Sub-pengaturan

Kurangi catatan untuk membuat subset database relasional yang lebih kecil dan representatif dengan tetap menjaga integritas referensial

grafik subset

Pendahuluan Subsetting

Apa itu subsetting?

Kurangi jumlah rekaman untuk membuat subset representatif yang lebih kecil dari database relasional dengan integritas referensial yang terjaga

Mengapa organisasi menggunakan subsetting?

Banyak organisasi memiliki lingkungan produksi dengan data dalam jumlah besar dan tidak menginginkan data dalam jumlah besar di lingkungan pengujian non-produksi. Oleh karena itu, subset database digunakan untuk membuat subset yang lebih kecil dan representatif dari database relasional yang lebih besar dengan integritas referensial yang terjaga. Organisasi menggunakan sub-pengaturan untuk data pengujian guna mengurangi biaya, agar dapat dikelola, serta untuk penyiapan dan pemeliharaan yang lebih cepat.

Mengurangi biaya infrastruktur dan komputasi

Volume data yang berlebihan dapat menyebabkan biaya infrastruktur dan komputasi yang tinggi, yang tidak diperlukan untuk data pengujian di lingkungan non-produksi. Dengan kemampuan subset, Anda dapat dengan mudah membuat subset data yang lebih kecil untuk mengurangi biaya.

Data pengujian yang dapat dikelola oleh penguji dan pengembang

Mengelola volume data yang besar di lingkungan non-produksi menimbulkan tantangan bagi penguji dan pengembang. Data pengujian yang lebih kecil sehingga lebih mudah dikelola, secara signifikan menyederhanakan proses pengujian dan pengembangan, yang pada akhirnya mengoptimalkan seluruh siklus dalam hal waktu dan sumber daya.

Penyiapan dan pemeliharaan data pengujian lebih cepat

Volume data yang lebih kecil memfasilitasi penyiapan dan pemeliharaan lingkungan pengujian non-produksi yang lebih cepat dan mudah. Hal ini sangat relevan dalam lanskap TI yang kompleks dan ketika perubahan yang sering terjadi pada struktur data memerlukan pembaruan dan penyegaran rutin untuk memastikan keterwakilan data pengujian.

grafik subset

Apa itu integritas referensial dan mengapa itu penting?

Integritas referensial adalah sebuah konsep dalam manajemen database yang menjamin konsistensi dan akurasi antar tabel dalam database relasional. Integritas referensial akan memastikan bahwa setiap nilai yang sesuai dengan “Orang 1” dari “Tabel 1” sesuai dengan nilai yang benar dari “orang 1” di “Tabel 2” dan tabel terkait lainnya.

Menerapkan integritas referensial sangat penting untuk menjaga keandalan data pengujian dalam database relasional sebagai bagian dari lingkungan non-produksi. Ini mencegah inkonsistensi data dan memastikan bahwa hubungan antar tabel bermakna dan dapat diandalkan untuk pengujian dan pengembangan perangkat lunak yang tepat.

Data pengujian dalam lingkungan database relasional harus menjaga integritas referensial agar dapat digunakan. Mempertahankan integritas referensial di lingkungan non-produksi, seperti yang digunakan untuk pengujian dan pengembangan perangkat lunak, penting karena beberapa alasan:

Subsetting, tidak sesederhana “hanya menghapus data”

Subsetting tidak semudah menghapus data, karena semua tabel tertaut downstream dan upstream harus disubsetting secara proporsional untuk menjaga integritas referensial. Subsetting memastikan bahwa tidak hanya data dalam tabel target yang dihapus, tetapi juga data apa pun dalam tabel tertaut lainnya yang terkait dengan data yang dihapus dari tabel target akan dihapus. Hal ini memastikan integritas referensial di seluruh tabel, database, dan sistem dipertahankan sebagai bagian dari penghapusan data.

Mengurangi volume data dengan menghapus “Orang X” dari “Tabel Y”, semua catatan yang terkait dengan “Orang X” di “Tabel Y” harus dihapus, tetapi juga semua catatan yang terkait dengan “Orang X” di tabel terkait hulu atau hilir lainnya (tabel A, B, C, dll.) juga harus dihapus.

Mengurangi volume data dengan menghapus “Richard” dari tabel “Pelanggan”., semua catatan yang terkait dengan “Richard” di tabel “Pelanggan” harus dihapus, tetapi juga semua catatan yang terkait dengan “Richard” di tabel terkait hulu atau hilir lainnya (tabel Pembayaran, tabel Insiden, Tabel Pertanggungan Asuransi, dll.) juga harus dihapus dihapus.

Di seberang meja

Subsetting berfungsi di seluruh tabel

Di seluruh database

Subsetting berfungsi di seluruh database

Di Seluruh Sistem

Subsetting berfungsi di seluruh sistem

Anda punya pertanyaan?

Bicaralah dengan salah satu pakar kami

Bagaimana cara memanfaatkan sub-pengaturan?

Subset proporsional

Anda dapat mengonfigurasi Mesin Syntho untuk mengelompokkan database relasional dan memastikan bahwa semua “tabel tertaut” disubset berdasarkan “Tabel Target”.

  • Tabel sasaran: Pengguna dapat menentukan tabel target sebagai titik awal untuk subsetting.
    • Misalnya, pengguna dapat menentukan subset “Tabel Pasien” menjadi 5% atau 500 ribu data, bukan 10.000 ribu data.
  • Tabel tertaut: Ini semua adalah tabel yang terhubung langsung atau tidak langsung ke “Tabel Target”. Tautan antar tabel mungkin bersifat langsung, seperti tabel target yang mencantumkan alergi yang mereferensikan tabel pasien melalui hubungan kunci asing, atau tidak langsung, seperti tabel target yang merujuk ke tabel pasien, yang pada gilirannya merujuk ke tabel rumah sakit.
    • Subsetting memastikan bahwa semua catatan yang terkait dengan data yang dihapus di “Meja Pasien” juga akan dihapus. Dalam contoh, subsetting memastikan bahwa dalam “Tabel Tertaut” mana pun hanya ada data yang terkait dengan 5% (500 ribu catatan) dan semua data lain yang terkait dengan 95% (10.000 ribu – 500 ribu = 9.500 ribu catatan) dihapus untuk membuat subset representatif yang lebih kecil dari database relasional dengan integritas referensial yang terjaga

Subsetting berdasarkan aturan bisnis

Selain subsetting proporsional, di mana Anda menentukan persentase ekstraksi data, kemampuan lanjutan kami memungkinkan Anda menentukan grup target subsetting secara tepat. Misalnya, Anda dapat menentukan kriteria untuk menyertakan atau mengecualikan subkumpulan tertentu, sehingga memberikan fleksibilitas dan kontrol yang lebih besar terhadap proses ekstraksi data

  • Pelanggan yang lebih muda dari 60 tahun dan lebih tua dari 30 tahun dan
  • Juga Pelanggan pria
tabel pelanggan penjualan

sampul panduan syntho

Simpan panduan data sintetis Anda sekarang!