उपसेटिंग

संदर्भात्मक अखंडता राखून रिलेशनल डेटाबेसचा एक छोटा, प्रतिनिधी उपसंच तयार करण्यासाठी रेकॉर्ड कमी करा

उपसेटिंग आलेख

परिचय उपसेटिंग

सबसेटिंग म्हणजे काय?

संरक्षित संदर्भीय अखंडतेसह रिलेशनल डेटाबेसचा एक छोटा प्रतिनिधी उपसंच तयार करण्यासाठी रेकॉर्डची संख्या कमी करा

संस्था उपसेटिंग का वापरतात?

बऱ्याच संस्थांमध्ये मोठ्या प्रमाणात डेटा असलेले उत्पादन वातावरण असते आणि त्यांना उत्पादन नसलेल्या चाचणी वातावरणात मोठ्या प्रमाणात डेटा नको असतो. म्हणून, डेटाबेस सबसेटिंगचा वापर संरक्षित संदर्भात्मक अखंडतेसह मोठ्या रिलेशनल डेटाबेसचा एक छोटा, प्रतिनिधी उपसंच तयार करण्यासाठी केला जातो. संस्था खर्च कमी करण्यासाठी, ते व्यवस्थापित करण्यायोग्य बनवण्यासाठी आणि जलद सेटअप आणि देखभाल करण्यासाठी चाचणी डेटासाठी उप-सेटिंगचा वापर करतात.

पायाभूत सुविधा आणि संगणकीय खर्च कमी करा

अत्यधिक डेटा व्हॉल्यूममुळे उच्च पायाभूत सुविधा आणि गणना खर्च होऊ शकतात, जे उत्पादन नसलेल्या वातावरणात चाचणी डेटासाठी अनावश्यक आहेत. सबसेटिंग क्षमतांसह, तुमचा खर्च कमी करण्यासाठी तुम्ही तुमच्या डेटाचे छोटे उपसंच सहजपणे तयार करू शकता.

परीक्षक आणि विकसकांद्वारे व्यवस्थापित चाचणी डेटा

गैर-उत्पादन वातावरणात प्रचंड डेटा व्हॉल्यूम व्यवस्थापित करणे परीक्षक आणि विकासकांसाठी आव्हाने आहेत. लहान आणि त्याद्वारे अधिक आटोपशीर चाचणी डेटा, चाचणी आणि विकास प्रक्रिया लक्षणीयरीत्या सुव्यवस्थित करते, शेवटी संपूर्ण चक्र वेळ आणि संसाधनांच्या दृष्टीने अनुकूल करते.

जलद चाचणी डेटा सेटअप आणि देखभाल

लहान डेटा व्हॉल्यूम जलद आणि अधिक सरळ सेटअप आणि गैर-उत्पादन चाचणी वातावरणाची देखभाल सुलभ करतात. हे विशेषतः जटिल IT लँडस्केपमध्ये संबंधित आहे आणि जेव्हा डेटा स्ट्रक्चर्समध्ये वारंवार बदल होत असतात तेव्हा चाचणी डेटाचे प्रतिनिधीत्व सुनिश्चित करण्यासाठी नियमित अद्यतने आणि रीफ्रेशची आवश्यकता असते.

उपसेटिंग आलेख

संदर्भात्मक अखंडता म्हणजे काय आणि ते महत्त्वाचे का आहे?

रेफरेंशियल इंटिग्रिटी ही डेटाबेस मॅनेजमेंटमधील एक संकल्पना आहे जी रिलेशनल डेटाबेसमधील टेबल्समधील सातत्य आणि अचूकता सुनिश्चित करते. रेफरेंशियल इंटिग्रिटी हे सुनिश्चित करेल की “टेबल 1” मधील “व्यक्ती 1” शी संबंधित असलेले प्रत्येक मूल्य “टेबल 1” मधील “व्यक्ती 2” च्या योग्य मूल्याशी आणि इतर कोणत्याही लिंक केलेल्या सारणीशी संबंधित आहे.

नॉन-प्रॉडक्शन वातावरणाचा भाग म्हणून रिलेशनल डेटाबेसमध्ये चाचणी डेटाची विश्वासार्हता राखण्यासाठी संदर्भात्मक अखंडतेची अंमलबजावणी करणे महत्त्वपूर्ण आहे. हे डेटाच्या विसंगतींना प्रतिबंधित करते आणि योग्य चाचणी आणि सॉफ्टवेअर विकासासाठी सारण्यांमधील संबंध अर्थपूर्ण आणि विश्वासार्ह असल्याची खात्री करते.

रिलेशनल डेटाबेस वातावरणात चाचणी डेटा वापरण्यायोग्य होण्यासाठी संदर्भात्मक अखंडता जपली पाहिजे. चाचणी आणि सॉफ्टवेअर डेव्हलपमेंटसाठी वापरल्या जाणाऱ्या गैर-उत्पादन वातावरणात संदर्भात्मक अखंडता राखणे अनेक कारणांसाठी महत्त्वाचे आहे:

सबसेटिंग, "फक्त डेटा हटवणे" इतके सोपे नाही

सबसेटिंग हे फक्त डेटा हटवण्याइतके सोपे नाही, कारण सर्व डाउनस्ट्रीम आणि अपस्ट्रीमशी संबंधित लिंक केलेल्या टेबल्स रेफरेंशियल अखंडतेचे रक्षण करण्यासाठी प्रमाणानुसार सबसेटिंग करणे आवश्यक आहे. सबसेटिंग हे सुनिश्चित करते की केवळ लक्ष्य सारणीमधील डेटा हटविला जात नाही, तर लक्ष्य सारणीमधून हटविलेल्या डेटाशी संबंधित इतर कोणत्याही लिंक केलेल्या सारणीतील डेटा हटविला जातो. हे सुनिश्चित करते की डेटा हटविण्याचा भाग म्हणून सारण्या, डेटाबेस आणि सिस्टममधील संदर्भात्मक अखंडता जतन केली जाते.

“Table Y” मधून “Person X” काढून डेटा व्हॉल्यूम कमी करणे, "टेबल Y" मधील "व्यक्ती X" शी संबंधित सर्व रेकॉर्ड हटवल्या जाव्यात, परंतु इतर कोणत्याही अपस्ट्रीम किंवा डाउनस्ट्रीम संबंधित सारणी (टेबल A, B, C इ.) मधील "व्यक्ती X" शी संबंधित सर्व रेकॉर्ड देखील हटवल्या पाहिजेत.

“ग्राहक” टेबलमधून “रिचर्ड” काढून डेटा व्हॉल्यूम कमी करणे, "ग्राहक" सारणीतील "रिचर्ड" शी संबंधित सर्व नोंदी हटवल्या पाहिजेत, परंतु इतर कोणत्याही अपस्ट्रीम किंवा डाउनस्ट्रीम संबंधित टेबलमधील "रिचर्ड" शी संबंधित सर्व रेकॉर्ड देखील (पेमेंट टेबल, घटना सारणी, विमा कव्हरेज टेबल इ.) देखील हटवल्या पाहिजेत. हटवले.

एक्रोस टेबल

सबसेटिंग टेबलवर कार्य करते

संपूर्ण डेटाबेस

सबसेटिंग डेटाबेसमध्ये कार्य करते

एक्रोस सिस्टम्स

सबसेटिंग सिस्टमवर कार्य करते

तुला काही प्रश्न आहेत का?

आमच्या तज्ञांपैकी एकाशी बोला

मी उप-सेटिंगचा वापर कसा करू शकतो?

आनुपातिक उपसेटिंग

रिलेशनल डेटाबेस सबसेट करण्यासाठी आणि "लक्ष्य सारणी" वर आधारित सर्व "लिंक केलेले टेबल्स" सबसेट केले आहेत याची खात्री करण्यासाठी तुम्ही सिंथो इंजिन कॉन्फिगर करू शकता.

  • लक्ष्य सारणी: उपसेटिंगसाठी वापरकर्ते लक्ष्य सारणीला प्रारंभ बिंदू म्हणून परिभाषित करू शकतात.
    • वापरकर्ते उदाहरणार्थ 5k रेकॉर्ड ऐवजी 500% किंवा 10.000k रेकॉर्ड वर "रुग्ण सारणी" सबसेट करण्यासाठी परिभाषित करू शकतात.
  • लिंक केलेले टेबल: हे सर्व थेट किंवा अप्रत्यक्षपणे "लक्ष्य सारणी" शी जोडलेले टेबल आहेत. सारण्यांमधील दुवे थेट असू शकतात, जसे की लक्ष्य सारणी सूचीबद्ध ऍलर्जी जे परदेशी की संबंधांद्वारे रुग्णांच्या टेबलचा संदर्भ देते किंवा अप्रत्यक्ष, जसे की रुग्णांच्या टेबलचा संदर्भ देणारे लक्ष्य टेबल, जे यामधून हॉस्पिटलच्या टेबलचा संदर्भ देते.
    • सबसेटिंग हे सुनिश्चित करते की मधील हटविलेल्या डेटाशी संबंधित सर्व रेकॉर्ड "रुग्ण सारणी" देखील हटविली जाईल. उदाहरणामध्ये, सबसेटिंग हे सुनिश्चित करते की कोणत्याही “लिंक केलेल्या टेबल” मध्ये फक्त 5% (500k रेकॉर्ड) शी संबंधित डेटा आहे आणि 95% (10.000k – 500k = 9.500k रेकॉर्ड) शी संबंधित इतर सर्व डेटा हटवला गेला आहे. संरक्षित संदर्भात्मक अखंडतेसह रिलेशनल डेटाबेसचा एक छोटा प्रतिनिधी उपसंच तयार करण्यासाठी

व्यवसाय नियमांवर आधारित उपसेटिंग

आनुपातिक सबसेटिंग व्यतिरिक्त, जिथे तुम्ही डेटा एक्सट्रॅक्शनसाठी टक्केवारी निर्दिष्ट करता, आमच्या प्रगत क्षमता तुम्हाला सबसेटिंगसाठी लक्ष्य गट अचूकपणे परिभाषित करण्यास अनुमती देतात. उदाहरणार्थ, डेटा काढण्याच्या प्रक्रियेवर अधिक लवचिकता आणि नियंत्रण प्रदान करून, विशिष्ट उपसंच समाविष्ट करण्यासाठी किंवा वगळण्यासाठी तुम्ही निकष निर्दिष्ट करू शकता.

  • 60 वर्षांपेक्षा लहान आणि 30 वर्षांपेक्षा मोठे ग्राहक आणि
  • तसेच पुरुष ग्राहक
विक्री ग्राहक टेबल

सिंथो मार्गदर्शक कव्हर

तुमचा सिंथेटिक डेटा मार्गदर्शक आता जतन करा!