյուսակի «անձ 2»-ի ճիշտ արժեքին:

Հղման ամբողջականության կիրառումը շատ կարևոր է հարաբերական տվյալների բազայում թեստային տվյալների հուսալիությունը պահպանելու համար՝ որպես ոչ արտադրական միջավայրերի մաս: Այն կանխում է տվյալների անհամապատասխանությունները և երաշխավորում է, որ աղյուսակների միջև հարաբերությունները բովանդակալից և հուսալի են պատշաճ փորձարկման և ծրագրային ապահովման մշակման համար:

Հարաբերական տվյալների բազայի միջավայրում փորձարկման տվյալները պետք է պահպանեն ռեֆերենցիոն ամբողջականությունը, որպեսզի դրանք օգտագործվեն: Հղման ամբողջականության պահպանումը ոչ արտադրական միջավայրերում, ինչպիսիք են փորձարկման և ծրագրային ապահովման մշակման համար օգտագործվող միջավայրերը, կարևոր է մի քանի պատճառներով.

Ենթակարգավորում, ոչ այնքան պարզ, որքան «պարզապես տվյալները ջնջելը»

Ենթակարգավորումը այնքան էլ հեշտ չէ, որքան պարզապես տվյալների ջնջումը, քանի որ բոլոր ներքև և վերին հոսանքով կապված կապակցված աղյուսակները պետք է համամասնորեն ենթախմբավորվեն՝ պահպանելու հղման ամբողջականությունը: Ենթախմբավորումն ապահովում է, որ ոչ միայն նպատակային աղյուսակի տվյալները ջնջվեն, այլ նաև ցանկացած այլ կապված աղյուսակի ցանկացած տվյալ, որը կապված է նպատակային աղյուսակից ջնջված տվյալների հետ: Սա ապահովում է, որ աղյուսակների, տվյալների բազաների և համակարգերի միջև հղումային ամբողջականությունը պահպանվի որպես տվյալների ջնջման մաս:

Տվյալների ծավալի կրճատում` հեռացնելով «Person X»-ը «աղյուսակ Y»-ից, «Աղյուսակ Y»-ում «X անձի» հետ կապված բոլոր գրառումները պետք է ջնջվեն, ինչպես նաև պետք է ջնջվեն «X անձի» հետ կապված բոլոր գրառումները ցանկացած այլ վերև կամ հոսանքով առնչվող աղյուսակում (աղյուսակ A, B, C և այլն):

Տվյալների ծավալի կրճատում` «Ռիչարդը» հեռացնելով «Հաճախորդներ» աղյուսակից, «Ռիչարդի» հետ կապված բոլոր գրառումները «Հաճախորդ» աղյուսակում պետք է ջնջվեն, ինչպես նաև պետք է ջնջվեն «Ռիչարդի» հետ կապված բոլոր գրառումները ցանկացած այլ առնչվող աղյուսակում (վճարման աղյուսակ, Միջադեպերի աղյուսակ, Ապահովագրական ծածկույթի աղյուսակ և այլն): ջնջված է։

Սեղանների միջով

Ենթախմբավորումն աշխատում է աղյուսակների միջև

Տվյալների բազաների միջև

Ենթախմբավորումն աշխատում է տվյալների բազաներում

Acros Systems

Ենթակարգավորումը գործում է համակարգերում

Արդյոք դուք ունեք որեւէ հարց.

Խոսեք մեր փորձագետներից մեկի հետ

Ինչպե՞ս կարող եմ օգտագործել ենթակետերը:

Համամասնական ենթադասավորում

Դուք կարող եք կարգավորել Syntho Engine-ը հարաբերական տվյալների բազայի ենթաբազմության և ապահովելու, որ բոլոր «կապված աղյուսակները» ենթաբազմացված լինեն «Թիրախային աղյուսակի» հիման վրա:

  • Թիրախային աղյուսակ. Օգտատերերը կարող են սահմանել թիրախային աղյուսակը որպես ենթաբաշխման ելակետ:
    • Օգտատերերը, օրինակ, կարող են սահմանել «Հիվանդների աղյուսակը» ենթասահմանել 5% կամ 500 հազար գրառում 10.000 հազար գրառումների փոխարեն:
  • Կապակցված աղյուսակներ. Սրանք բոլորն ուղղակի կամ անուղղակիորեն կապված աղյուսակներ են «Թիրախային աղյուսակին»: Աղյուսակների միջև կապերը կարող են ուղղակի լինել, օրինակ՝ թիրախային աղյուսակը, որը թվարկում է ալերգիաները, որոնք հղում են անում հիվանդների աղյուսակին օտարերկրյա բանալի կապի միջոցով, կամ անուղղակի, օրինակ՝ թիրախային աղյուսակը, որը հղում է կատարում հիվանդների աղյուսակին, որն իր հերթին հղում է անում հիվանդանոցի աղյուսակին:
    • Ենթակարգավորումը ապահովում է, որ բոլոր գրառումները կապված են ջնջված տվյալների հետ «Հիվանդների աղյուսակը» նույնպես կջնջվի: Օրինակում ենթախմբավորումը երաշխավորում է, որ ցանկացած «Կապված աղյուսակում» կան միայն տվյալներ, որոնք կապված են 5%-ի հետ (500k գրառում) և որ 95%-ի հետ կապված մնացած բոլոր տվյալները (10.000k – 500k = 9.500k գրառումներ) ջնջվում են։ ստեղծել հարաբերական տվյալների բազայի ավելի փոքր ներկայացուցչական ենթաբազմություն՝ պահպանված հղումային ամբողջականությամբ

Ենթախմբավորում՝ հիմնված բիզնեսի կանոնների վրա

Ի հավելումն համամասնական ենթախմբերի, որտեղ դուք նշում եք տվյալների արդյունահանման տոկոսը, մեր առաջադեմ հնարավորությունները թույլ են տալիս ճշգրիտ սահմանել ենթախմբավորման թիրախային խումբը: Օրինակ, դուք կարող եք նշել որոշակի ենթաբազմություններ ներառելու կամ բացառելու չափանիշներ՝ ապահովելով ավելի մեծ ճկունություն և վերահսկողություն տվյալների արդյունահանման գործընթացի նկատմամբ:

  • 60 տարեկանից փոքր և 30 տարեկանից բարձր հաճախորդներ և
  • Als տղամարդ հաճախորդներ
վաճառքի հաճախորդների սեղան

սինտո ուղեցույցի ծածկ

Պահպանեք ձեր սինթետիկ տվյալների ուղեցույցը հիմա: