ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳು ಅವನತಿ ಹೊಂದುತ್ತವೆಯೇ? ಡೇಟಾಬೇಸ್‌ಗಳ ಸಾರ ಮತ್ತು ರಚನೆ

ಡೇಟಾ ಮಾದರಿಯು ಡೇಟಾ ರಚನೆಗಳು ಮತ್ತು ಅವುಗಳ ಪ್ರಕ್ರಿಯೆಗಾಗಿ ಕಾರ್ಯಾಚರಣೆಗಳ ಒಂದು ಗುಂಪಾಗಿದೆ. ಡೇಟಾ ಮಾದರಿಯನ್ನು ಬಳಸಿಕೊಂಡು, ನೀವು ವಸ್ತುಗಳ ರಚನೆ ಮತ್ತು ಅವುಗಳ ನಡುವೆ ಸ್ಥಾಪಿಸಲಾದ ಸಂಬಂಧಗಳನ್ನು ದೃಷ್ಟಿಗೋಚರವಾಗಿ ಪ್ರತಿನಿಧಿಸಬಹುದು. ಡೇಟಾ ಮಾದರಿಯ ಪರಿಭಾಷೆಯನ್ನು "ಡೇಟಾ ಎಲಿಮೆಂಟ್" ಮತ್ತು "ಬೈಂಡಿಂಗ್ ನಿಯಮಗಳು" ಎಂಬ ಪರಿಕಲ್ಪನೆಗಳಿಂದ ನಿರೂಪಿಸಲಾಗಿದೆ. ಡೇಟಾ ಅಂಶವು ಯಾವುದೇ ಡೇಟಾದ ಗುಂಪನ್ನು ವಿವರಿಸುತ್ತದೆ ಮತ್ತು ಅಸೋಸಿಯೇಷನ್ ನಿಯಮಗಳು ಡೇಟಾ ಅಂಶಗಳನ್ನು ಪರಸ್ಪರ ಸಂಪರ್ಕಿಸಲು ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುತ್ತದೆ. ಇಲ್ಲಿಯವರೆಗೆ, ಹಲವಾರು ವಿಭಿನ್ನ ಡೇಟಾ ಮಾದರಿಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ, ಆದರೆ ಪ್ರಾಯೋಗಿಕವಾಗಿ ಮೂರು ಮುಖ್ಯವಾದವುಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ಕ್ರಮಾನುಗತ, ನೆಟ್ವರ್ಕ್ ಮತ್ತು ಸಂಬಂಧಿತ ಡೇಟಾ ಮಾದರಿಗಳಿವೆ. ಅಂತೆಯೇ, ಅವರು ಕ್ರಮಾನುಗತ, ನೆಟ್ವರ್ಕ್ ಮತ್ತು ಸಂಬಂಧಿತ DBMS ಗಳ ಬಗ್ಗೆ ಮಾತನಾಡುತ್ತಾರೆ.

O ಶ್ರೇಣೀಕೃತ ಡೇಟಾ ಮಾದರಿ. ಕ್ರಮಾನುಗತವಾಗಿ ಸಂಘಟಿತ ಡೇಟಾವು ದೈನಂದಿನ ಜೀವನದಲ್ಲಿ ತುಂಬಾ ಸಾಮಾನ್ಯವಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ಉನ್ನತ ಶಿಕ್ಷಣ ಸಂಸ್ಥೆಯ ರಚನೆಯು ಬಹು ಹಂತದ ಕ್ರಮಾನುಗತ ರಚನೆಯಾಗಿದೆ. ಕ್ರಮಾನುಗತ (ಮರ) ಡೇಟಾಬೇಸ್ ಆದೇಶಿಸಿದ ಅಂಶಗಳ ಗುಂಪನ್ನು ಒಳಗೊಂಡಿದೆ. ಈ ಮಾದರಿಯಲ್ಲಿ, ಆರಂಭಿಕ ಅಂಶಗಳು ಇತರ ಅಂಶಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತವೆ ಮತ್ತು ಈ ಅಂಶಗಳು ಪ್ರತಿಯಾಗಿ ಮತ್ತಷ್ಟು ಅಂಶಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತವೆ. ಪ್ರತಿಯೊಂದು ಮಗುವಿನ ಅಂಶವು ಕೇವಲ ಒಂದು ಪೋಷಕ ಅಂಶವನ್ನು ಹೊಂದಿರುತ್ತದೆ.

ಸಾಂಸ್ಥಿಕ ರಚನೆಗಳು, ವಸ್ತುಗಳ ಪಟ್ಟಿಗಳು, ಪುಸ್ತಕಗಳಲ್ಲಿನ ವಿಷಯಗಳ ಕೋಷ್ಟಕಗಳು, ಯೋಜನಾ ಯೋಜನೆಗಳು ಮತ್ತು ಇತರ ಅನೇಕ ಡೇಟಾ ಸೆಟ್ಗಳನ್ನು ಕ್ರಮಾನುಗತ ರೂಪದಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಬಹುದು. ಪೂರ್ವಜರು ಮತ್ತು ವಂಶಸ್ಥರ ನಡುವಿನ ಸಂಪರ್ಕಗಳ ಸಮಗ್ರತೆಯನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ನಿರ್ವಹಿಸಲಾಗುತ್ತದೆ. ಮೂಲ ನಿಯಮ: ಪೋಷಕರು ಇಲ್ಲದೆ ಯಾವುದೇ ಮಗು ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲ.

ಈ ಮಾದರಿಯ ಮುಖ್ಯ ಅನನುಕೂಲವೆಂದರೆ ವಿನ್ಯಾಸದ ಸಮಯದಲ್ಲಿ ಡೇಟಾಬೇಸ್ನ ಆಧಾರವಾಗಿರುವ ಕ್ರಮಾನುಗತವನ್ನು ಬಳಸುವ ಅಗತ್ಯತೆಯಾಗಿದೆ. ಡೇಟಾದ ನಿರಂತರ ಮರುಸಂಘಟನೆಯ ಅಗತ್ಯವು (ಮತ್ತು ಆಗಾಗ್ಗೆ ಈ ಮರುಸಂಘಟನೆಯ ಅಸಾಧ್ಯತೆ) ಹೆಚ್ಚು ಸಾಮಾನ್ಯ ಮಾದರಿಯ ರಚನೆಗೆ ಕಾರಣವಾಯಿತು - ನೆಟ್ವರ್ಕ್ ಮಾದರಿ.

O ನೆಟ್‌ವರ್ಕ್ ಡೇಟಾ ಮಾದರಿ. ಡೇಟಾ ಸಂಘಟನೆಗೆ ನೆಟ್‌ವರ್ಕ್ ವಿಧಾನವು ಶ್ರೇಣೀಕೃತ ವಿಧಾನದ ವಿಸ್ತರಣೆಯಾಗಿದೆ. ಈ ಮಾದರಿಯು ಕ್ರಮಾನುಗತದಿಂದ ಭಿನ್ನವಾಗಿದೆ, ಇದರಲ್ಲಿ ಪ್ರತಿ ಉತ್ಪತ್ತಿಯಾದ ಅಂಶವು ಒಂದಕ್ಕಿಂತ ಹೆಚ್ಚು ಉತ್ಪಾದಿಸುವ ಅಂಶವನ್ನು ಹೊಂದಿರುತ್ತದೆ. ■

ನೆಟ್‌ವರ್ಕ್ ಡೇಟಾಬೇಸ್ ಅನುಗುಣವಾದ ಸಂಸ್ಥೆಯ ಡೇಟಾದಲ್ಲಿ ಅಂತರ್ಗತವಾಗಿರುವ ಎಲ್ಲಾ ರೀತಿಯ ಸಂಬಂಧಗಳನ್ನು ನೇರವಾಗಿ ಪ್ರತಿನಿಧಿಸುವುದರಿಂದ, ಈ ಡೇಟಾವನ್ನು ನ್ಯಾವಿಗೇಟ್ ಮಾಡಬಹುದು, ಅನ್ವೇಷಿಸಬಹುದು ಮತ್ತು ವಿವಿಧ ರೀತಿಯಲ್ಲಿ ಪ್ರಶ್ನಿಸಬಹುದು, ಅಂದರೆ, ನೆಟ್‌ವರ್ಕ್ ಮಾದರಿಯು ಕೇವಲ ಒಂದು ಕ್ರಮಾನುಗತದಿಂದ ಬದ್ಧವಾಗಿಲ್ಲ. ಆದಾಗ್ಯೂ, ನೆಟ್‌ವರ್ಕ್ ಡೇಟಾಬೇಸ್‌ಗೆ ವಿನಂತಿಯನ್ನು ಮಾಡಲು, ಅದರ ರಚನೆಯನ್ನು ಆಳವಾಗಿ ಅಧ್ಯಯನ ಮಾಡುವುದು ಅವಶ್ಯಕ (ಈ ಡೇಟಾಬೇಸ್‌ನ ಸ್ಕೀಮಾವನ್ನು ಕೈಯಲ್ಲಿ ಹೊಂದಿರಿ) ಮತ್ತು ಡೇಟಾಬೇಸ್ ಅನ್ನು ನ್ಯಾವಿಗೇಟ್ ಮಾಡಲು ಕಾರ್ಯವಿಧಾನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು ಈ ಡೇಟಾಬೇಸ್ ಮಾದರಿಯ ಗಮನಾರ್ಹ ನ್ಯೂನತೆಯಾಗಿದೆ. .

O ಸಂಬಂಧಿತ ಡೇಟಾ ಮಾದರಿ. ಸಂಬಂಧಿತ ಡೇಟಾ ಮಾದರಿಯ ಮೂಲ ಕಲ್ಪನೆಯು ಯಾವುದೇ ಡೇಟಾವನ್ನು ಎರಡು ಆಯಾಮದ ಕೋಷ್ಟಕವಾಗಿ ಪ್ರತಿನಿಧಿಸುವುದು. ಅದರ ಸರಳ ರೂಪದಲ್ಲಿ, ಸಂಬಂಧಿತ ಮಾದರಿಯು ಒಂದೇ ಎರಡು ಆಯಾಮದ ಕೋಷ್ಟಕವನ್ನು ವಿವರಿಸುತ್ತದೆ, ಆದರೆ ಹೆಚ್ಚಾಗಿ, ಮಾದರಿಯು ಹಲವಾರು ವಿಭಿನ್ನ ಕೋಷ್ಟಕಗಳ ನಡುವಿನ ರಚನೆ ಮತ್ತು ಸಂಬಂಧಗಳನ್ನು ವಿವರಿಸುತ್ತದೆ.

ಸಂಬಂಧಿತ ಡೇಟಾ ಮಾದರಿ

ಆದ್ದರಿಂದ, ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಯ ಉದ್ದೇಶ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವುದು ಡೇಟಾಸುಮಾರು ವಸ್ತುಗಳುನೈಜ ಪ್ರಪಂಚ, ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು ಸಂಪರ್ಕಗಳುವಸ್ತುಗಳ ನಡುವೆ. ಡೇಟಾಬೇಸ್ ಸಿದ್ಧಾಂತದಲ್ಲಿ, ಡೇಟಾವನ್ನು ಹೆಚ್ಚಾಗಿ ಕರೆಯಲಾಗುತ್ತದೆ ಗುಣಲಕ್ಷಣಗಳು, ಮತ್ತುವಸ್ತುಗಳು - ಘಟಕಗಳು.ವಸ್ತು, ಗುಣಲಕ್ಷಣ ಮತ್ತು ಸಂಪರ್ಕವು I.S ನ ಮೂಲಭೂತ ಪರಿಕಲ್ಪನೆಗಳಾಗಿವೆ.

ಒಂದು ವಸ್ತು(ಅಥವಾ ಸಾರ) ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ ಮತ್ತು ಗುರುತಿಸಬಹುದಾದ,ಅಂದರೆ, ಒಂದು ವಸ್ತುವನ್ನು "ಏನಾದರೂ" ಎಂದು ಕರೆಯಬಹುದು, ಇದಕ್ಕಾಗಿ ಒಂದು ಹೆಸರು ಮತ್ತು ಒಂದು ರೀತಿಯ ವಸ್ತುವನ್ನು ಇನ್ನೊಂದರಿಂದ ಪ್ರತ್ಯೇಕಿಸಲು ಒಂದು ಮಾರ್ಗವಿದೆ. ಉದಾಹರಣೆಗೆ, ಪ್ರತಿಯೊಂದು ಶಾಲೆಯು ಒಂದು ವಸ್ತುವಾಗಿದೆ. ಆಬ್ಜೆಕ್ಟ್‌ಗಳು ಸಹ ಒಬ್ಬ ವ್ಯಕ್ತಿ, ಶಾಲೆಯಲ್ಲಿ ಒಂದು ವರ್ಗ, ಕಂಪನಿ, ಮಿಶ್ರಲೋಹ, ರಾಸಾಯನಿಕ ಸಂಯುಕ್ತ, ಇತ್ಯಾದಿ. ವಸ್ತುಗಳು ಕೇವಲ ಭೌತಿಕ ವಸ್ತುಗಳಾಗಿರಬಹುದು, ಆದರೆ ನೈಜ ಪ್ರಪಂಚವನ್ನು ಪ್ರತಿಬಿಂಬಿಸುವ ಹೆಚ್ಚು ಅಮೂರ್ತ ಪರಿಕಲ್ಪನೆಗಳು. ಉದಾಹರಣೆಗೆ, ಘಟನೆಗಳು, ಪ್ರದೇಶಗಳು, ಕಲಾಕೃತಿಗಳು; ಪುಸ್ತಕಗಳು (ಮುದ್ರಿತ ಉತ್ಪನ್ನಗಳಾಗಿ ಅಲ್ಲ, ಆದರೆ ಕೃತಿಗಳಾಗಿ), ನಾಟಕೀಯ ಪ್ರದರ್ಶನಗಳು, ಚಲನಚಿತ್ರಗಳು; ಕಾನೂನು ನಿಯಮಗಳು, ತಾತ್ವಿಕ ಸಿದ್ಧಾಂತಗಳು, ಇತ್ಯಾದಿ.

ಗುಣಲಕ್ಷಣ(ಅಥವಾ ನೀಡಿದ)- ಇದು ನಿರ್ದಿಷ್ಟ ವಸ್ತುವನ್ನು ನಿರೂಪಿಸುವ ಒಂದು ನಿರ್ದಿಷ್ಟ ಸೂಚಕವಾಗಿದೆ ಮತ್ತು ವಸ್ತುವಿನ ನಿರ್ದಿಷ್ಟ ನಿದರ್ಶನಕ್ಕಾಗಿ ನಿರ್ದಿಷ್ಟ ಸಂಖ್ಯಾ, ಪಠ್ಯ ಅಥವಾ ಇತರ ಮೌಲ್ಯವನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಯು ನಿರ್ದಿಷ್ಟ ವಿಷಯದ ಪ್ರದೇಶಕ್ಕೆ ಸಂಬಂಧಿಸಿದಂತೆ ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ವಸ್ತುಗಳ ಸೆಟ್ಗಳೊಂದಿಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಗುಣಲಕ್ಷಣ ಮೌಲ್ಯಗಳುಕೆಲವು ವಸ್ತುಗಳ (ಡೇಟಾ). ಉದಾಹರಣೆಗೆ, ಒಂದು ಶಾಲೆಯಲ್ಲಿ ತರಗತಿಗಳನ್ನು ವಸ್ತುಗಳ ಗುಂಪಾಗಿ ತೆಗೆದುಕೊಳ್ಳೋಣ. ಒಂದು ತರಗತಿಯಲ್ಲಿನ ವಿದ್ಯಾರ್ಥಿಗಳ ಸಂಖ್ಯೆಯು ಸಂಖ್ಯಾ ಮೌಲ್ಯವನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ದತ್ತಾಂಶವಾಗಿದೆ (ಒಂದು ವರ್ಗವು 28 ಅನ್ನು ಹೊಂದಿದೆ, ಇನ್ನೊಂದು 32 ಅನ್ನು ಹೊಂದಿದೆ). ವರ್ಗದ ಹೆಸರು ಪಠ್ಯ ಮೌಲ್ಯವನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಒಂದು ನಿರ್ದಿಷ್ಟವಾದದ್ದು (ಒಂದರಲ್ಲಿ 10A, ಇನ್ನೊಂದು 9B, ಇತ್ಯಾದಿ).

ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳ ಅಭಿವೃದ್ಧಿಯು 60 ರ ದಶಕದ ಉತ್ತರಾರ್ಧದಲ್ಲಿ ಪ್ರಾರಂಭವಾಯಿತು, ಚರ್ಚಿಸಿದ ಮೊದಲ ಕೃತಿಗಳು ಕಾಣಿಸಿಕೊಂಡಾಗ; ದತ್ತಸಂಚಯಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವಾಗ - ಟ್ಯಾಬ್ಯುಲರ್ ಡೇಟಾಲಾಜಿಕಲ್ ಮಾದರಿಗಳು ಎಂದು ಕರೆಯಲ್ಪಡುವ - ಡೇಟಾವನ್ನು ಪ್ರಸ್ತುತಪಡಿಸುವ ಪರಿಚಿತ ಮತ್ತು ನೈಸರ್ಗಿಕ ವಿಧಾನಗಳನ್ನು ಬಳಸುವ ಸಾಧ್ಯತೆ.

ಸಂಬಂಧಿತ ದತ್ತಸಂಚಯಗಳ ಸಿದ್ಧಾಂತದ ಸ್ಥಾಪಕನನ್ನು IBM ಉದ್ಯೋಗಿ ಎಂದು ಪರಿಗಣಿಸಲಾಗಿದೆ, ಡಾ. ಇ. ಕಾಡ್, ಅವರು ಜೂನ್ 6, 1970 ರಂದು ಲೇಖನವನ್ನು ಪ್ರಕಟಿಸಿದರು. ದೊಡ್ಡ-ಹಂಚಿಕೆಯ ಡೇಟಾ ಬ್ಯಾಂಕ್‌ಗಳಿಗಾಗಿ ಡೇಟಾದ ಸಂಬಂಧಿತ ಮಾದರಿ(ದೊಡ್ಡ ಸಾಮೂಹಿಕ ಡೇಟಾ ಬ್ಯಾಂಕ್‌ಗಳಿಗೆ ಸಂಬಂಧಿತ ಡೇಟಾ ಮಾದರಿ). ಈ ಲೇಖನವು "ಸಂಬಂಧಿತ ಡೇಟಾ ಮಾದರಿ" ಎಂಬ ಪದವನ್ನು ಮೊದಲು ಬಳಸಿದೆ. 70 ರ ದಶಕದಲ್ಲಿ USA ನಲ್ಲಿ ಡಾ. ಇ. ಕಾಡ್ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳ ಸಿದ್ಧಾಂತವು ಪ್ರಬಲವಾದ ಗಣಿತದ ಆಧಾರವನ್ನು ಹೊಂದಿದೆ, ಅದು ಡೇಟಾವನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಸಂಘಟಿಸುವ ನಿಯಮಗಳನ್ನು ವಿವರಿಸುತ್ತದೆ. E. ಕಾಡ್ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಸೈದ್ಧಾಂತಿಕ ಚೌಕಟ್ಟು ಡೇಟಾಬೇಸ್ ವಿನ್ಯಾಸದ ಸಿದ್ಧಾಂತದ ಅಭಿವೃದ್ಧಿಗೆ ಆಧಾರವಾಯಿತು.

E. ಕಾಡ್, ತರಬೇತಿಯ ಮೂಲಕ ಗಣಿತಜ್ಞನಾಗಿರುವುದರಿಂದ, ಡೇಟಾ ಸಂಸ್ಕರಣೆಗಾಗಿ ಸೆಟ್ ಸಿದ್ಧಾಂತದ (ಯೂನಿಯನ್, ಛೇದಕ, ವ್ಯತ್ಯಾಸ, ಕಾರ್ಟೇಸಿಯನ್ ಉತ್ಪನ್ನ) ಉಪಕರಣವನ್ನು ಬಳಸಲು ಪ್ರಸ್ತಾಪಿಸಿದರು. ಗಣಿತಶಾಸ್ತ್ರದಲ್ಲಿ "ಸಂಬಂಧಗಳು" ಎಂದು ಕರೆಯಲ್ಪಡುವ ವಿಶೇಷ ರೀತಿಯ ಎರಡು ಆಯಾಮದ ಕೋಷ್ಟಕಗಳ ರೂಪದಲ್ಲಿ ಯಾವುದೇ ಡೇಟಾವನ್ನು ಪ್ರತಿನಿಧಿಸಬಹುದು ಎಂದು ಅವರು ಸಾಬೀತುಪಡಿಸಿದರು.

ಸಂಬಂಧಿತಡೇಟಾಬೇಸ್ ಅನ್ನು ಡೇಟಾ ಮೌಲ್ಯಗಳ ಆಯತಾಕಾರದ ಕೋಷ್ಟಕಗಳ ರೂಪದಲ್ಲಿ ಬಳಕೆದಾರರಿಗೆ ಪ್ರಸ್ತುತಪಡಿಸುವ ಡೇಟಾಬೇಸ್ ಎಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿನ ಎಲ್ಲಾ ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ಕೋಷ್ಟಕಗಳೊಂದಿಗೆ ಮ್ಯಾನಿಪ್ಯುಲೇಷನ್‌ಗಳಿಗೆ ಇಳಿಸಲಾಗುತ್ತದೆ.

ಟೇಬಲ್ ಒಳಗೊಂಡಿದೆ ಕಾಲಮ್‌ಗಳು (ಕ್ಷೇತ್ರಗಳು)ಮತ್ತು ಸಾಲುಗಳು (ದಾಖಲೆಗಳು);ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ ವಿಶಿಷ್ಟವಾದ ಹೆಸರನ್ನು ಹೊಂದಿದೆ. ಟೇಬಲ್ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ ವಸ್ತುವಿನ ಪ್ರಕಾರನಿಜ ಪ್ರಪಂಚ (ಸಂಸ್ಥೆ),ಮತ್ತು ಅವಳ ಪ್ರತಿಯೊಂದು ಸ್ಟ್ರಿಂಗ್ ಒಂದು ನಿರ್ದಿಷ್ಟ ವಸ್ತುವಾಗಿದೆ.ಪ್ರತಿಯೊಂದು ಟೇಬಲ್ ಕಾಲಮ್ ವಸ್ತುವಿನ ನಿರ್ದಿಷ್ಟ ಗುಣಲಕ್ಷಣಕ್ಕಾಗಿ ಮೌಲ್ಯಗಳ ಸಂಗ್ರಹವಾಗಿದೆ. ಆಬ್ಜೆಕ್ಟ್ ಗುಣಲಕ್ಷಣಕ್ಕಾಗಿ ಎಲ್ಲಾ ಸಂಭಾವ್ಯ ಮೌಲ್ಯಗಳ ಗುಂಪಿನಿಂದ ಮೌಲ್ಯಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಲಾಗುತ್ತದೆ, ಇದನ್ನು ಕರೆಯಲಾಗುತ್ತದೆ ಡೊಮೇನ್.

ಅದರ ಅತ್ಯಂತ ಸಾಮಾನ್ಯ ರೂಪದಲ್ಲಿ, ಡೊಮೇನ್‌ನ ಅಂಶಗಳು ಸೇರಿರುವ ಕೆಲವು ಮೂಲ ಡೇಟಾ ಪ್ರಕಾರವನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸುವ ಮೂಲಕ ಡೊಮೇನ್ ಅನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಡೇಟಾ ಅಂಶಗಳಿಗೆ ಅನಿಯಂತ್ರಿತ ಬೂಲಿಯನ್ ಅಭಿವ್ಯಕ್ತಿ ಅನ್ವಯಿಸಲಾಗುತ್ತದೆ. ಡೇಟಾ ಐಟಂನಲ್ಲಿ ನೀವು ಬೂಲಿಯನ್ ಸ್ಥಿತಿಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದರೆ ಮತ್ತು ಫಲಿತಾಂಶವು ನಿಜವಾಗಿದ್ದರೆ, ಆ ಐಟಂ ಡೊಮೇನ್‌ಗೆ ಸೇರಿದೆ. ಸರಳವಾದ ಸಂದರ್ಭದಲ್ಲಿ, ಡೊಮೇನ್ ಅನ್ನು ಒಂದೇ ರೀತಿಯ ಮೌಲ್ಯಗಳ ಮಾನ್ಯ ಸಂಭಾವ್ಯ ಸೆಟ್ ಎಂದು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ಎಲ್ಲಾ ಉದ್ಯೋಗಿಗಳ ಜನ್ಮ ದಿನಾಂಕಗಳ ಸಂಗ್ರಹವು "ಜನ್ಮದಿನಾಂಕ ಡೊಮೇನ್" ಅನ್ನು ರೂಪಿಸುತ್ತದೆ ಮತ್ತು ಎಲ್ಲಾ ಉದ್ಯೋಗಿಗಳ ಹೆಸರುಗಳು "ಉದ್ಯೋಗಿಗಳ ಹೆಸರು ಡೊಮೇನ್" ಅನ್ನು ರೂಪಿಸುತ್ತದೆ. ಜನ್ಮದಿನಾಂಕದ ಡೊಮೇನ್ ಪಾಯಿಂಟ್-ಇನ್-ಟೈಮ್ ಡೇಟಾ ಪ್ರಕಾರವನ್ನು ಹೊಂದಿರಬೇಕು ಮತ್ತು ಉದ್ಯೋಗಿ ಹೆಸರಿನ ಡೊಮೇನ್ ಅಕ್ಷರ ಡೇಟಾ ಪ್ರಕಾರವನ್ನು ಹೊಂದಿರಬೇಕು.

ಎರಡು ಮೌಲ್ಯಗಳು ಒಂದೇ ಡೊಮೇನ್‌ನಿಂದ ಬಂದರೆ, ನಂತರ ಎರಡು ಮೌಲ್ಯಗಳ ನಡುವೆ ಹೋಲಿಕೆ ಮಾಡಬಹುದು. ಉದಾಹರಣೆಗೆ, ಜನ್ಮ ದಿನಾಂಕಗಳ ಡೊಮೇನ್‌ನಿಂದ ಎರಡು ಮೌಲ್ಯಗಳನ್ನು ತೆಗೆದುಕೊಂಡರೆ, ನೀವು ಅವುಗಳನ್ನು ಹೋಲಿಸಬಹುದು ಮತ್ತು ಯಾವ ಉದ್ಯೋಗಿ ಹಳೆಯದು ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಬಹುದು. ಮೌಲ್ಯಗಳನ್ನು ವಿಭಿನ್ನ ಡೊಮೇನ್‌ಗಳಿಂದ ತೆಗೆದುಕೊಂಡರೆ, ಅವುಗಳ ಹೋಲಿಕೆಯನ್ನು ಅನುಮತಿಸಲಾಗುವುದಿಲ್ಲ, ಏಕೆಂದರೆ, ಎಲ್ಲಾ ಸಾಧ್ಯತೆಗಳಲ್ಲಿ, ಇದು ಅರ್ಥವಿಲ್ಲ. ಉದಾಹರಣೆಗೆ, ನೌಕರನ ಹೆಸರು ಮತ್ತು ಜನ್ಮ ದಿನಾಂಕವನ್ನು ಹೋಲಿಸಿದಾಗ ಖಚಿತವಾಗಿ ಏನೂ ಬರುವುದಿಲ್ಲ.

ಪ್ರತಿ ಕಾಲಮ್ (ಕ್ಷೇತ್ರ) ಹೆಸರನ್ನು ಹೊಂದಿದೆ, ಇದನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಮೇಜಿನ ಮೇಲ್ಭಾಗದಲ್ಲಿ ಬರೆಯಲಾಗುತ್ತದೆ. ನಿರ್ದಿಷ್ಟ DBMS ಒಳಗೆ ಕೋಷ್ಟಕಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವಾಗ, ಪ್ರತಿಯೊಂದು ಕ್ಷೇತ್ರಕ್ಕೂ ಅದರ ಆಯ್ಕೆ ಮಾಡಲು ಸಾಧ್ಯವಿದೆ ಮಾದರಿ,ಅಂದರೆ, ಅದರ ಪ್ರದರ್ಶನಕ್ಕಾಗಿ ನಿಯಮಗಳ ಗುಂಪನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲು, ಹಾಗೆಯೇ ಈ ಕ್ಷೇತ್ರದಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾದ ಡೇಟಾದಲ್ಲಿ ನಿರ್ವಹಿಸಬಹುದಾದ ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ನಿರ್ಧರಿಸಲು. ವಿಭಿನ್ನ DBMS ಗಳ ನಡುವೆ ಪ್ರಕಾರಗಳ ಸೆಟ್‌ಗಳು ಬದಲಾಗಬಹುದು.

ಕ್ಷೇತ್ರದ ಹೆಸರು ಕೋಷ್ಟಕದಲ್ಲಿ ಅನನ್ಯವಾಗಿರಬೇಕು, ಆದರೆ ವಿಭಿನ್ನ ಕೋಷ್ಟಕಗಳು ಒಂದೇ ಹೆಸರಿನೊಂದಿಗೆ ಕ್ಷೇತ್ರಗಳನ್ನು ಹೊಂದಿರಬಹುದು. ಯಾವುದೇ ಟೇಬಲ್ ಕನಿಷ್ಠ ಒಂದು ಕ್ಷೇತ್ರವನ್ನು ಹೊಂದಿರಬೇಕು; ಕ್ಷೇತ್ರಗಳನ್ನು ರಚಿಸಿದಾಗ ಅವುಗಳ ಹೆಸರುಗಳು ಕಾಣಿಸಿಕೊಂಡ ಕ್ರಮಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಟೇಬಲ್‌ನಲ್ಲಿವೆ. ಕ್ಷೇತ್ರಗಳಂತೆ, ತಂತಿಗಳು ಹೆಸರುಗಳನ್ನು ಹೊಂದಿಲ್ಲ; ಕೋಷ್ಟಕದಲ್ಲಿ ಅವುಗಳ ಕ್ರಮವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿಲ್ಲ ಮತ್ತು ಅವುಗಳ ಸಂಖ್ಯೆ ತಾರ್ಕಿಕವಾಗಿ ಅಪರಿಮಿತವಾಗಿದೆ.

ಕೋಷ್ಟಕದಲ್ಲಿನ ಸಾಲುಗಳನ್ನು ಆದೇಶಿಸದ ಕಾರಣ, ಅದರ ಸ್ಥಾನದಿಂದ ಸಾಲನ್ನು ಆಯ್ಕೆ ಮಾಡುವುದು ಅಸಾಧ್ಯ - ಅವುಗಳಲ್ಲಿ "ಮೊದಲ", "ಎರಡನೇ" ಅಥವಾ "ಕೊನೆಯ" ಇಲ್ಲ. ಯಾವುದೇ ಕೋಷ್ಟಕವು ಒಂದು ಅಥವಾ ಹೆಚ್ಚಿನ ಕಾಲಮ್‌ಗಳನ್ನು ಹೊಂದಿರುತ್ತದೆ, ಅದರ ಮೌಲ್ಯಗಳು ಅದರ ಪ್ರತಿಯೊಂದು ಸಾಲುಗಳನ್ನು ಅನನ್ಯವಾಗಿ ಗುರುತಿಸುತ್ತವೆ. ಅಂತಹ ಕಾಲಮ್ (ಅಥವಾ ಕಾಲಮ್ಗಳ ಸಂಯೋಜನೆ) ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ ಪ್ರಾಥಮಿಕ ಕೀ. ಕೋಷ್ಟಕದಲ್ಲಿನ ಸಂಖ್ಯೆಯ ದಾಖಲೆಗಳಿಗೆ ಕೃತಕ ಕ್ಷೇತ್ರವನ್ನು ಹೆಚ್ಚಾಗಿ ಪರಿಚಯಿಸಲಾಗುತ್ತದೆ. ಅಂತಹ ಕ್ಷೇತ್ರವು, ಉದಾಹರಣೆಗೆ, ಅದರ ಆರ್ಡಿನಲ್ ಕ್ಷೇತ್ರವಾಗಿರಬಹುದು, ಇದು ಕೋಷ್ಟಕದಲ್ಲಿ ಪ್ರತಿ ದಾಖಲೆಯ ವಿಶಿಷ್ಟತೆಯನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ. ಕೀಲಿಯು ಈ ಕೆಳಗಿನ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಹೊಂದಿರಬೇಕು.

ವಿಶಿಷ್ಟತೆ.ಯಾವುದೇ ಸಮಯದಲ್ಲಿ, ಕೀಲಿಯಲ್ಲಿ ಸೇರಿಸಲಾದ ಗುಣಲಕ್ಷಣಗಳ ಸಂಯೋಜನೆಗೆ ಯಾವುದೇ ಎರಡು ವಿಭಿನ್ನ ಸಂಬಂಧ ಟ್ಯೂಪಲ್‌ಗಳು ಒಂದೇ ಮೌಲ್ಯವನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ. ಅಂದರೆ, ಒಂದೇ ಗುರುತಿನ ಸಂಖ್ಯೆ ಅಥವಾ ಪಾಸ್‌ಪೋರ್ಟ್ ಸಂಖ್ಯೆಯನ್ನು ಹೊಂದಿರುವ ಕೋಷ್ಟಕದಲ್ಲಿ ಎರಡು ಸಾಲುಗಳು ಇರುವಂತಿಲ್ಲ.

ಕನಿಷ್ಠೀಯತೆ.ವಿಶಿಷ್ಟತೆಯನ್ನು ಉಲ್ಲಂಘಿಸದೆ ಕೀಲಿಯಲ್ಲಿ ಸೇರಿಸಲಾದ ಯಾವುದೇ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಕೀಲಿಯಿಂದ ಹೊರಗಿಡಲಾಗುವುದಿಲ್ಲ. ಇದರರ್ಥ ನೀವು ಪಾಸ್‌ಪೋರ್ಟ್ ಸಂಖ್ಯೆ ಮತ್ತು ಗುರುತಿನ ಸಂಖ್ಯೆ ಎರಡನ್ನೂ ಒಳಗೊಂಡಿರುವ ಕೀಲಿಯನ್ನು ರಚಿಸಬಾರದು. ಟ್ಯೂಪಲ್ ಅನ್ನು ಅನನ್ಯವಾಗಿ ಗುರುತಿಸಲು ಈ ಯಾವುದೇ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಬಳಸಿದರೆ ಸಾಕು. ನೀವು ಕೀಲಿಯಲ್ಲಿ ವಿಶಿಷ್ಟವಲ್ಲದ ಗುಣಲಕ್ಷಣವನ್ನು ಸೇರಿಸಬಾರದು, ಅಂದರೆ, ಗುರುತಿನ ಸಂಖ್ಯೆ ಮತ್ತು ಉದ್ಯೋಗಿಯ ಹೆಸರನ್ನು ಕೀಲಿಯಾಗಿ ಬಳಸುವುದನ್ನು ನಿಷೇಧಿಸಲಾಗಿದೆ. ಕೀಲಿಯಿಂದ ಉದ್ಯೋಗಿಯ ಹೆಸರನ್ನು ಹೊರತುಪಡಿಸಿ, ಪ್ರತಿ ಸಾಲನ್ನು ಇನ್ನೂ ಅನನ್ಯವಾಗಿ ಗುರುತಿಸಬಹುದು.

ಪ್ರತಿಯೊಂದು ಸಂಬಂಧವು ಕನಿಷ್ಠ ಒಂದು ಸಂಭವನೀಯ ಕೀಲಿಯನ್ನು ಹೊಂದಿದೆ, ಏಕೆಂದರೆ ಅದರ ಎಲ್ಲಾ ಗುಣಲಕ್ಷಣಗಳ ಸಂಪೂರ್ಣತೆಯು ಅನನ್ಯತೆಯ ಸ್ಥಿತಿಯನ್ನು ಪೂರೈಸುತ್ತದೆ - ಇದು ಸಂಬಂಧದ ವ್ಯಾಖ್ಯಾನದಿಂದ ಅನುಸರಿಸುತ್ತದೆ.

ಸಂಭವನೀಯ ಕೀಗಳಲ್ಲಿ ಒಂದನ್ನು ಯಾದೃಚ್ಛಿಕವಾಗಿ ಆಯ್ಕೆಮಾಡಲಾಗಿದೆ ಪ್ರಾಥಮಿಕ ಕೀಲಿಯಾಗಿ.ಉಳಿದಿರುವ ಸಂಭವನೀಯ ಕೀಗಳು ಯಾವುದಾದರೂ ಇದ್ದರೆ, ಅವುಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲಾಗುತ್ತದೆ ಪರ್ಯಾಯ ಕೀಲಿಗಳು.ಉದಾಹರಣೆಗೆ, ನೀವು ಗುರುತಿನ ಸಂಖ್ಯೆಯನ್ನು ಪ್ರಾಥಮಿಕ ಕೀಲಿಯಾಗಿ ಆಯ್ಕೆ ಮಾಡಿದರೆ, ನಂತರ ಪಾಸ್‌ಪೋರ್ಟ್ ಸಂಖ್ಯೆಯು ಪರ್ಯಾಯ ಕೀ ಆಗಿರುತ್ತದೆ.

ಕೋಷ್ಟಕಗಳ ಸಂಬಂಧವು ಸಂಬಂಧಿತ ಡೇಟಾ ಮಾದರಿಯ ಪ್ರಮುಖ ಅಂಶವಾಗಿದೆ. ಇದು ಬೆಂಬಲಿತವಾಗಿದೆ ವಿದೇಶಿ ಕೀಲಿಗಳು.

ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ ಮಾದರಿಯನ್ನು ವಿವರಿಸುವಾಗ, ವಿವರಣೆಯ ಮಟ್ಟ (ಸಿದ್ಧಾಂತ ಅಥವಾ ಅಭ್ಯಾಸ) ಮತ್ತು ಸಿಸ್ಟಮ್ (ಪ್ರವೇಶ, SQL ಸರ್ವರ್, dBase) ಅನ್ನು ಅವಲಂಬಿಸಿ ಒಂದೇ ಪರಿಕಲ್ಪನೆಗೆ ವಿಭಿನ್ನ ಪದಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ಕೋಷ್ಟಕದಲ್ಲಿ 2.3 ಬಳಸಿದ ಪದಗಳ ಸಾರಾಂಶವನ್ನು ಒದಗಿಸುತ್ತದೆ.

ಕೋಷ್ಟಕ 2.3.ಡೇಟಾಬೇಸ್ ಪರಿಭಾಷೆ

ಡೇಟಾಬೇಸ್ ಸಿದ್ಧಾಂತ____________ ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ಗಳು_________ SQL ಸರ್ವರ್ __________

ಸಂಬಂಧಿತ ಟೇಬಲ್ ಟೇಬಲ್ ಟೇಬಲ್

ಟುಪಲ್ ರೆಕಾರ್ಡ್ ಸಾಲು

ಗುಣಲಕ್ಷಣ ಕ್ಷೇತ್ರ_______________ಕಾಲಮ್

ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳು

ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ ಸಂಗ್ರಹಿಸಬೇಕಾದ ಎಲ್ಲಾ ಮಾಹಿತಿಯನ್ನು ಒಳಗೊಂಡಿರುವ ಸಂಬಂಧಗಳ ಒಂದು ಗುಂಪಾಗಿದೆ. ಅಂದರೆ, ಡೇಟಾಬೇಸ್ ಎಲ್ಲಾ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಲು ಅಗತ್ಯವಾದ ಕೋಷ್ಟಕಗಳ ಗುಂಪನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ. ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ನ ಕೋಷ್ಟಕಗಳು ತಾರ್ಕಿಕವಾಗಿ ಪರಸ್ಪರ ಸಂಬಂಧಿಸಿವೆ, ಸಾಮಾನ್ಯವಾಗಿ ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ ಅನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವ ಅವಶ್ಯಕತೆಗಳನ್ನು ಹಲವಾರು ನಿಯಮಗಳಿಗೆ ಕಡಿಮೆ ಮಾಡಬಹುದು.

О ಪ್ರತಿಯೊಂದು ಕೋಷ್ಟಕವು ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ ವಿಶಿಷ್ಟ ಹೆಸರನ್ನು ಹೊಂದಿದೆ ಮತ್ತು ಒಂದೇ ರೀತಿಯ ಸಾಲುಗಳನ್ನು ಹೊಂದಿರುತ್ತದೆ.

O ಪ್ರತಿಯೊಂದು ಕೋಷ್ಟಕವು ಸ್ಥಿರ ಸಂಖ್ಯೆಯ ಕಾಲಮ್‌ಗಳು ಮತ್ತು ಮೌಲ್ಯಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಒಂದೇ ಸಾಲಿನ ಕಾಲಮ್‌ನಲ್ಲಿ ಒಂದಕ್ಕಿಂತ ಹೆಚ್ಚು ಮೌಲ್ಯಗಳನ್ನು ಸಂಗ್ರಹಿಸಲಾಗುವುದಿಲ್ಲ. ಉದಾಹರಣೆಗೆ, ಲೇಖಕರ ಬಗ್ಗೆ ಮಾಹಿತಿಯೊಂದಿಗೆ ಟೇಬಲ್ ಇದ್ದರೆ, ಪ್ರಕಟಣೆ ದಿನಾಂಕ, ಪ್ರಸರಣ, ಇತ್ಯಾದಿ, ನಂತರ ಲೇಖಕರ ಹೆಸರಿನ ಕಾಲಮ್ ಒಂದಕ್ಕಿಂತ ಹೆಚ್ಚು ಕೊನೆಯ ಹೆಸರನ್ನು ಸಂಗ್ರಹಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಪುಸ್ತಕವನ್ನು ಇಬ್ಬರು ಅಥವಾ ಹೆಚ್ಚಿನ ಲೇಖಕರು ಬರೆದಿದ್ದರೆ, ನೀವು ಹೆಚ್ಚುವರಿ ಕೋಷ್ಟಕಗಳನ್ನು ಬಳಸಬೇಕಾಗುತ್ತದೆ.

O ಯಾವುದೇ ಸಮಯದಲ್ಲಿ ಟೇಬಲ್‌ನಲ್ಲಿ ಪರಸ್ಪರ ನಕಲು ಮಾಡುವ ಎರಡು ಸಾಲುಗಳು ಇರುವುದಿಲ್ಲ. ಕೋಷ್ಟಕದಲ್ಲಿನ ಯಾವುದೇ ಸಾಲನ್ನು ಅನನ್ಯವಾಗಿ ಗುರುತಿಸಲು ಸಾಧ್ಯವಾಗುವಂತೆ ಸಾಲುಗಳು ಕನಿಷ್ಠ ಒಂದು ಮೌಲ್ಯದಲ್ಲಿ ಭಿನ್ನವಾಗಿರಬೇಕು.

О ಪ್ರತಿ ಕಾಲಮ್‌ಗೆ ಟೇಬಲ್‌ನೊಳಗೆ ಒಂದು ಅನನ್ಯ ಹೆಸರನ್ನು ನಿಗದಿಪಡಿಸಲಾಗಿದೆ; ಇದಕ್ಕಾಗಿ ನಿರ್ದಿಷ್ಟ ಡೇಟಾ ಪ್ರಕಾರವನ್ನು ಹೊಂದಿಸಲಾಗಿದೆ ಆದ್ದರಿಂದ ಈ ಕಾಲಮ್‌ನಲ್ಲಿ ಏಕರೂಪದ ಮೌಲ್ಯಗಳನ್ನು ಇರಿಸಲಾಗುತ್ತದೆ (ದಿನಾಂಕಗಳು, ಕೊನೆಯ ಹೆಸರುಗಳು, ದೂರವಾಣಿ ಸಂಖ್ಯೆಗಳು, ವಿತ್ತೀಯ ಮೊತ್ತಗಳು, ಇತ್ಯಾದಿ).

O ಡೇಟಾಬೇಸ್‌ನ ಸಂಪೂರ್ಣ ಮಾಹಿತಿ ವಿಷಯವನ್ನು ಡೇಟಾದ ಸ್ಪಷ್ಟ ಮೌಲ್ಯಗಳಾಗಿ ಪ್ರತಿನಿಧಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಇದು ಪ್ರತಿನಿಧಿಸುವ ಏಕೈಕ ವಿಧಾನವಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ಕೋಷ್ಟಕಗಳ ನಡುವಿನ ಸಂಬಂಧಗಳು ಅನುಗುಣವಾದ ಕಾಲಮ್‌ಗಳಲ್ಲಿ ಸಂಗ್ರಹವಾಗಿರುವ ಡೇಟಾವನ್ನು ಆಧರಿಸಿವೆ ಮತ್ತು ಸಂಬಂಧಗಳನ್ನು ಕೃತಕವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸುವ ಯಾವುದೇ ಪಾಯಿಂಟರ್‌ಗಳ ಆಧಾರದ ಮೇಲೆ ಅಲ್ಲ.

О ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವಾಗ, ನೀವು ಯಾವುದೇ ಸಾಲು ಅಥವಾ ಟೇಬಲ್‌ನ ಯಾವುದೇ ಕಾಲಮ್ ಅನ್ನು ಮುಕ್ತವಾಗಿ ಪ್ರವೇಶಿಸಬಹುದು. ಕೋಷ್ಟಕದಲ್ಲಿ ಸಂಗ್ರಹವಾಗಿರುವ ಮೌಲ್ಯಗಳು ಡೇಟಾವನ್ನು ಪ್ರವೇಶಿಸುವ ಕ್ರಮದಲ್ಲಿ ಯಾವುದೇ ನಿರ್ಬಂಧಗಳನ್ನು ವಿಧಿಸುವುದಿಲ್ಲ. ಅಂಕಣಗಳ ವಿವರಣೆ,

ಡೇಟಾಬೇಸ್ (DB) -ಇದು ನಿರ್ದಿಷ್ಟ ವಿಷಯದ ಪ್ರದೇಶಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ರಚನಾತ್ಮಕ ಡೇಟಾದ ಹೆಸರಿಸಲಾದ ಸೆಟ್ ಆಗಿದೆ ಮತ್ತು ಕಂಪ್ಯೂಟರ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಸಂಗ್ರಹಣೆ, ಸಂಗ್ರಹಣೆ ಮತ್ತು ಪ್ರಕ್ರಿಯೆಗೆ ಉದ್ದೇಶಿಸಲಾಗಿದೆ.

ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ (RDB)ಡೇಟಾಬೇಸ್ ಸ್ಕೀಮಾದಲ್ಲಿನ ಸ್ಕೀಮಾ ಸಂಬಂಧಗಳ ಹೆಸರುಗಳೊಂದಿಗೆ ಹೊಂದಿಕೆಯಾಗುವ ಸಂಬಂಧಗಳ ಗುಂಪಾಗಿದೆ.

ಮೂಲ ಪರಿಕಲ್ಪನೆಗಳುಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳು:

· ಡೇಟಾ ಪ್ರಕಾರ- ನಿರ್ದಿಷ್ಟ ಕಾಲಮ್‌ನ ಮೌಲ್ಯಗಳ ಪ್ರಕಾರ.

· ಡೊಮೇನ್(ಡೊಮೇನ್) - ಎಲ್ಲಾ ಮಾನ್ಯ ಗುಣಲಕ್ಷಣ ಮೌಲ್ಯಗಳ ಸೆಟ್.

· ಗುಣಲಕ್ಷಣ(ಗುಣಲಕ್ಷಣ) - ವಸ್ತುವಿನ ಹೆಸರಿನ ಆಸ್ತಿಯನ್ನು ನಿರೂಪಿಸುವ ಟೇಬಲ್ ಕಾಲಮ್ ಹೆಡರ್, ಉದಾಹರಣೆಗೆ, ವಿದ್ಯಾರ್ಥಿಯ ಕೊನೆಯ ಹೆಸರು, ಆದೇಶ ದಿನಾಂಕ, ಉದ್ಯೋಗಿಯ ಲಿಂಗ, ಇತ್ಯಾದಿ.

· ಕಾರ್ಟೆಜ್- ತಾರ್ಕಿಕವಾಗಿ ಸಂಬಂಧಿತ ಗುಣಲಕ್ಷಣಗಳ ಮೌಲ್ಯಗಳ ಗುಂಪನ್ನು ಪ್ರತಿನಿಧಿಸುವ ಟೇಬಲ್ ಸಾಲು.

· ವರ್ತನೆ(ಸಂಬಂಧ) - ನೈಜ-ಪ್ರಪಂಚದ ವಸ್ತುಗಳ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸುವ ಟೇಬಲ್, ಉದಾಹರಣೆಗೆ, ವಿದ್ಯಾರ್ಥಿಗಳು, ಆದೇಶಗಳು, ಉದ್ಯೋಗಿಗಳು, ನಿವಾಸಿಗಳು, ಇತ್ಯಾದಿ.

· ಪ್ರಾಥಮಿಕ ಕೀ(ಪ್ರಾಥಮಿಕ ಕೀ) - ಟೇಬಲ್‌ನ ಕ್ಷೇತ್ರ (ಅಥವಾ ಕ್ಷೇತ್ರಗಳ ಸೆಟ್) ಅದರ ಪ್ರತಿಯೊಂದು ದಾಖಲೆಗಳನ್ನು ಅನನ್ಯವಾಗಿ ಗುರುತಿಸುತ್ತದೆ.

· ಪರ್ಯಾಯ ಕೀಪ್ರಾಥಮಿಕ ಕೀಗೆ ಹೊಂದಿಕೆಯಾಗದ ಕ್ಷೇತ್ರ (ಅಥವಾ ಕ್ಷೇತ್ರಗಳ ಸೆಟ್) ಮತ್ತು ದಾಖಲೆಯ ನಿದರ್ಶನವನ್ನು ಅನನ್ಯವಾಗಿ ಗುರುತಿಸುತ್ತದೆ.

· ಬಾಹ್ಯ ಕೀಒಂದು ಕ್ಷೇತ್ರವಾಗಿದೆ (ಅಥವಾ ಕ್ಷೇತ್ರಗಳ ಸೆಟ್) ಅದರ ಮೌಲ್ಯಗಳು ಮತ್ತೊಂದು ಕೋಷ್ಟಕದ ಪ್ರಾಥಮಿಕ ಕೀಲಿಯ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಮೌಲ್ಯಗಳಿಗೆ ಹೊಂದಿಕೆಯಾಗುತ್ತವೆ. ನೀವು ಎರಡು ಕೋಷ್ಟಕಗಳನ್ನು ಲಿಂಕ್ ಮಾಡಿದಾಗ, ಮೊದಲ ಕೋಷ್ಟಕದ ಪ್ರಾಥಮಿಕ ಕೀಲಿಯು ಎರಡನೇ ಕೋಷ್ಟಕದ ವಿದೇಶಿ ಕೀಲಿಯೊಂದಿಗೆ ಲಿಂಕ್ ಆಗುತ್ತದೆ.

· ಸಂಬಂಧಿತ ಡೇಟಾ ಮಾದರಿ (RDM)- ಎರಡು ಆಯಾಮದ ಕೋಷ್ಟಕಗಳ ರೂಪದಲ್ಲಿ ಡೇಟಾವನ್ನು ಸಂಘಟಿಸುವುದು.

ಪ್ರತಿಯೊಂದು ಸಂಬಂಧಿತ ಕೋಷ್ಟಕವು ಈ ಕೆಳಗಿನ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಹೊಂದಿರಬೇಕು:

1. ಪ್ರತಿ ಟೇಬಲ್ ರೆಕಾರ್ಡ್ ಅನನ್ಯವಾಗಿದೆ, ಅಂದರೆ. ಕ್ಷೇತ್ರಗಳಲ್ಲಿನ ಮೌಲ್ಯಗಳ ಸೆಟ್ ಪುನರಾವರ್ತನೆಯಾಗುವುದಿಲ್ಲ.

2. ಸಾಲು ಮತ್ತು ಕಾಲಮ್‌ನ ಛೇದಕದಲ್ಲಿ ಬರೆಯಲಾದ ಪ್ರತಿಯೊಂದು ಮೌಲ್ಯವು ಪರಮಾಣು (ಬೇರ್ಪಡಿಸಲಾಗದ) ಆಗಿದೆ.

3. ಪ್ರತಿ ಕ್ಷೇತ್ರದ ಮೌಲ್ಯಗಳು ಒಂದೇ ರೀತಿಯದ್ದಾಗಿರಬೇಕು.

4. ಪ್ರತಿಯೊಂದು ಕ್ಷೇತ್ರಕ್ಕೂ ಒಂದು ವಿಶಿಷ್ಟ ಹೆಸರು ಇದೆ.

5. ನಮೂದುಗಳ ಕ್ರಮವು ಗಮನಾರ್ಹವಾಗಿಲ್ಲ.

ಡೇಟಾಬೇಸ್‌ನ ಮುಖ್ಯ ಅಂಶಗಳು:

ಕ್ಷೇತ್ರ- ಡೇಟಾದ ತಾರ್ಕಿಕ ಸಂಘಟನೆಯ ಪ್ರಾಥಮಿಕ ಘಟಕ. ಕ್ಷೇತ್ರವನ್ನು ವಿವರಿಸಲು ಕೆಳಗಿನ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ:

· ಹೆಸರು, ಉದಾಹರಣೆಗೆ, ಕೊನೆಯ ಹೆಸರು, ಮೊದಲ ಹೆಸರು, ಪೋಷಕ, ಹುಟ್ಟಿದ ದಿನಾಂಕ;

· ಟೈಪ್, ಉದಾಹರಣೆಗೆ, ಸ್ಟ್ರಿಂಗ್, ಅಕ್ಷರ, ಸಂಖ್ಯಾ, ದಿನಾಂಕ;

· ಉದ್ದ, ಉದಾಹರಣೆಗೆ, ಬೈಟ್‌ಗಳಲ್ಲಿ;

· ಸಂಖ್ಯಾತ್ಮಕ ಡೇಟಾಗೆ ನಿಖರತೆ, ಉದಾಹರಣೆಗೆ ಸಂಖ್ಯೆಯ ಭಿನ್ನರಾಶಿ ಭಾಗವನ್ನು ತೋರಿಸಲು ಎರಡು ದಶಮಾಂಶ ಸ್ಥಳಗಳು.

ರೆಕಾರ್ಡ್ ಮಾಡಿ- ತಾರ್ಕಿಕವಾಗಿ ಸಂಬಂಧಿಸಿದ ಕ್ಷೇತ್ರಗಳ ಮೌಲ್ಯಗಳ ಒಂದು ಸೆಟ್.

ಸೂಚ್ಯಂಕ- ರೆಕಾರ್ಡ್ ಹುಡುಕಾಟ ಕಾರ್ಯಾಚರಣೆಯನ್ನು ವೇಗಗೊಳಿಸುವ ವಿಧಾನ, ಕೋಷ್ಟಕಗಳ ನಡುವೆ ಸಂಬಂಧಗಳನ್ನು ಸ್ಥಾಪಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ. ಸೂಚ್ಯಂಕವನ್ನು ಬಳಸುವ ಟೇಬಲ್ ಅನ್ನು ಸೂಚ್ಯಂಕ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಸೂಚ್ಯಂಕಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವಾಗ, ನೀವು ಸೂಚ್ಯಂಕಗಳ ಸಂಘಟನೆಗೆ ಗಮನ ಕೊಡಬೇಕು, ಇದು ವರ್ಗೀಕರಣಕ್ಕೆ ಆಧಾರವಾಗಿದೆ. ಒಂದು ಸರಳ ಸೂಚ್ಯಂಕವನ್ನು ಒಂದೇ ಕ್ಷೇತ್ರದಿಂದ ಪ್ರತಿನಿಧಿಸಲಾಗುತ್ತದೆ ಅಥವಾ ಒಂದೇ ಕ್ಷೇತ್ರವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವ ಬೂಲಿಯನ್ ಅಭಿವ್ಯಕ್ತಿ. ಸಂಯೋಜಿತ ಸೂಚ್ಯಂಕವನ್ನು ವಿವಿಧ ಕಾರ್ಯಗಳನ್ನು ಬಳಸುವ ಸಾಮರ್ಥ್ಯದೊಂದಿಗೆ ಹಲವಾರು ಕ್ಷೇತ್ರಗಳಿಂದ ಪ್ರತಿನಿಧಿಸಲಾಗುತ್ತದೆ. ಟೇಬಲ್ ಸೂಚಿಕೆಗಳನ್ನು ಸೂಚ್ಯಂಕ ಫೈಲ್‌ನಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ.

ಡೇಟಾ ಸಮಗ್ರತೆ- ಇದು ಸಂವಹನ ಕ್ಷೇತ್ರಗಳಲ್ಲಿನ ಡೇಟಾವನ್ನು ರಕ್ಷಿಸುವ ಸಾಧನವಾಗಿದೆ, ಇದು ಕೋಷ್ಟಕಗಳನ್ನು ಸ್ಥಿರ (ಸ್ಥಿರ) ಸ್ಥಿತಿಯಲ್ಲಿ ನಿರ್ವಹಿಸಲು ನಿಮಗೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ (ಅಂದರೆ, ಪೋಷಕರಲ್ಲಿ ಅನುಗುಣವಾದ ದಾಖಲೆಗಳನ್ನು ಹೊಂದಿರದ ಅಧೀನ ಕೋಷ್ಟಕದಲ್ಲಿ ದಾಖಲೆಗಳ ಅಸ್ತಿತ್ವವನ್ನು ಇದು ಅನುಮತಿಸುವುದಿಲ್ಲ. ಟೇಬಲ್).

ವಿನಂತಿ- ಡೇಟಾ ಮಾದರಿ ಮಾನದಂಡಗಳನ್ನು ಹೊಂದಿರುವ ಒಂದು ಅಥವಾ ಹೆಚ್ಚು ಅಂತರ್ಸಂಪರ್ಕಿತ ಕೋಷ್ಟಕಗಳಿಗೆ ಸೂತ್ರೀಕರಿಸಿದ ಪ್ರಶ್ನೆ. ರಚನಾತ್ಮಕ ಪ್ರಶ್ನೆ ಭಾಷೆ SQL (ಸ್ಟ್ರಕ್ಚರ್ಡ್ ಕ್ವೆರಿ ಲಾಂಗ್ವೇಜ್) ಅನ್ನು ಬಳಸಿಕೊಂಡು ಪ್ರಶ್ನೆಯನ್ನು ಕೈಗೊಳ್ಳಲಾಗುತ್ತದೆ. ಒಂದು ಅಥವಾ ಹೆಚ್ಚಿನ ಕೋಷ್ಟಕಗಳಿಂದ ಡೇಟಾವನ್ನು ಹಿಂಪಡೆಯುವುದು ವೀಕ್ಷಣೆ ಎಂಬ ದಾಖಲೆಗಳ ಗುಂಪಿಗೆ ಕಾರಣವಾಗಬಹುದು.

ಡೇಟಾ ಪ್ರಸ್ತುತಿ- ಡೇಟಾವನ್ನು ಹಿಂಪಡೆಯಲು ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾದ ಹೆಸರಿನ ಪ್ರಶ್ನೆ (ಒಂದು ಅಥವಾ ಹೆಚ್ಚಿನ ಕೋಷ್ಟಕಗಳಿಂದ).

ವೀಕ್ಷಣೆಯು ಮೂಲಭೂತವಾಗಿ ಪ್ರಶ್ನೆಯ ಪರಿಣಾಮವಾಗಿ ರಚಿಸಲಾದ ತಾತ್ಕಾಲಿಕ ಕೋಷ್ಟಕವಾಗಿದೆ. ವಿನಂತಿಯನ್ನು ಸ್ವತಃ ಪ್ರತ್ಯೇಕ ಫೈಲ್, ವರದಿ, ತಾತ್ಕಾಲಿಕ ಟೇಬಲ್, ಡಿಸ್ಕ್ನಲ್ಲಿ ಟೇಬಲ್, ಇತ್ಯಾದಿಗಳಿಗೆ ಕಳುಹಿಸಬಹುದು.

ವರದಿ- ಡೇಟಾಬೇಸ್‌ನಿಂದ ಮಾಹಿತಿಯ ಆಧಾರದ ಮೇಲೆ ಡಾಕ್ಯುಮೆಂಟ್‌ಗಳನ್ನು ವಿವರಿಸುವುದು ಮತ್ತು ಮುದ್ರಿಸುವುದು ಇದರ ಮುಖ್ಯ ಉದ್ದೇಶವಾಗಿರುವ ಸಿಸ್ಟಮ್ ಘಟಕ.

RDB ಯೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವ ಸಾಮಾನ್ಯ ಗುಣಲಕ್ಷಣಗಳು:

ಸಂಬಂಧಿತ ದತ್ತಾಂಶ ಮಾದರಿಯ ಅತ್ಯಂತ ಸಾಮಾನ್ಯವಾದ ವ್ಯಾಖ್ಯಾನವು ದತ್ತಾಂಶವಾಗಿದೆ, ಅವರು ಅದನ್ನು (ವಿವಿಧ ಪರಿಷ್ಕರಣೆಗಳೊಂದಿಗೆ) ತಮ್ಮ ಎಲ್ಲಾ ಪುಸ್ತಕಗಳಲ್ಲಿ ಪುನರುತ್ಪಾದಿಸುತ್ತಾರೆ. ದಿನಾಂಕದ ಪ್ರಕಾರ, ಸಂಬಂಧಿತ ಮಾದರಿಯು ಸಂಬಂಧಿತ ವಿಧಾನದ ವಿಭಿನ್ನ ಅಂಶಗಳನ್ನು ವಿವರಿಸುವ ಮೂರು ಭಾಗಗಳನ್ನು ಒಳಗೊಂಡಿದೆ: ರಚನಾತ್ಮಕ ಭಾಗ, ಕುಶಲ ಭಾಗ ಮತ್ತು ಸಮಗ್ರ ಭಾಗ.

ಮಾದರಿಯ ರಚನಾತ್ಮಕ ಭಾಗವು ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳಲ್ಲಿ ಬಳಸುವ ಏಕೈಕ ಡೇಟಾ ರಚನೆಯು ಸಾಮಾನ್ಯೀಕರಿಸಿದ n-ary ಸಂಬಂಧವಾಗಿದೆ ಎಂದು ಹೇಳುತ್ತದೆ.

ಮಾದರಿಯ ಕುಶಲತೆಯ ಭಾಗವು ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ಕುಶಲತೆಯಿಂದ ನಿರ್ವಹಿಸಲು ಎರಡು ಮೂಲಭೂತ ಕಾರ್ಯವಿಧಾನಗಳನ್ನು ದೃಢೀಕರಿಸುತ್ತದೆ - ಸಂಬಂಧಿತ ಬೀಜಗಣಿತ ಮತ್ತು ಸಂಬಂಧಿತ ಕಲನಶಾಸ್ತ್ರ. ಮೊದಲ ಕಾರ್ಯವಿಧಾನವು ಮುಖ್ಯವಾಗಿ ಶಾಸ್ತ್ರೀಯ ಸೆಟ್ ಸಿದ್ಧಾಂತವನ್ನು ಆಧರಿಸಿದೆ (ಕೆಲವು ಪರಿಷ್ಕರಣೆಗಳೊಂದಿಗೆ), ಮತ್ತು ಎರಡನೆಯದು ಮೊದಲ ಕ್ರಮಾಂಕದ ಪ್ರಿಡಿಕೇಟ್ ಕಲನಶಾಸ್ತ್ರದ ಶಾಸ್ತ್ರೀಯ ತಾರ್ಕಿಕ ಉಪಕರಣವನ್ನು ಆಧರಿಸಿದೆ. ಯಾವುದೇ ನಿರ್ದಿಷ್ಟ ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ ಭಾಷೆಯ ಸಂಬಂಧದ ಅಳತೆಯನ್ನು ಒದಗಿಸುವುದು ಸಂಬಂಧಿತ ಮಾದರಿಯ ಕುಶಲತೆಯ ಭಾಗದ ಮುಖ್ಯ ಕಾರ್ಯವಾಗಿದೆ ಎಂಬುದನ್ನು ಗಮನಿಸಿ: ಸಂಬಂಧಿತ ಬೀಜಗಣಿತ ಅಥವಾ ಸಂಬಂಧಿತ ಕಲನಶಾಸ್ತ್ರಕ್ಕಿಂತ ಕಡಿಮೆ ಅಭಿವ್ಯಕ್ತಿ ಮತ್ತು ಶಕ್ತಿಯನ್ನು ಹೊಂದಿಲ್ಲದಿದ್ದರೆ ಅದನ್ನು ಸಂಬಂಧಿತ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.

28. ಅಲ್ಗಾರಿದಮಿಕ್ ಭಾಷೆಗಳು. ಅನುವಾದಕರು (ವ್ಯಾಖ್ಯಾನಕಾರರು ಮತ್ತು ಕಂಪೈಲರ್‌ಗಳು). ಅಲ್ಗಾರಿದಮಿಕ್ ಭಾಷೆ ಬೇಸಿಕ್. ಕಾರ್ಯಕ್ರಮದ ರಚನೆ. ಗುರುತಿಸುವಿಕೆಗಳು. ವೇರಿಯಬಲ್ಸ್. ನಿರ್ವಾಹಕರು. ಒಂದು ಆಯಾಮದ ಮತ್ತು ಎರಡು ಆಯಾಮದ ಅರೇಗಳ ಪ್ರಕ್ರಿಯೆ. ಬಳಕೆದಾರರ ಕಾರ್ಯಗಳು. ಸಬ್‌ರೂಟಿನ್‌ಗಳು. ಡೇಟಾ ಫೈಲ್‌ಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲಾಗುತ್ತಿದೆ.

ಉನ್ನತ ಮಟ್ಟದ ಭಾಷೆ- ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆ, ಅದರ ಪರಿಕಲ್ಪನೆಗಳು ಮತ್ತು ರಚನೆಯು ಮಾನವ ಗ್ರಹಿಕೆಗೆ ಅನುಕೂಲಕರವಾಗಿದೆ.

ಅಲ್ಗಾರಿದಮಿಕ್ ಭಾಷೆ(ಅಲ್ಗಾರಿದಮಿಕ್ ಭಾಷೆ) - ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆ - ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಬರೆಯಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಕೃತಕ (ಔಪಚಾರಿಕ) ಭಾಷೆ. ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆಯನ್ನು ಅದರ ವಿವರಣೆಯಿಂದ ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ ಮತ್ತು ವಿಶೇಷ ಕಾರ್ಯಕ್ರಮದ ರೂಪದಲ್ಲಿ ಕಾರ್ಯಗತಗೊಳಿಸಲಾಗುತ್ತದೆ: ಕಂಪೈಲರ್ ಅಥವಾ ಇಂಟರ್ಪ್ರಿಟರ್. ಅಲ್ಗಾರಿದಮಿಕ್ ಭಾಷೆಗಳ ಉದಾಹರಣೆಗಳು ಬೊರ್ಲ್ಯಾಂಡ್ ಪ್ಯಾಸ್ಕಲ್, ಸಿ ++, ಬೇಸಿಕ್, ಇತ್ಯಾದಿ.

ಅಲ್ಗಾರಿದಮಿಕ್ ಭಾಷೆಯ ಮೂಲ ಪರಿಕಲ್ಪನೆಗಳು:

ಭಾಷೆಯ ಸಂಯೋಜನೆ:

ಸಾಮಾನ್ಯ ಮಾತನಾಡುವ ಭಾಷೆ ನಾಲ್ಕು ಮೂಲಭೂತ ಅಂಶಗಳನ್ನು ಒಳಗೊಂಡಿದೆ: ಚಿಹ್ನೆಗಳು, ಪದಗಳು, ನುಡಿಗಟ್ಟುಗಳು ಮತ್ತು ವಾಕ್ಯಗಳು. ಅಲ್ಗಾರಿದಮಿಕ್ ಭಾಷೆಯು ಒಂದೇ ರೀತಿಯ ಅಂಶಗಳನ್ನು ಒಳಗೊಂಡಿದೆ, ಪದಗಳನ್ನು ಮಾತ್ರ ಪ್ರಾಥಮಿಕ ರಚನೆಗಳು ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ, ಪದಗುಚ್ಛಗಳನ್ನು ಅಭಿವ್ಯಕ್ತಿಗಳು ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ ಮತ್ತು ವಾಕ್ಯಗಳನ್ನು ಆಪರೇಟರ್ಗಳು ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.

ಚಿಹ್ನೆಗಳು, ಪ್ರಾಥಮಿಕ ರಚನೆಗಳು, ಅಭಿವ್ಯಕ್ತಿಗಳು ಮತ್ತು ನಿರ್ವಾಹಕರು ಕ್ರಮಾನುಗತ ರಚನೆಯನ್ನು ರೂಪಿಸುತ್ತಾರೆ, ಏಕೆಂದರೆ ಪ್ರಾಥಮಿಕ ರಚನೆಗಳು ಚಿಹ್ನೆಗಳ ಅನುಕ್ರಮದಿಂದ ರೂಪುಗೊಳ್ಳುತ್ತವೆ.

ಅಭಿವ್ಯಕ್ತಿಗಳುಪ್ರಾಥಮಿಕ ರಚನೆಗಳು ಮತ್ತು ಚಿಹ್ನೆಗಳ ಅನುಕ್ರಮವಾಗಿದೆ,

ಆಪರೇಟರ್- ಅಭಿವ್ಯಕ್ತಿಗಳು, ಪ್ರಾಥಮಿಕ ರಚನೆಗಳು ಮತ್ತು ಚಿಹ್ನೆಗಳ ಅನುಕ್ರಮ.

ಭಾಷಾ ವಿವರಣೆ:

ಅಕ್ಷರ ವಿವರಣೆಯು ಭಾಷೆಯ ಮಾನ್ಯವಾದ ಅಕ್ಷರಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಪ್ರಾಥಮಿಕ ರಚನೆಗಳ ವಿವರಣೆ ಎಂದರೆ ಅವುಗಳ ರಚನೆಯ ನಿಯಮಗಳು. ಅಭಿವ್ಯಕ್ತಿಗಳ ವಿವರಣೆಯು ನಿರ್ದಿಷ್ಟ ಭಾಷೆಯಲ್ಲಿ ಅರ್ಥವನ್ನು ಹೊಂದಿರುವ ಯಾವುದೇ ಅಭಿವ್ಯಕ್ತಿಗಳ ರಚನೆಯ ನಿಯಮಗಳು. ನಿರ್ವಾಹಕರ ವಿವರಣೆಯು ಭಾಷೆಯಲ್ಲಿ ಅನುಮತಿಸಲಾದ ಎಲ್ಲಾ ರೀತಿಯ ನಿರ್ವಾಹಕರ ಪರಿಗಣನೆಯನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಪ್ರತಿಯೊಂದು ಭಾಷೆಯ ಅಂಶದ ವಿವರಣೆಯನ್ನು ಅದರ ಸಿಂಟಾಕ್ಸ್ ಮತ್ತು ಸೆಮ್ಯಾಂಟಿಕ್ಸ್ ಮೂಲಕ ನೀಡಲಾಗಿದೆ.

ವಾಕ್ಯರಚನೆವ್ಯಾಖ್ಯಾನಗಳು ಭಾಷಾ ಅಂಶಗಳನ್ನು ನಿರ್ಮಿಸಲು ನಿಯಮಗಳನ್ನು ಸ್ಥಾಪಿಸುತ್ತವೆ.

ಶಬ್ದಾರ್ಥಶಾಸ್ತ್ರವಾಕ್ಯರಚನೆಯ ವ್ಯಾಖ್ಯಾನಗಳನ್ನು ನೀಡಲಾದ ಆ ಭಾಷೆಯ ಅಂಶಗಳ ಅರ್ಥ ಮತ್ತು ಬಳಕೆಯ ನಿಯಮಗಳನ್ನು ವಿವರಿಸುತ್ತದೆ.

ಭಾಷೆಯ ಚಿಹ್ನೆಗಳು- ಇವು ಭಾಷೆಯಲ್ಲಿನ ಎಲ್ಲಾ ಪಠ್ಯಗಳನ್ನು ಬರೆಯುವ ಮೂಲಭೂತ ಅವಿಭಾಜ್ಯ ಚಿಹ್ನೆಗಳು.

ಪ್ರಾಥಮಿಕ ರಚನೆಗಳು- ಇವು ಸ್ವತಂತ್ರ ಅರ್ಥವನ್ನು ಹೊಂದಿರುವ ಭಾಷೆಯ ಕನಿಷ್ಠ ಘಟಕಗಳಾಗಿವೆ. ಅವು ಭಾಷೆಯ ಮೂಲ ಚಿಹ್ನೆಗಳಿಂದ ರೂಪುಗೊಂಡಿವೆ.

ಅಭಿವ್ಯಕ್ತಿಅಲ್ಗಾರಿದಮಿಕ್ ಭಾಷೆಯಲ್ಲಿ, ಇದು ಪ್ರಾಥಮಿಕ ರಚನೆಗಳು ಮತ್ತು ಚಿಹ್ನೆಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ, ಇದು ಒಂದು ನಿರ್ದಿಷ್ಟ ಮೌಲ್ಯವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಲು ಒಂದು ನಿಯಮವನ್ನು ಸೂಚಿಸುತ್ತದೆ.

ಆಪರೇಟರ್ನಿರ್ವಹಿಸಬೇಕಾದ ಕೆಲವು ಕ್ರಿಯೆಗಳ ಸಂಪೂರ್ಣ ವಿವರಣೆಯನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸುತ್ತದೆ. ಸಂಕೀರ್ಣ ಕ್ರಿಯೆಯನ್ನು ವಿವರಿಸಲು ಹೇಳಿಕೆಗಳ ಗುಂಪು ಅಗತ್ಯವಾಗಬಹುದು.

ಈ ಸಂದರ್ಭದಲ್ಲಿ, ನಿರ್ವಾಹಕರು ಸೇರಿಕೊಳ್ಳುತ್ತಾರೆ ಸಂಯುಕ್ತ ನಿರ್ವಾಹಕರುಅಥವಾ ನಿರ್ಬಂಧಿಸಿ. ಕ್ರಿಯೆಗಳು, ನಿರ್ವಾಹಕರು ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ, ಡೇಟಾದ ಮೇಲೆ ಕಾರ್ಯಗತಗೊಳಿಸಲಾಗುತ್ತದೆ. ಡೇಟಾ ಪ್ರಕಾರಗಳ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಒದಗಿಸುವ ಅಲ್ಗಾರಿದಮಿಕ್ ಭಾಷೆಯ ಹೇಳಿಕೆಗಳನ್ನು ಘೋಷಣೆಗಳು ಅಥವಾ ಕಾರ್ಯಗತಗೊಳಿಸದ ಹೇಳಿಕೆಗಳು ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಒಂದೇ ಅಲ್ಗಾರಿದಮ್‌ನಿಂದ ಸಂಯೋಜಿಸಲ್ಪಟ್ಟ ವಿವರಣೆಗಳು ಮತ್ತು ಆಪರೇಟರ್‌ಗಳ ಒಂದು ಸೆಟ್ ಅಲ್ಗಾರಿದಮಿಕ್ ಭಾಷೆಯಲ್ಲಿ ಪ್ರೋಗ್ರಾಂ ಅನ್ನು ರೂಪಿಸುತ್ತದೆ. ಅಲ್ಗಾರಿದಮಿಕ್ ಭಾಷೆಯನ್ನು ಅಧ್ಯಯನ ಮಾಡುವ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ, ಅಲ್ಗಾರಿದಮಿಕ್ ಭಾಷೆಯನ್ನು ಅಧ್ಯಯನ ಮಾಡುವ ಅಲ್ಗಾರಿದಮಿಕ್ ಭಾಷೆಯ ವಿವರಣೆಯನ್ನು ನಡೆಸುವ ಭಾಷೆಯಿಂದ ಅಲ್ಗಾರಿದಮಿಕ್ ಭಾಷೆಯನ್ನು ಪ್ರತ್ಯೇಕಿಸುವುದು ಅವಶ್ಯಕ. ಸಾಮಾನ್ಯವಾಗಿ ಅಧ್ಯಯನ ಮಾಡುವ ಭಾಷೆಯನ್ನು ಸರಳವಾಗಿ ಭಾಷೆ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ ಮತ್ತು ಅಧ್ಯಯನ ಮಾಡಲಾದ ಭಾಷೆಯ ವಿವರಣೆಯನ್ನು ನೀಡುವ ಭಾಷೆ - ಲೋಹಭಾಷೆ.

ಅನುವಾದಕರು - (ಇಂಗ್ಲಿಷ್ ಭಾಷಾಂತರಕಾರ - ಅನುವಾದಕ) ಒಂದು ಭಾಷಾಂತರಕಾರ ಕಾರ್ಯಕ್ರಮವಾಗಿದೆ. ಇದು ಉನ್ನತ ಮಟ್ಟದ ಭಾಷೆಗಳಲ್ಲಿ ಬರೆಯಲಾದ ಪ್ರೋಗ್ರಾಂ ಅನ್ನು ಯಂತ್ರ ಸೂಚನೆಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಪ್ರೋಗ್ರಾಂ ಆಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ.

ಯಾವುದೇ ಉನ್ನತ ಮಟ್ಟದ ಅಲ್ಗಾರಿದಮಿಕ್ ಭಾಷೆಯಲ್ಲಿ ಬರೆಯಲಾದ ಪ್ರೋಗ್ರಾಂ ಅನ್ನು ಕಂಪ್ಯೂಟರ್‌ನಲ್ಲಿ ನೇರವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಲಾಗುವುದಿಲ್ಲ. ಕಂಪ್ಯೂಟರ್ ಯಂತ್ರದ ಆಜ್ಞೆಗಳ ಭಾಷೆಯನ್ನು ಮಾತ್ರ ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತದೆ. ಪರಿಣಾಮವಾಗಿ, ಅಲ್ಗಾರಿದಮಿಕ್ ಭಾಷೆಯಲ್ಲಿರುವ ಪ್ರೋಗ್ರಾಂ ಅನ್ನು ನಿರ್ದಿಷ್ಟ ಕಂಪ್ಯೂಟರ್‌ನ ಕಮಾಂಡ್ ಭಾಷೆಗೆ ಅನುವಾದಿಸಬೇಕು (ಅನುವಾದಿಸಬೇಕು). ಅಂತಹ ಅನುವಾದವನ್ನು ಪ್ರತಿ ಅಲ್ಗಾರಿದಮಿಕ್ ಭಾಷೆಗೆ ಮತ್ತು ಪ್ರತಿಯೊಂದು ರೀತಿಯ ಕಂಪ್ಯೂಟರ್‌ಗೆ ರಚಿಸಲಾದ ವಿಶೇಷ ಭಾಷಾಂತರಕಾರ ಕಾರ್ಯಕ್ರಮಗಳಿಂದ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಕೈಗೊಳ್ಳಲಾಗುತ್ತದೆ.

ಪ್ರಸಾರದ ಎರಡು ಮುಖ್ಯ ವಿಧಾನಗಳಿವೆ - ಸಂಕಲನ ಮತ್ತು ವ್ಯಾಖ್ಯಾನ.

1.ಸಂಕಲನ: ಕಂಪೈಲರ್(ಇಂಗ್ಲಿಷ್ ಕಂಪೈಲರ್ - ಕಂಪೈಲರ್, ಕಲೆಕ್ಟರ್) ಸಂಪೂರ್ಣ ಪ್ರೋಗ್ರಾಂ ಅನ್ನು ಓದುತ್ತದೆ, ಅದನ್ನು ಭಾಷಾಂತರಿಸುತ್ತದೆ ಮತ್ತು ಪ್ರೋಗ್ರಾಂನ ಸಂಪೂರ್ಣ ಆವೃತ್ತಿಯನ್ನು ಯಂತ್ರ ಭಾಷೆಯಲ್ಲಿ ರಚಿಸುತ್ತದೆ, ನಂತರ ಅದನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲಾಗುತ್ತದೆ.

ನಲ್ಲಿ ಸಂಕಲನಸಂಪೂರ್ಣ ಮೂಲ ಪ್ರೋಗ್ರಾಂ ಅನ್ನು ತಕ್ಷಣವೇ ಯಂತ್ರ ಸೂಚನೆಗಳ ಅನುಕ್ರಮವಾಗಿ ಪರಿವರ್ತಿಸಲಾಗುತ್ತದೆ. ಇದರ ನಂತರ, ಪರಿಣಾಮವಾಗಿ ಪ್ರೋಗ್ರಾಂ ಅನ್ನು ಲಭ್ಯವಿರುವ ಮೂಲ ಡೇಟಾದೊಂದಿಗೆ ಕಂಪ್ಯೂಟರ್ನಿಂದ ಕಾರ್ಯಗತಗೊಳಿಸಲಾಗುತ್ತದೆ. ಈ ವಿಧಾನದ ಪ್ರಯೋಜನವೆಂದರೆ ಅನುವಾದವನ್ನು ಒಮ್ಮೆ ನಡೆಸಲಾಗುತ್ತದೆ, ಮತ್ತು ಪರಿಣಾಮವಾಗಿ ಪ್ರೋಗ್ರಾಂನ (ಬಹು) ಮರಣದಂಡನೆಯನ್ನು ಹೆಚ್ಚಿನ ವೇಗದಲ್ಲಿ ಕೈಗೊಳ್ಳಬಹುದು. ಅದೇ ಸಮಯದಲ್ಲಿ, ಪರಿಣಾಮವಾಗಿ ಪ್ರೋಗ್ರಾಂ ಕಂಪ್ಯೂಟರ್ನ ಮೆಮೊರಿಯಲ್ಲಿ ಸಾಕಷ್ಟು ಜಾಗವನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು, ಏಕೆಂದರೆ ಅನುವಾದದ ಸಮಯದಲ್ಲಿ ಒಂದು ಭಾಷಾ ಆಪರೇಟರ್ ಅನ್ನು ನೂರಾರು ಅಥವಾ ಸಾವಿರಾರು ಆಜ್ಞೆಗಳಿಂದ ಬದಲಾಯಿಸಲಾಗುತ್ತದೆ. ಇದರ ಜೊತೆಗೆ, ಪ್ರಸಾರ ಕಾರ್ಯಕ್ರಮದ ಡೀಬಗ್ ಮಾಡುವುದು ಮತ್ತು ಮಾರ್ಪಾಡುಗಳು ತುಂಬಾ ಕಷ್ಟ.

2. ವ್ಯಾಖ್ಯಾನ: ಇಂಟರ್ಪ್ರಿಟರ್(ಇಂಗ್ಲಿಷ್ ಇಂಟರ್ಪ್ರಿಟರ್ - ಇಂಟರ್ಪ್ರಿಟರ್, ಇಂಟರ್ಪ್ರಿಟರ್) ಪ್ರೋಗ್ರಾಂ ಅನ್ನು ಸಾಲಿನ ಮೂಲಕ ಭಾಷಾಂತರಿಸುತ್ತದೆ ಮತ್ತು ಕಾರ್ಯಗತಗೊಳಿಸುತ್ತದೆ.

ನಲ್ಲಿ ವ್ಯಾಖ್ಯಾನಗಳುಮೂಲ ಪ್ರೋಗ್ರಾಂ ಅನ್ನು ಕಂಪ್ಯೂಟರ್ ಮೆಮೊರಿಯಲ್ಲಿ ಬಹುತೇಕ ಬದಲಾಗದೆ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ. ಇಂಟರ್ಪ್ರಿಟರ್ ಪ್ರೋಗ್ರಾಂ ಒಂದು ಸಮಯದಲ್ಲಿ ಮೂಲ ಪ್ರೋಗ್ರಾಂನ ಹೇಳಿಕೆಗಳನ್ನು ಡಿಕೋಡ್ ಮಾಡುತ್ತದೆ ಮತ್ತು ಲಭ್ಯವಿರುವ ಡೇಟಾದೊಂದಿಗೆ ತಕ್ಷಣವೇ ಅವುಗಳ ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆಯನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ. ವ್ಯಾಖ್ಯಾನಿಸಲಾದ ಪ್ರೋಗ್ರಾಂ ಕಂಪ್ಯೂಟರ್ನ ಮೆಮೊರಿಯಲ್ಲಿ ಸ್ವಲ್ಪ ಜಾಗವನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಡೀಬಗ್ ಮಾಡಲು ಮತ್ತು ಮಾರ್ಪಡಿಸಲು ಸುಲಭವಾಗಿದೆ. ಆದರೆ ಪ್ರೋಗ್ರಾಂನ ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆಯು ಸಾಕಷ್ಟು ನಿಧಾನವಾಗಿದೆ, ಏಕೆಂದರೆ ಪ್ರತಿ ಮರಣದಂಡನೆಯೊಂದಿಗೆ ಎಲ್ಲಾ ನಿರ್ವಾಹಕರ ವ್ಯಾಖ್ಯಾನವನ್ನು ಹೊಸದಾಗಿ ಕೈಗೊಳ್ಳಲಾಗುತ್ತದೆ.

ಕಂಪೈಲ್ ಮಾಡಲಾದ ಪ್ರೋಗ್ರಾಂಗಳು ವೇಗವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ, ಆದರೆ ವ್ಯಾಖ್ಯಾನಿಸಲಾದವುಗಳನ್ನು ಸರಿಪಡಿಸಲು ಮತ್ತು ಬದಲಾಯಿಸಲು ಸುಲಭವಾಗಿದೆ.

ಪ್ರತಿಯೊಂದು ನಿರ್ದಿಷ್ಟ ಭಾಷೆಯು ಸಂಕಲನ ಅಥವಾ ವ್ಯಾಖ್ಯಾನದ ಕಡೆಗೆ ಆಧಾರಿತವಾಗಿದೆ - ಅದನ್ನು ರಚಿಸಿದ ಉದ್ದೇಶವನ್ನು ಅವಲಂಬಿಸಿ. ಉದಾಹರಣೆಗೆ, ಪ್ಯಾಸ್ಕಲ್ ಅನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಸಂಕೀರ್ಣವಾದ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ, ಇದರಲ್ಲಿ ಪ್ರೋಗ್ರಾಂ ವೇಗವು ಮುಖ್ಯವಾಗಿದೆ. ಆದ್ದರಿಂದ, ಈ ಭಾಷೆಯನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಕಂಪೈಲರ್ ಬಳಸಿ ಕಾರ್ಯಗತಗೊಳಿಸಲಾಗುತ್ತದೆ.

ಮತ್ತೊಂದೆಡೆ, ಬೇಸಿಕ್ ಅನ್ನು ಅನನುಭವಿ ಪ್ರೋಗ್ರಾಮರ್‌ಗಳಿಗಾಗಿ ಭಾಷೆಯಾಗಿ ರಚಿಸಲಾಗಿದೆ, ಯಾರಿಗೆ ಪ್ರೋಗ್ರಾಂನ ಸಾಲು-ಸಾಲು ಮರಣದಂಡನೆಯು ನಿರಾಕರಿಸಲಾಗದ ಪ್ರಯೋಜನಗಳನ್ನು ಹೊಂದಿದೆ.

ಕೆಲವೊಮ್ಮೆ ಒಂದೇ ಭಾಷೆಗೆ ಕಂಪೈಲರ್ ಮತ್ತು ಇಂಟರ್ಪ್ರಿಟರ್ ಎರಡೂ ಇರುತ್ತದೆ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಪ್ರೋಗ್ರಾಂ ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಮತ್ತು ಪರೀಕ್ಷಿಸಲು ನೀವು ಇಂಟರ್ಪ್ರಿಟರ್ ಅನ್ನು ಬಳಸಬಹುದು, ತದನಂತರ ಅದರ ಕಾರ್ಯಗತಗೊಳಿಸುವ ವೇಗವನ್ನು ಸುಧಾರಿಸಲು ಡೀಬಗ್ ಮಾಡಿದ ಪ್ರೋಗ್ರಾಂ ಅನ್ನು ಕಂಪೈಲ್ ಮಾಡಬಹುದು.

ಅನುವಾದ

ಅನುವಾದಕರ ಟಿಪ್ಪಣಿ: ಲೇಖನವು ಸಾಕಷ್ಟು ಹಳೆಯದಾಗಿದ್ದರೂ (2 ವರ್ಷಗಳ ಹಿಂದೆ ಪ್ರಕಟಿಸಲಾಗಿದೆ) ಮತ್ತು ದೊಡ್ಡ ಶೀರ್ಷಿಕೆಯನ್ನು ಹೊಂದಿದ್ದರೂ, ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳು ಮತ್ತು NoSQL ಡೇಟಾಬೇಸ್‌ಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸಗಳು, ಅವುಗಳ ಅನುಕೂಲಗಳು ಮತ್ತು ಅನಾನುಕೂಲಗಳ ಬಗ್ಗೆ ಇದು ಇನ್ನೂ ಉತ್ತಮ ಕಲ್ಪನೆಯನ್ನು ನೀಡುತ್ತದೆ ಮತ್ತು ಸಂಕ್ಷಿಪ್ತ ಅವಲೋಕನವನ್ನು ಸಹ ನೀಡುತ್ತದೆ. ಸಂಬಂಧವಿಲ್ಲದ ಸಂಗ್ರಹಣೆಗಳು.

ಇತ್ತೀಚೆಗೆ, ಅನೇಕ ಸಂಬಂಧವಿಲ್ಲದ ಡೇಟಾಬೇಸ್‌ಗಳು ಕಾಣಿಸಿಕೊಂಡಿವೆ. ನಿಮಗೆ ವಾಸ್ತವಿಕವಾಗಿ ಅನಿಯಮಿತ ಆನ್-ಡಿಮಾಂಡ್ ಸ್ಕೇಲೆಬಿಲಿಟಿ ಅಗತ್ಯವಿದ್ದರೆ, ನಿಮಗೆ ಸಂಬಂಧವಿಲ್ಲದ ಡೇಟಾಬೇಸ್ ಅಗತ್ಯವಿದೆ ಎಂದು ಇದು ಸೂಚಿಸುತ್ತದೆ.

ಇದು ನಿಜವಾಗಿದ್ದರೆ, ಪ್ರಬಲವಾದ ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ ದುರ್ಬಲವಾಗಿದೆ ಎಂದು ಇದರ ಅರ್ಥವೇ? ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳ ದಿನಗಳು ಹಾದುಹೋಗುತ್ತಿವೆ ಮತ್ತು ಶೀಘ್ರದಲ್ಲೇ ಸಂಪೂರ್ಣವಾಗಿ ಕಣ್ಮರೆಯಾಗುತ್ತದೆ ಎಂದು ಇದರ ಅರ್ಥವೇ? ಈ ಲೇಖನದಲ್ಲಿ, ನಾವು ಜನಪ್ರಿಯವಾದ ಸಂಬಂಧವಿಲ್ಲದ ಡೇಟಾಬೇಸ್ ಚಲನೆಯನ್ನು ನೋಡುತ್ತೇವೆ ಏಕೆಂದರೆ ಅದು ವಿಭಿನ್ನ ಸಂದರ್ಭಗಳಲ್ಲಿ ಅನ್ವಯಿಸುತ್ತದೆ ಮತ್ತು ಇದು ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳ ಭವಿಷ್ಯದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆಯೇ ಎಂದು ನೋಡೋಣ.

ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳು ಸುಮಾರು 30 ವರ್ಷಗಳಿಂದಲೂ ಇವೆ. ಈ ಸಮಯದಲ್ಲಿ, ಸಂಬಂಧಿತ ಶೇಖರಣೆಯನ್ನು ಕೊನೆಗೊಳಿಸುವಂತಹ ಹಲವಾರು ಕ್ರಾಂತಿಗಳು ಭುಗಿಲೆದ್ದವು. ಸಹಜವಾಗಿ, ಈ ಯಾವುದೇ ಕ್ರಾಂತಿಗಳು ನಡೆಯಲಿಲ್ಲ, ಮತ್ತು ಅವುಗಳಲ್ಲಿ ಯಾವುದೂ ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳ ಸ್ಥಾನವನ್ನು ಒಂದು ಐಯೊಟಾ ಅಲುಗಾಡಿಸಲಿಲ್ಲ.

ಮೂಲಭೂತ ವಿಷಯಗಳೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸೋಣ

ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ ಎನ್ನುವುದು ಕೋಷ್ಟಕಗಳ (ಎಂಟಿಟಿಗಳು) ಒಂದು ಸೆಟ್ ಆಗಿದೆ. ಕೋಷ್ಟಕಗಳು ಕಾಲಮ್‌ಗಳು ಮತ್ತು ಸಾಲುಗಳನ್ನು (ಟುಪಲ್ಸ್) ಒಳಗೊಂಡಿರುತ್ತವೆ. ಕೋಷ್ಟಕಗಳಲ್ಲಿ ನಿರ್ಬಂಧಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಬಹುದು ಮತ್ತು ಕೋಷ್ಟಕಗಳ ನಡುವೆ ಸಂಬಂಧಗಳು ಅಸ್ತಿತ್ವದಲ್ಲಿವೆ. SQL ಅನ್ನು ಬಳಸಿಕೊಂಡು, ನೀವು ಒಂದು ಅಥವಾ ಹೆಚ್ಚಿನ ಕೋಷ್ಟಕಗಳಿಂದ ಡೇಟಾ ಸೆಟ್‌ಗಳನ್ನು ಹಿಂತಿರುಗಿಸುವ ಪ್ರಶ್ನೆಗಳನ್ನು ಚಲಾಯಿಸಬಹುದು. ಒಂದು ಪ್ರಶ್ನೆಯೊಳಗೆ, ಅವುಗಳನ್ನು ಸೇರುವ ಮೂಲಕ ಹಲವಾರು ಕೋಷ್ಟಕಗಳಿಂದ ಡೇಟಾವನ್ನು ಪಡೆಯಲಾಗುತ್ತದೆ (JOIN), ಹೆಚ್ಚಾಗಿ ಕೋಷ್ಟಕಗಳ ನಡುವಿನ ಸಂಬಂಧಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವ ಅದೇ ಕಾಲಮ್‌ಗಳನ್ನು ಸಂಪರ್ಕಕ್ಕಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ. ಸಾಮಾನ್ಯೀಕರಣವು ಡೇಟಾದಲ್ಲಿ ಸುಸಂಬದ್ಧತೆ ಮತ್ತು ಪುನರುಕ್ತಿ ಕೊರತೆಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಡೇಟಾ ಮಾದರಿಯನ್ನು ರಚಿಸುವ ಪ್ರಕ್ರಿಯೆಯಾಗಿದೆ.

ರಿಲೇಶನಲ್ ಡೇಟಾಬೇಸ್ ಮ್ಯಾನೇಜ್ಮೆಂಟ್ ಸಿಸ್ಟಮ್ಸ್ (RDBMS) ಮೂಲಕ ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ಗಳನ್ನು ಪ್ರವೇಶಿಸಲಾಗುತ್ತದೆ. ಒರಾಕಲ್, SQL ಸರ್ವರ್, MySQL, Sybase, DB2, TeraData ಮತ್ತು ಮುಂತಾದವುಗಳಂತಹ ಬಹುತೇಕ ಎಲ್ಲಾ ಡೇಟಾಬೇಸ್ ಸಿಸ್ಟಮ್‌ಗಳು ಸಂಬಂಧಿತವಾಗಿವೆ.

ಈ ಪ್ರಾಬಲ್ಯದ ಕಾರಣಗಳು ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ. ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳ ಇತಿಹಾಸದುದ್ದಕ್ಕೂ, ಅವರು ಡೇಟಾ ನಿರ್ವಹಣೆಯಲ್ಲಿ ಸರಳತೆ, ದೃಢತೆ, ನಮ್ಯತೆ, ಕಾರ್ಯಕ್ಷಮತೆ, ಸ್ಕೇಲೆಬಿಲಿಟಿ ಮತ್ತು ಹೊಂದಾಣಿಕೆಯ ಅತ್ಯುತ್ತಮ ಸಂಯೋಜನೆಯನ್ನು ಸತತವಾಗಿ ನೀಡಿದ್ದಾರೆ.

ಆದಾಗ್ಯೂ, ಈ ಎಲ್ಲಾ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಒದಗಿಸಲು, ಸಂಬಂಧಿತ ಮಳಿಗೆಗಳು ಹುಡ್ ಅಡಿಯಲ್ಲಿ ನಂಬಲಾಗದಷ್ಟು ಸಂಕೀರ್ಣವಾಗಿವೆ. ಉದಾಹರಣೆಗೆ, ಸರಳವಾದ SELECT ಪ್ರಶ್ನೆಯು ನೂರಾರು ಸಂಭಾವ್ಯ ಎಕ್ಸಿಕ್ಯೂಶನ್ ಪಥಗಳನ್ನು ಹೊಂದಿರಬಹುದು, ಅದನ್ನು ಆಪ್ಟಿಮೈಜರ್ ಪ್ರಶ್ನೆಯ ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆಯ ಸಮಯದಲ್ಲಿ ನೇರವಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡುತ್ತದೆ. ಇವೆಲ್ಲವನ್ನೂ ಬಳಕೆದಾರರಿಂದ ಮರೆಮಾಡಲಾಗಿದೆ, ಆದರೆ ಆಂತರಿಕವಾಗಿ RDBMS ಪ್ರಶ್ನೆಯನ್ನು ಉತ್ತಮವಾಗಿ ಪೂರೈಸಲು ವೆಚ್ಚದ ಅಂದಾಜು ಅಲ್ಗಾರಿದಮ್‌ಗಳಂತಹ ವಿಷಯಗಳನ್ನು ಆಧರಿಸಿ ಕಾರ್ಯಗತಗೊಳಿಸುವ ಯೋಜನೆಯನ್ನು ರಚಿಸುತ್ತದೆ.

ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳೊಂದಿಗಿನ ಸಮಸ್ಯೆಗಳು

ಸಂಬಂಧಿತ ಮಳಿಗೆಗಳು ಸರಳತೆ, ದೃಢತೆ, ನಮ್ಯತೆ, ಕಾರ್ಯಕ್ಷಮತೆ, ಸ್ಕೇಲೆಬಿಲಿಟಿ ಮತ್ತು ಹೊಂದಾಣಿಕೆಯ ಅತ್ಯುತ್ತಮ ಮಿಶ್ರಣವನ್ನು ಒದಗಿಸುತ್ತವೆ, ಅವುಗಳು ಒಂದೇ ವೈಶಿಷ್ಟ್ಯದ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುವ ಹೋಲಿಸಬಹುದಾದ ವ್ಯವಸ್ಥೆಗಳಿಗಿಂತ ಈ ಪ್ರತಿಯೊಂದು ಅಂಶಗಳಲ್ಲಿ ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವುದಿಲ್ಲ. ಇದು ದೊಡ್ಡ ಸಮಸ್ಯೆಯಾಗಿರಲಿಲ್ಲ, ಏಕೆಂದರೆ ಸಂಬಂಧಿತ DBMS ಗಳ ಒಟ್ಟಾರೆ ಪ್ರಾಬಲ್ಯವು ಯಾವುದೇ ನ್ಯೂನತೆಗಳನ್ನು ಮೀರಿಸಿದೆ. ಆದಾಗ್ಯೂ, ಸಾಂಪ್ರದಾಯಿಕ RDB ಗಳು ಅಗತ್ಯಗಳನ್ನು ಪೂರೈಸದಿದ್ದರೆ, ಯಾವಾಗಲೂ ಪರ್ಯಾಯಗಳು ಇದ್ದವು.

ಇಂದು ಪರಿಸ್ಥಿತಿ ಸ್ವಲ್ಪ ವಿಭಿನ್ನವಾಗಿದೆ. ವಿವಿಧ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಬೆಳೆಯುತ್ತಿವೆ ಮತ್ತು ಅದರೊಂದಿಗೆ ಈ ವೈಶಿಷ್ಟ್ಯಗಳ ಪ್ರಾಮುಖ್ಯತೆಯು ಬೆಳೆಯುತ್ತಿದೆ. ಮತ್ತು ಡೇಟಾಬೇಸ್‌ಗಳ ಸಂಖ್ಯೆಯು ಬೆಳೆದಂತೆ, ಒಂದು ವೈಶಿಷ್ಟ್ಯವು ಎಲ್ಲವನ್ನು ಮೀರಿಸಲು ಪ್ರಾರಂಭಿಸುತ್ತದೆ. ಇದು ಸ್ಕೇಲೆಬಿಲಿಟಿ. ವೆಬ್ ಸೇವೆಗಳಂತಹ ಹೆಚ್ಚಿನ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಹೆಚ್ಚಿನ ಲೋಡ್‌ನಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವುದರಿಂದ, ಅವುಗಳ ಸ್ಕೇಲೆಬಿಲಿಟಿ ಅಗತ್ಯತೆಗಳು ಬದಲಾಗಬಹುದು ಮತ್ತು ತ್ವರಿತವಾಗಿ ಬೆಳೆಯಬಹುದು. ನಿಮ್ಮ ಸ್ವಂತ ಸರ್ವರ್‌ನಲ್ಲಿ ನೀವು ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ ಹೊಂದಿದ್ದರೆ ಮೊದಲ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು ತುಂಬಾ ಕಷ್ಟವಾಗುತ್ತದೆ. ರಾತ್ರೋರಾತ್ರಿ ಸರ್ವರ್ ಲೋಡ್ ಟ್ರಿಪಲ್ ಆಗುತ್ತದೆ ಎಂದು ಹೇಳೋಣ. ನಿಮ್ಮ ಹಾರ್ಡ್‌ವೇರ್ ಅನ್ನು ನೀವು ಎಷ್ಟು ಬೇಗನೆ ಅಪ್‌ಗ್ರೇಡ್ ಮಾಡಬಹುದು? ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ಬಳಸುವಾಗ ಎರಡನೇ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸುವುದು ತೊಂದರೆಗಳನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ.

ಒಂದೇ ಸರ್ವರ್‌ನಲ್ಲಿದ್ದರೆ ಮಾತ್ರ ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳು ಉತ್ತಮವಾಗಿ ಅಳೆಯುತ್ತವೆ. ಈ ಸರ್ವರ್‌ನ ಸಂಪನ್ಮೂಲಗಳು ಖಾಲಿಯಾದಾಗ, ನೀವು ಹೆಚ್ಚಿನ ಯಂತ್ರಗಳನ್ನು ಸೇರಿಸಬೇಕಾಗುತ್ತದೆ ಮತ್ತು ಅವುಗಳ ನಡುವೆ ಲೋಡ್ ಅನ್ನು ವಿತರಿಸಬೇಕಾಗುತ್ತದೆ. ಮತ್ತು ಇಲ್ಲಿಯೇ ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳ ಸಂಕೀರ್ಣತೆಯು ಸ್ಕೇಲೆಬಿಲಿಟಿ ವಿರುದ್ಧ ಆಡಲು ಪ್ರಾರಂಭವಾಗುತ್ತದೆ. ನೀವು ಸರ್ವರ್‌ಗಳ ಸಂಖ್ಯೆಯನ್ನು ಕೆಲವೇ ಅಲ್ಲ, ಆದರೆ ನೂರಾರು ಅಥವಾ ಸಾವಿರಗಳಿಗೆ ಹೆಚ್ಚಿಸಲು ಪ್ರಯತ್ನಿಸಿದರೆ, ಸಂಕೀರ್ಣತೆಯು ಪರಿಮಾಣದ ಕ್ರಮದಿಂದ ಹೆಚ್ಚಾಗುತ್ತದೆ ಮತ್ತು ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ತುಂಬಾ ಆಕರ್ಷಕವಾಗಿಸುವ ಗುಣಲಕ್ಷಣಗಳು ಅವುಗಳನ್ನು ವೇದಿಕೆಯಾಗಿ ಬಳಸುವ ಸಾಧ್ಯತೆಗಳನ್ನು ತ್ವರಿತವಾಗಿ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಶೂನ್ಯಕ್ಕೆ ದೊಡ್ಡ ವಿತರಣೆ ವ್ಯವಸ್ಥೆಗಳು.

ಸ್ಪರ್ಧಾತ್ಮಕವಾಗಿ ಉಳಿಯಲು, ಕ್ಲೌಡ್ ಸೇವಾ ಮಾರಾಟಗಾರರು ಹೇಗಾದರೂ ಈ ಮಿತಿಯನ್ನು ಎದುರಿಸಬೇಕಾಗುತ್ತದೆ, ಏಕೆಂದರೆ ಸ್ಕೇಲೆಬಲ್ ಡೇಟಾ ಸಂಗ್ರಹಣೆಯಿಲ್ಲದೆ ಅದು ಯಾವ ರೀತಿಯ ಕ್ಲೌಡ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಆಗಿದೆ. ಇದು ಬಳಕೆದಾರರಿಗೆ ಸ್ಕೇಲೆಬಲ್ ಶೇಖರಣಾ ಸ್ಥಳವನ್ನು ಒದಗಿಸಲು ಬಯಸಿದರೆ ಮಾರಾಟಗಾರರಿಗೆ ಒಂದೇ ಆಯ್ಕೆಯನ್ನು ನೀಡುತ್ತದೆ. ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳಲ್ಲಿ ಲಭ್ಯವಿರುವ ಇತರ ವೈಶಿಷ್ಟ್ಯಗಳ ವೆಚ್ಚದಲ್ಲಿ ಹೆಚ್ಚಿನ ಸ್ಕೇಲೆಬಿಲಿಟಿ ಹೊಂದಿರುವ ಇತರ ರೀತಿಯ ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ಬಳಸುವುದು ಅವಶ್ಯಕ.

ಈ ಪ್ರಯೋಜನಗಳು ಮತ್ತು ಅವುಗಳಿಗೆ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಬೇಡಿಕೆಯು ಹೊಸ ಡೇಟಾಬೇಸ್ ನಿರ್ವಹಣಾ ವ್ಯವಸ್ಥೆಗಳ ಅಲೆಗೆ ಕಾರಣವಾಗಿದೆ.

ಹೊಸ ಅಲೆ

ಈ ರೀತಿಯ ಡೇಟಾಬೇಸ್ ಅನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಕೀ-ಮೌಲ್ಯ ಸ್ಟೋರ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ವಾಸ್ತವವಾಗಿ, ಯಾವುದೇ ಅಧಿಕೃತ ಹೆಸರಿಲ್ಲ, ಆದ್ದರಿಂದ ನೀವು ಅದನ್ನು ಡಾಕ್ಯುಮೆಂಟ್-ಆಧಾರಿತ, ಗುಣಲಕ್ಷಣ-ಆಧಾರಿತ, ವಿತರಿಸಿದ ಡೇಟಾಬೇಸ್‌ಗಳ ಸಂದರ್ಭದಲ್ಲಿ ನೋಡಬಹುದು (ಅವುಗಳು ಸಂಬಂಧಿತವಾಗಿರಬಹುದು), ಚೂರುಚೂರು ವಿಂಗಡಿಸಲಾದ ಅರೇಗಳು, ವಿತರಿಸಿದ ಹ್ಯಾಶ್ ಕೋಷ್ಟಕಗಳು ಮತ್ತು ಶೇಖರಣಾ ಕೀ-ಮೌಲ್ಯ ಮಾದರಿ. ಈ ಪ್ರತಿಯೊಂದು ಹೆಸರುಗಳು ಸಿಸ್ಟಂನ ನಿರ್ದಿಷ್ಟ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಉಲ್ಲೇಖಿಸುತ್ತದೆ, ಅವೆಲ್ಲವೂ ನಾವು ಕೀ-ಮೌಲ್ಯ ಸಂಗ್ರಹಣೆ ಎಂದು ಕರೆಯುವ ಥೀಮ್‌ನಲ್ಲಿನ ಬದಲಾವಣೆಗಳಾಗಿವೆ.

ಆದಾಗ್ಯೂ, ನೀವು ಅದನ್ನು ಏನೇ ಕರೆದರೂ, ಈ "ಹೊಸ" ಪ್ರಕಾರದ ಡೇಟಾಬೇಸ್ ಹೊಸದಲ್ಲ ಮತ್ತು ಯಾವಾಗಲೂ ಮುಖ್ಯವಾಗಿ ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳ ಬಳಕೆ ಸೂಕ್ತವಲ್ಲದ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಸ್ಕೇಲೆಬಿಲಿಟಿಗಾಗಿ ವೆಬ್ ಮತ್ತು ಕ್ಲೌಡ್‌ನ ಅಗತ್ಯವಿಲ್ಲದೆ, ಈ ವ್ಯವಸ್ಥೆಗಳು ಕಡಿಮೆ ಬೇಡಿಕೆಯಲ್ಲಿ ಉಳಿದಿವೆ. ನಿರ್ದಿಷ್ಟ ವ್ಯವಸ್ಥೆಗೆ ಯಾವ ರೀತಿಯ ಸಂಗ್ರಹಣೆಯು ಸೂಕ್ತವಾಗಿರುತ್ತದೆ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸುವುದು ಈಗ ಸವಾಲಾಗಿದೆ.
ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳು ಮತ್ತು ಪ್ರಮುಖ ಮೌಲ್ಯದ ಮಳಿಗೆಗಳು ಮೂಲಭೂತವಾಗಿ ವಿಭಿನ್ನವಾಗಿವೆ ಮತ್ತು ವಿಭಿನ್ನ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ಗುಣಲಕ್ಷಣಗಳನ್ನು ಹೋಲಿಸುವುದು ಅವುಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮಾತ್ರ ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ, ಆದರೆ ಇದರೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸೋಣ:

ಶೇಖರಣಾ ಗುಣಲಕ್ಷಣಗಳು

ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್	ಪ್ರಮುಖ ಮೌಲ್ಯದ ಅಂಗಡಿ
ಡೇಟಾಬೇಸ್ ಕೋಷ್ಟಕಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ, ಕೋಷ್ಟಕಗಳು ಕಾಲಮ್‌ಗಳು ಮತ್ತು ಸಾಲುಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ ಮತ್ತು ಸಾಲುಗಳು ಕಾಲಮ್ ಮೌಲ್ಯಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ. ಒಂದು ಕೋಷ್ಟಕದ ಎಲ್ಲಾ ಸಾಲುಗಳು ಒಂದೇ ರಚನೆಯನ್ನು ಹೊಂದಿವೆ.	ಡೊಮೇನ್‌ಗಳಿಗೆ, ಕೋಷ್ಟಕಗಳೊಂದಿಗೆ ಸಾದೃಶ್ಯವನ್ನು ಎಳೆಯಬಹುದು, ಆದರೆ ಕೋಷ್ಟಕಗಳಂತೆ, ಡೊಮೇನ್‌ಗಳಿಗೆ ಡೇಟಾ ರಚನೆಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿಲ್ಲ. ಡೊಮೇನ್ ಒಂದು ಬಾಕ್ಸ್ ಆಗಿದ್ದು ಅದರಲ್ಲಿ ನೀವು ಏನು ಬೇಕಾದರೂ ಹಾಕಬಹುದು. ಒಂದೇ ಡೊಮೇನ್‌ನಲ್ಲಿನ ದಾಖಲೆಗಳು ವಿಭಿನ್ನ ರಚನೆಗಳನ್ನು ಹೊಂದಿರಬಹುದು.
ಡೇಟಾ ಮಾದರಿ 1 ಪೂರ್ವನಿರ್ಧರಿತವಾಗಿದೆ. ಇದು ಬಲವಾಗಿ ಟೈಪ್ ಮಾಡಲಾಗಿದೆ ಮತ್ತು ಡೇಟಾ ಸಮಗ್ರತೆಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ನಿರ್ಬಂಧಗಳು ಮತ್ತು ಸಂಬಂಧಗಳನ್ನು ಒಳಗೊಂಡಿದೆ.	ದಾಖಲೆಗಳನ್ನು ಒಂದು ಕೀಲಿಯಿಂದ ಗುರುತಿಸಲಾಗುತ್ತದೆ, ಪ್ರತಿ ದಾಖಲೆಯು ಅದರೊಂದಿಗೆ ಸಂಯೋಜಿತವಾಗಿರುವ ಗುಣಲಕ್ಷಣಗಳ ಕ್ರಿಯಾತ್ಮಕ ಸೆಟ್ ಅನ್ನು ಹೊಂದಿರುತ್ತದೆ.
ಡೇಟಾ ಮಾದರಿಯು ಅಪ್ಲಿಕೇಶನ್‌ನ ಕಾರ್ಯಚಟುವಟಿಕೆಗಿಂತ ಹೆಚ್ಚಾಗಿ ಒಳಗೊಂಡಿರುವ ಡೇಟಾದ ನೈಸರ್ಗಿಕ ಪ್ರಾತಿನಿಧ್ಯವನ್ನು ಆಧರಿಸಿದೆ.	ಕೆಲವು ಅನುಷ್ಠಾನಗಳಲ್ಲಿ, ಗುಣಲಕ್ಷಣಗಳು ಕೇವಲ ತಂತಿಗಳಾಗಿರಬಹುದು. ಇತರ ಅಳವಡಿಕೆಗಳಲ್ಲಿ, ಗುಣಲಕ್ಷಣಗಳು ಪ್ರೋಗ್ರಾಮಿಂಗ್‌ನಲ್ಲಿ ಬಳಸುವ ಪ್ರಕಾರಗಳನ್ನು ಪ್ರತಿಬಿಂಬಿಸುವ ಸರಳ ಡೇಟಾ ಪ್ರಕಾರಗಳನ್ನು ಹೊಂದಿವೆ: ಪೂರ್ಣಾಂಕಗಳು, ಸ್ಟ್ರಿಂಗ್ ಅರೇಗಳು ಮತ್ತು ಪಟ್ಟಿಗಳು.
ಡೇಟಾ ನಕಲು ಮಾಡುವುದನ್ನು ತಪ್ಪಿಸಲು ಡೇಟಾ ಮಾದರಿಯನ್ನು ಸಾಮಾನ್ಯಗೊಳಿಸಲಾಗಿದೆ. ಸಾಮಾನ್ಯೀಕರಣವು ಕೋಷ್ಟಕಗಳ ನಡುವಿನ ಸಂಬಂಧವನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ. ಸಂಬಂಧಗಳು ವಿವಿಧ ಕೋಷ್ಟಕಗಳಿಂದ ಡೇಟಾವನ್ನು ಸಂಪರ್ಕಿಸುತ್ತವೆ.	ಡೊಮೇನ್‌ಗಳ ನಡುವೆ, ಹಾಗೆಯೇ ಒಂದು ಡೊಮೇನ್‌ನೊಳಗೆ, ಸಂಬಂಧಗಳನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿಲ್ಲ.

ಸೇರುವುದಿಲ್ಲ

ಪ್ರಮುಖ ಮೌಲ್ಯದ ಮಳಿಗೆಗಳು ದಾಖಲೆ-ಆಧಾರಿತವಾಗಿವೆ. ಕೊಟ್ಟಿರುವ ದಾಖಲೆಗೆ ಸಂಬಂಧಿಸಿದ ಎಲ್ಲಾ ಮಾಹಿತಿಯನ್ನು ಅದರೊಂದಿಗೆ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ ಎಂದರ್ಥ. ಡೊಮೇನ್ (ನೀವು ಟೇಬಲ್ ಎಂದು ಯೋಚಿಸಬಹುದು) ಲೆಕ್ಕವಿಲ್ಲದಷ್ಟು ವಿಭಿನ್ನ ನಮೂದುಗಳನ್ನು ಒಳಗೊಂಡಿರಬಹುದು. ಉದಾಹರಣೆಗೆ, ಡೊಮೇನ್ ಗ್ರಾಹಕರು ಮತ್ತು ಆದೇಶಗಳ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಒಳಗೊಂಡಿರಬಹುದು. ಇದರರ್ಥ ಡೇಟಾವು ವಿಭಿನ್ನ ಡೊಮೇನ್‌ಗಳ ನಡುವೆ ನಕಲು ಮಾಡುತ್ತದೆ. ಇದು ಸ್ವೀಕಾರಾರ್ಹ ವಿಧಾನವಾಗಿದೆ ಏಕೆಂದರೆ ಡಿಸ್ಕ್ ಸ್ಥಳವು ಅಗ್ಗವಾಗಿದೆ. ಮುಖ್ಯ ವಿಷಯವೆಂದರೆ ಎಲ್ಲಾ ಸಂಬಂಧಿತ ಡೇಟಾವನ್ನು ಒಂದೇ ಸ್ಥಳದಲ್ಲಿ ಸಂಗ್ರಹಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ, ಇದು ವಿವಿಧ ಕೋಷ್ಟಕಗಳಿಂದ ಡೇಟಾವನ್ನು ಸೇರಲು ಅಗತ್ಯವಿಲ್ಲದ ಕಾರಣ ಸ್ಕೇಲೆಬಿಲಿಟಿ ಸುಧಾರಿಸುತ್ತದೆ. ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ ಅನ್ನು ಬಳಸುವಾಗ, ಅಗತ್ಯ ಮಾಹಿತಿಯನ್ನು ಒಂದೇ ಸ್ಥಳದಲ್ಲಿ ಗುಂಪು ಮಾಡಲು ಸೇರ್ಪಡೆಗಳನ್ನು ಬಳಸುವುದು ಅಗತ್ಯವಾಗಿರುತ್ತದೆ.

ಪ್ರಮುಖ ಮೌಲ್ಯದ ಜೋಡಿಗಳನ್ನು ಸಂಗ್ರಹಿಸಲು ಸಂಬಂಧಗಳ ಅಗತ್ಯವು ತೀವ್ರವಾಗಿ ಇಳಿಯುತ್ತದೆಯಾದರೂ, ಸಂಬಂಧಗಳು ಇನ್ನೂ ಅಗತ್ಯವಿದೆ. ಅಂತಹ ಸಂಬಂಧಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಆಧಾರವಾಗಿರುವ ಘಟಕಗಳ ನಡುವೆ ಅಸ್ತಿತ್ವದಲ್ಲಿರುತ್ತವೆ. ಉದಾಹರಣೆಗೆ, ಆರ್ಡರ್ ಮಾಡುವ ವ್ಯವಸ್ಥೆಯು ಗ್ರಾಹಕರು, ಉತ್ಪನ್ನಗಳು ಮತ್ತು ಆದೇಶಗಳ ಬಗ್ಗೆ ಡೇಟಾವನ್ನು ಒಳಗೊಂಡಿರುವ ದಾಖಲೆಗಳನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಈ ಡೇಟಾವು ಒಂದು ಡೊಮೇನ್‌ನಲ್ಲಿದೆಯೇ ಅಥವಾ ಹಲವಾರು ಡೊಮೇನ್‌ನಲ್ಲಿದೆಯೇ ಎಂಬುದು ಅಪ್ರಸ್ತುತವಾಗುತ್ತದೆ. ಬಾಟಮ್ ಲೈನ್ ಎಂದರೆ ಗ್ರಾಹಕರು ಆರ್ಡರ್ ಮಾಡಿದಾಗ, ಗ್ರಾಹಕರು ಮತ್ತು ಆರ್ಡರ್ ಮಾಹಿತಿಯನ್ನು ಒಂದೇ ದಾಖಲೆಯಲ್ಲಿ ಸಂಗ್ರಹಿಸಲು ನೀವು ಬಹುಶಃ ಬಯಸುವುದಿಲ್ಲ.
ಬದಲಾಗಿ, ಆರ್ಡರ್ ದಾಖಲೆಯು ಅನುಗುಣವಾದ ಗ್ರಾಹಕ ಮತ್ತು ಉತ್ಪನ್ನ ದಾಖಲೆಗಳನ್ನು ಸೂಚಿಸುವ ಕೀಗಳನ್ನು ಹೊಂದಿರಬೇಕು. ದಾಖಲೆಗಳು ಯಾವುದೇ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸಬಹುದು ಮತ್ತು ಡೇಟಾ ಮಾದರಿಯಲ್ಲಿಯೇ ಸಂಬಂಧಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿಲ್ಲವಾದ್ದರಿಂದ, ಡೇಟಾಬೇಸ್ ನಿರ್ವಹಣಾ ವ್ಯವಸ್ಥೆಯು ಸಂಬಂಧಗಳ ಸಮಗ್ರತೆಯನ್ನು ಪರಿಶೀಲಿಸಲು ಸಾಧ್ಯವಾಗುವುದಿಲ್ಲ. ಇದರರ್ಥ ನೀವು ಗ್ರಾಹಕರು ಮತ್ತು ಅವರು ಆರ್ಡರ್ ಮಾಡಿದ ಉತ್ಪನ್ನಗಳನ್ನು ಅಳಿಸಬಹುದು. ಡೇಟಾ ಸಮಗ್ರತೆಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವುದು ಸಂಪೂರ್ಣವಾಗಿ ಅಪ್ಲಿಕೇಶನ್‌ನಲ್ಲಿ ಬರುತ್ತದೆ.

ಡೇಟಾ ಪ್ರವೇಶ

ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್	ಪ್ರಮುಖ ಮೌಲ್ಯದ ಅಂಗಡಿ
ಸ್ಟ್ರಕ್ಚರ್ಡ್ ಕ್ವೆರಿ ಲಾಂಗ್ವೇಜ್ (SQL) ಬಳಸಿಕೊಂಡು ಡೇಟಾವನ್ನು ರಚಿಸಲಾಗಿದೆ, ನವೀಕರಿಸಲಾಗಿದೆ, ಅಳಿಸಲಾಗಿದೆ ಮತ್ತು ಪ್ರಶ್ನಿಸಲಾಗಿದೆ.	API ವಿಧಾನದ ಕರೆಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಡೇಟಾವನ್ನು ರಚಿಸಲಾಗಿದೆ, ನವೀಕರಿಸಲಾಗಿದೆ, ಅಳಿಸಲಾಗಿದೆ ಮತ್ತು ಪ್ರಶ್ನಿಸಲಾಗಿದೆ.
SQL ಪ್ರಶ್ನೆಗಳು ಒಂದೇ ಕೋಷ್ಟಕದಿಂದ ಅಥವಾ ಸೇರುವಿಕೆಯನ್ನು ಬಳಸಿಕೊಂಡು ಬಹು ಕೋಷ್ಟಕಗಳಿಂದ ಡೇಟಾವನ್ನು ಹಿಂಪಡೆಯಬಹುದು.	ಫಿಲ್ಟರ್ ಪರಿಸ್ಥಿತಿಗಳನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಲು ಕೆಲವು ಅಳವಡಿಕೆಗಳು SQL ತರಹದ ಸಿಂಟ್ಯಾಕ್ಸ್ ಅನ್ನು ಒದಗಿಸುತ್ತವೆ.
SQL ಪ್ರಶ್ನೆಗಳು ಒಟ್ಟುಗೂಡುವಿಕೆಗಳು ಮತ್ತು ಸಂಕೀರ್ಣ ಫಿಲ್ಟರ್‌ಗಳನ್ನು ಒಳಗೊಂಡಿರಬಹುದು.	ಸಾಮಾನ್ಯವಾಗಿ ನೀವು ಮೂಲ ಹೋಲಿಕೆ ಆಪರೇಟರ್‌ಗಳನ್ನು ಮಾತ್ರ ಬಳಸಬಹುದು (=, !=,<, >, <= и =>).
ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ ವಿಶಿಷ್ಟವಾಗಿ ಟ್ರಿಗ್ಗರ್‌ಗಳು, ಸಂಗ್ರಹಿಸಿದ ಕಾರ್ಯವಿಧಾನಗಳು ಮತ್ತು ಕಾರ್ಯಗಳಂತಹ ಅಂತರ್ನಿರ್ಮಿತ ತರ್ಕವನ್ನು ಹೊಂದಿರುತ್ತದೆ.	ಎಲ್ಲಾ ವ್ಯವಹಾರ ಮತ್ತು ಡೇಟಾ ಸಮಗ್ರತೆಯ ತರ್ಕವು ಅಪ್ಲಿಕೇಶನ್ ಕೋಡ್‌ನಲ್ಲಿ ಒಳಗೊಂಡಿರುತ್ತದೆ.

ಅಪ್ಲಿಕೇಶನ್‌ಗಳೊಂದಿಗೆ ಸಂವಹನ

ಪ್ರಮುಖ ಮೌಲ್ಯದ ಅಂಗಡಿಗಳು: ಪ್ರಯೋಜನಗಳು

ಸಂಬಂಧಿತ ಮಳಿಗೆಗಳಿಗಿಂತ ಅಂತಹ ವ್ಯವಸ್ಥೆಗಳ ಎರಡು ಸ್ಪಷ್ಟ ಪ್ರಯೋಜನಗಳಿವೆ.

ಕ್ಲೌಡ್ ಸೇವೆಗಳಿಗೆ ಸೂಕ್ತವಾಗಿದೆ

ಪ್ರಮುಖ ಮೌಲ್ಯದ ಮಳಿಗೆಗಳ ಮೊದಲ ಪ್ರಯೋಜನವೆಂದರೆ ಅವು ಸರಳವಾದವು ಮತ್ತು ಆದ್ದರಿಂದ ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳಿಗಿಂತ ಹೆಚ್ಚು ಸ್ಕೇಲೆಬಲ್ ಆಗಿರುತ್ತವೆ. ನಿಮ್ಮ ಸ್ವಂತ ಸಿಸ್ಟಮ್ ಅನ್ನು ನೀವು ಸಹ-ಹೋಸ್ಟ್ ಮಾಡುತ್ತಿದ್ದರೆ ಮತ್ತು ನಿಮ್ಮ ಡೇಟಾ ಸ್ಟೋರ್‌ನ ಹಿಂದೆ ಹೆಚ್ಚುತ್ತಿರುವ ಲೋಡ್‌ಗಳನ್ನು ನಿಭಾಯಿಸಲು ಅಗತ್ಯವಿರುವ ಒಂದು ಡಜನ್ ಅಥವಾ ನೂರು ಸರ್ವರ್‌ಗಳನ್ನು ಇರಿಸಲು ಯೋಜಿಸಿದರೆ, ನಂತರ ಪ್ರಮುಖ ಮೌಲ್ಯದ ಅಂಗಡಿಗಳು ನಿಮ್ಮ ಆಯ್ಕೆಯಾಗಿದೆ.

ಅಂತಹ ಸಂಗ್ರಹಣೆಯು ಸುಲಭವಾಗಿ ಮತ್ತು ಕ್ರಿಯಾತ್ಮಕವಾಗಿ ವಿಸ್ತರಿಸಬಹುದಾದ ಕಾರಣ, ಬಹು-ಬಾಡಿಗೆದಾರ ವೆಬ್-ಆಧಾರಿತ ಶೇಖರಣಾ ವೇದಿಕೆಯನ್ನು ಒದಗಿಸುವ ಮಾರಾಟಗಾರರಿಗೂ ಇದು ಉಪಯುಕ್ತವಾಗಿದೆ. ಅಂತಹ ಡೇಟಾಬೇಸ್ ಉತ್ತಮ ಸ್ಕೇಲೆಬಿಲಿಟಿ ಸಾಮರ್ಥ್ಯದೊಂದಿಗೆ ಡೇಟಾ ಸಂಗ್ರಹಣೆಯ ತುಲನಾತ್ಮಕವಾಗಿ ಅಗ್ಗದ ಸಾಧನವಾಗಿದೆ. ಬಳಕೆದಾರರು ಸಾಮಾನ್ಯವಾಗಿ ಅವರು ಬಳಸುವುದಕ್ಕೆ ಮಾತ್ರ ಪಾವತಿಸುತ್ತಾರೆ, ಆದರೆ ಅವರ ಅಗತ್ಯತೆಗಳು ಹೆಚ್ಚಾಗಬಹುದು. ಮಾರಾಟಗಾರನು ನಿರ್ಬಂಧಗಳಿಲ್ಲದೆ ಕ್ರಿಯಾತ್ಮಕವಾಗಿ ಮತ್ತು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಲೋಡ್ ಅನ್ನು ಆಧರಿಸಿ ವೇದಿಕೆಯ ಗಾತ್ರವನ್ನು ಹೆಚ್ಚಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.

ಕೋಡ್‌ನೊಂದಿಗೆ ಹೆಚ್ಚು ನೈಸರ್ಗಿಕ ಏಕೀಕರಣ

ಸಂಬಂಧಿತ ಡೇಟಾ ಮಾದರಿ ಮತ್ತು ಕೋಡ್ ಆಬ್ಜೆಕ್ಟ್ ಮಾದರಿಯನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ವಿಭಿನ್ನವಾಗಿ ನಿರ್ಮಿಸಲಾಗುತ್ತದೆ, ಇದು ಕೆಲವು ಅಸಾಮರಸ್ಯಕ್ಕೆ ಕಾರಣವಾಗುತ್ತದೆ. ಡೆವಲಪರ್‌ಗಳು ಆಬ್ಜೆಕ್ಟ್ ಮಾಡೆಲ್‌ಗೆ ಸಂಬಂಧಿತ ಮಾದರಿಯನ್ನು ನಕ್ಷೆ ಮಾಡುವ ಕೋಡ್ ಬರೆಯುವ ಮೂಲಕ ಈ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸುತ್ತಾರೆ. ಈ ಪ್ರಕ್ರಿಯೆಯು ಸ್ಪಷ್ಟ ಮತ್ತು ತ್ವರಿತವಾಗಿ ಸಾಧಿಸಬಹುದಾದ ಮೌಲ್ಯವನ್ನು ಹೊಂದಿಲ್ಲ ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಖರ್ಚು ಮಾಡಬಹುದಾದ ಸಾಕಷ್ಟು ಗಮನಾರ್ಹ ಸಮಯವನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು. ಏತನ್ಮಧ್ಯೆ, ಅನೇಕ ಪ್ರಮುಖ-ಮೌಲ್ಯ ಮಳಿಗೆಗಳು ಹೆಚ್ಚು ನೈಸರ್ಗಿಕವಾಗಿ ವಸ್ತುಗಳನ್ನು ನಕ್ಷೆ ಮಾಡುವ ರಚನೆಯಲ್ಲಿ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುತ್ತವೆ. ಇದು ಅಭಿವೃದ್ಧಿಯ ಸಮಯವನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.

"ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳು ಗೊಂದಲಕ್ಕೊಳಗಾಗಬಹುದು" (ಅದರ ಅರ್ಥವೇನೆಂದು ನನಗೆ ತಿಳಿದಿಲ್ಲ) ನಂತಹ ಪ್ರಮುಖ-ಮೌಲ್ಯದ ಅಂಗಡಿಗಳನ್ನು ಬಳಸುವ ಇತರ ವಾದಗಳು ಕಡಿಮೆ ಬಲವಾದವು. ಆದರೆ ನೀವು ಅಂತಹ ಶೇಖರಣೆಗಾಗಿ ವಕೀಲರಾಗುವ ಮೊದಲು, ಮುಂದಿನ ವಿಭಾಗವನ್ನು ಓದಿ.

ಪ್ರಮುಖ ಮೌಲ್ಯದ ಮಳಿಗೆಗಳು: ಅನಾನುಕೂಲಗಳು

ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳಲ್ಲಿನ ನಿರ್ಬಂಧಗಳು ಕಡಿಮೆ ಮಟ್ಟದಲ್ಲಿ ಡೇಟಾ ಸಮಗ್ರತೆಯನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ. ನಿರ್ಬಂಧಗಳನ್ನು ಪೂರೈಸದ ಡೇಟಾವು ಭೌತಿಕವಾಗಿ ಡೇಟಾಬೇಸ್ ಅನ್ನು ನಮೂದಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಕೀ-ಮೌಲ್ಯದ ಅಂಗಡಿಗಳಲ್ಲಿ ಅಂತಹ ಯಾವುದೇ ನಿರ್ಬಂಧಗಳಿಲ್ಲ, ಆದ್ದರಿಂದ ಡೇಟಾ ಸಮಗ್ರತೆಯನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುವುದು ಸಂಪೂರ್ಣವಾಗಿ ಅಪ್ಲಿಕೇಶನ್‌ಗಳೊಂದಿಗೆ ನಿಂತಿದೆ. ಆದಾಗ್ಯೂ, ಯಾವುದೇ ಕೋಡ್ ದೋಷಗಳನ್ನು ಹೊಂದಿದೆ. ಉತ್ತಮವಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿನ ದೋಷಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಡೇಟಾ ಸಮಗ್ರತೆಯ ಸಮಸ್ಯೆಗಳಿಗೆ ಕಾರಣವಾಗುವುದಿಲ್ಲ, ಪ್ರಮುಖ ಮೌಲ್ಯದ ಅಂಗಡಿಗಳಲ್ಲಿನ ದೋಷಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಮಾಡುತ್ತವೆ.

ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳ ಮತ್ತೊಂದು ಪ್ರಯೋಜನವೆಂದರೆ ಅವು ಡೇಟಾ ಮಾದರಿಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವ ಪ್ರಕ್ರಿಯೆಯ ಮೂಲಕ ಹೋಗಲು ನಿಮ್ಮನ್ನು ಒತ್ತಾಯಿಸುತ್ತವೆ. ನೀವು ಮಾದರಿಯನ್ನು ಉತ್ತಮವಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಿದ್ದರೆ, ಡೇಟಾಬೇಸ್ ತಾರ್ಕಿಕ ರಚನೆಯನ್ನು ಹೊಂದಿರುತ್ತದೆ ಅದು ಸಂಗ್ರಹವಾಗಿರುವ ಡೇಟಾದ ರಚನೆಯನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ, ಆದರೆ ಅಪ್ಲಿಕೇಶನ್‌ನ ರಚನೆಯೊಂದಿಗೆ ಭಿನ್ನವಾಗಿರುತ್ತದೆ. ಇದು ಡೇಟಾವನ್ನು ಅಪ್ಲಿಕೇಶನ್‌ನಿಂದ ಸ್ವತಂತ್ರವಾಗಿಸುತ್ತದೆ. ಇದರರ್ಥ ಮತ್ತೊಂದು ಅಪ್ಲಿಕೇಶನ್ ಅದೇ ಡೇಟಾವನ್ನು ಬಳಸಬಹುದು ಮತ್ತು ಡೇಟಾಬೇಸ್ ಮಾದರಿಯಲ್ಲಿ ಯಾವುದೇ ಬದಲಾವಣೆಗಳಿಲ್ಲದೆ ಅಪ್ಲಿಕೇಶನ್ ಲಾಜಿಕ್ ಅನ್ನು ಬದಲಾಯಿಸಬಹುದು. ಕೀ-ಮೌಲ್ಯದ ಅಂಗಡಿಯೊಂದಿಗೆ ಅದೇ ಕೆಲಸವನ್ನು ಮಾಡಲು, ಸಂಬಂಧಿತ ಮಾದರಿ ವಿನ್ಯಾಸ ಪ್ರಕ್ರಿಯೆಯನ್ನು ವರ್ಗ ವಿನ್ಯಾಸದೊಂದಿಗೆ ಬದಲಿಸಲು ಪ್ರಯತ್ನಿಸಿ, ಇದು ಡೇಟಾದ ನೈಸರ್ಗಿಕ ರಚನೆಯ ಆಧಾರದ ಮೇಲೆ ಸಾಮಾನ್ಯ ವರ್ಗಗಳನ್ನು ರಚಿಸುತ್ತದೆ.

ಮತ್ತು ಹೊಂದಾಣಿಕೆಯ ಬಗ್ಗೆ ಮರೆಯಬೇಡಿ. ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳಿಗಿಂತ ಭಿನ್ನವಾಗಿ, ಕ್ಲೌಡ್-ಆಧಾರಿತ ಸಂಗ್ರಹಣೆಯು ಕಡಿಮೆ ಸಾಮಾನ್ಯ ಮಾನದಂಡಗಳನ್ನು ಹೊಂದಿದೆ. ಅವು ಕಲ್ಪನಾತ್ಮಕವಾಗಿ ಭಿನ್ನವಾಗಿಲ್ಲದಿದ್ದರೂ, ಅವೆಲ್ಲವೂ ವಿಭಿನ್ನ API ಗಳು, ವಿನಂತಿ ಇಂಟರ್ಫೇಸ್‌ಗಳು ಮತ್ತು ತಮ್ಮದೇ ಆದ ನಿರ್ದಿಷ್ಟತೆಯನ್ನು ಹೊಂದಿವೆ. ಆದ್ದರಿಂದ, ನಿಮ್ಮ ಮಾರಾಟಗಾರರನ್ನು ನೀವು ಉತ್ತಮವಾಗಿ ನಂಬುತ್ತೀರಿ ಏಕೆಂದರೆ ಏನಾದರೂ ಸಂಭವಿಸಿದಲ್ಲಿ, ನೀವು ಸುಲಭವಾಗಿ ಮತ್ತೊಂದು ಸೇವಾ ಪೂರೈಕೆದಾರರಿಗೆ ಬದಲಾಯಿಸಲು ಸಾಧ್ಯವಾಗುವುದಿಲ್ಲ. ಮತ್ತು ಬಹುತೇಕ ಎಲ್ಲಾ ಆಧುನಿಕ ಕೀ-ಮೌಲ್ಯದ ಅಂಗಡಿಗಳು ಬೀಟಾ 2 ನಲ್ಲಿವೆ ಎಂಬ ಅಂಶವನ್ನು ನೀಡಿದರೆ, ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ಬಳಸುವುದಕ್ಕಿಂತ ನಂಬಿಕೆಯು ಅಪಾಯಕಾರಿಯಾಗುತ್ತದೆ.

ಸೀಮಿತ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ

ವಿಶಿಷ್ಟವಾಗಿ, ಎಲ್ಲಾ ಕ್ಲೌಡ್ ಸಂಗ್ರಹಣೆಯನ್ನು ಬಹು-ಹಿಡುವಳಿ ಆಧಾರದ ಮೇಲೆ ನಿರ್ಮಿಸಲಾಗಿದೆ, ಅಂದರೆ ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಬಳಕೆದಾರರು ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಒಂದೇ ವ್ಯವಸ್ಥೆಯನ್ನು ಬಳಸುತ್ತವೆ. ಒಟ್ಟಾರೆ ಸಿಸ್ಟಮ್ ಅನ್ನು ಹೈಜಾಕ್ ಮಾಡುವುದನ್ನು ತಡೆಯಲು, ಮಾರಾಟಗಾರರು ಸಾಮಾನ್ಯವಾಗಿ ವಿನಂತಿಗಳ ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆಯನ್ನು ಕೆಲವು ರೀತಿಯಲ್ಲಿ ನಿರ್ಬಂಧಿಸುತ್ತಾರೆ. ಉದಾಹರಣೆಗೆ, SimpleDB ನಲ್ಲಿ, ಒಂದು ಪ್ರಶ್ನೆಯು ಪೂರ್ಣಗೊಳ್ಳಲು 5 ಸೆಕೆಂಡುಗಳಿಗಿಂತ ಹೆಚ್ಚು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುವುದಿಲ್ಲ. Google AppEngine ಡೇಟಾಸ್ಟೋರ್‌ನಲ್ಲಿ, ನೀವು ಒಂದು ವಿನಂತಿಯಲ್ಲಿ 1000 ಕ್ಕಿಂತ ಹೆಚ್ಚು ದಾಖಲೆಗಳನ್ನು ಪಡೆಯಲು ಸಾಧ್ಯವಿಲ್ಲ 3.

ಸರಳವಾದ ತರ್ಕಕ್ಕೆ ಈ ನಿರ್ಬಂಧಗಳು ಭಯಾನಕವಲ್ಲ (ಸಣ್ಣ ಸಂಖ್ಯೆಯ ದಾಖಲೆಗಳನ್ನು ರಚಿಸುವುದು, ನವೀಕರಿಸುವುದು, ಅಳಿಸುವುದು ಮತ್ತು ಹಿಂಪಡೆಯುವುದು). ಆದರೆ ನಿಮ್ಮ ಅಪ್ಲಿಕೇಶನ್ ಜನಪ್ರಿಯವಾದರೆ ಏನು? ನೀವು ಸಾಕಷ್ಟು ಹೊಸ ಬಳಕೆದಾರರನ್ನು ಮತ್ತು ಸಾಕಷ್ಟು ಹೊಸ ಡೇಟಾವನ್ನು ಪಡೆದಿರುವಿರಿ ಮತ್ತು ಈಗ ನೀವು ಬಳಕೆದಾರರಿಗೆ ಹೊಸ ಅನುಭವಗಳನ್ನು ಲಭ್ಯವಾಗುವಂತೆ ಮಾಡಲು ಅಥವಾ ಡೇಟಾದಿಂದ ಹೇಗಾದರೂ ಲಾಭ ಪಡೆಯಲು ಬಯಸುತ್ತೀರಿ. ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಸರಳವಾದ ಪ್ರಶ್ನೆಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲು ಇಲ್ಲಿ ನಿಮಗೆ ಕಷ್ಟವಾಗಬಹುದು. ಅಪ್ಲಿಕೇಶನ್ ಬಳಕೆಯ ಮಾದರಿಗಳನ್ನು ಟ್ರ್ಯಾಕಿಂಗ್ ಮಾಡುವಂತಹ ವೈಶಿಷ್ಟ್ಯಗಳು ಅಥವಾ ಬಳಕೆದಾರರ ಇತಿಹಾಸವನ್ನು ಆಧರಿಸಿದ ಶಿಫಾರಸು ಸಿಸ್ಟಮ್ ಅನ್ನು ಉತ್ತಮವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಲು ಕಷ್ಟವಾಗಬಹುದು. ಮತ್ತು ಕೆಟ್ಟದಾಗಿ, ಅವರು ಸರಳವಾಗಿ ಅಸಾಧ್ಯ.

ಈ ಸಂದರ್ಭದಲ್ಲಿ, ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಪ್ರತ್ಯೇಕ ಡೇಟಾಬೇಸ್ ಮಾಡಲು ಉತ್ತಮವಾಗಿದೆ, ಅದು ನಿಮ್ಮ ಪ್ರಮುಖ ಮೌಲ್ಯದ ಅಂಗಡಿಯಿಂದ ಡೇಟಾವನ್ನು ತುಂಬುತ್ತದೆ. ಇದನ್ನು ಹೇಗೆ ಮಾಡಬಹುದೆಂದು ಮುಂಚಿತವಾಗಿ ಯೋಚಿಸಿ. ನೀವು ಕ್ಲೌಡ್‌ನಲ್ಲಿ ಅಥವಾ ಮನೆಯೊಳಗಿನ ಸರ್ವರ್ ಅನ್ನು ಹೋಸ್ಟ್ ಮಾಡುತ್ತೀರಾ? ನಿಮ್ಮ ಮತ್ತು ನಿಮ್ಮ ಪೂರೈಕೆದಾರರ ನಡುವೆ ಸಿಗ್ನಲ್ ವಿಳಂಬದಿಂದಾಗಿ ಸಮಸ್ಯೆಗಳಿವೆಯೇ? ನಿಮ್ಮ ಸಂಗ್ರಹಣೆಯು ಈ ಡೇಟಾ ವರ್ಗಾವಣೆಯನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆಯೇ? ನೀವು 100 ಮಿಲಿಯನ್ ದಾಖಲೆಗಳನ್ನು ಹೊಂದಿದ್ದರೆ ಮತ್ತು ನೀವು ಒಂದು ಸಮಯದಲ್ಲಿ 1000 ದಾಖಲೆಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು, ಎಲ್ಲಾ ಡೇಟಾವನ್ನು ಸ್ಥಳಾಂತರಿಸಲು ಎಷ್ಟು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ?

ಆದಾಗ್ಯೂ, ಎಲ್ಲಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ ಸ್ಕೇಲೆಬಿಲಿಟಿಗೆ ಆದ್ಯತೆ ನೀಡಬೇಡಿ. ನಿಮ್ಮ ಬಳಕೆದಾರರು ಮತ್ತೊಂದು ಸೇವೆಯ ಸೇವೆಗಳನ್ನು ಬಳಸಲು ನಿರ್ಧರಿಸಿದರೆ ಅದು ನಿಷ್ಪ್ರಯೋಜಕವಾಗಿರುತ್ತದೆ ಏಕೆಂದರೆ ಅದು ಹೆಚ್ಚಿನ ವೈಶಿಷ್ಟ್ಯಗಳು ಮತ್ತು ಸೆಟ್ಟಿಂಗ್‌ಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ.

ಮೇಘ ಸಂಗ್ರಹಣೆ

ಅನೇಕ ವೆಬ್ ಸೇವಾ ಪೂರೈಕೆದಾರರು ಬಹು-ಬಾಡಿಗೆದಾರರ ಕೀ-ಮೌಲ್ಯದ ಅಂಗಡಿಗಳನ್ನು ನೀಡುತ್ತವೆ. ಅವುಗಳಲ್ಲಿ ಹೆಚ್ಚಿನವು ಮೇಲೆ ಪಟ್ಟಿ ಮಾಡಲಾದ ಮಾನದಂಡಗಳನ್ನು ಪೂರೈಸುತ್ತವೆ, ಆದರೆ ಪ್ರತಿಯೊಂದೂ ತನ್ನದೇ ಆದ ವಿಶಿಷ್ಟ ಲಕ್ಷಣಗಳನ್ನು ಹೊಂದಿದೆ ಮತ್ತು ಮೇಲೆ ವಿವರಿಸಿದ ಮಾನದಂಡಗಳಿಂದ ಭಿನ್ನವಾಗಿರುತ್ತದೆ. SimpleDB, Google AppEngine ಡೇಟಾಸ್ಟೋರ್ ಮತ್ತು SQL ಡೇಟಾ ಸೇವೆಗಳಂತಹ ನಿರ್ದಿಷ್ಟ ಶೇಖರಣಾ ಉದಾಹರಣೆಗಳನ್ನು ನೋಡೋಣ.

ಅಮೆಜಾನ್: ಸಿಂಪಲ್ ಡಿಬಿ

SimpleDB ಅಮೆಜಾನ್ ವೆಬ್ ಸೇವೆಗಳೊಂದಿಗೆ ಒಳಗೊಂಡಿರುವ ಗುಣಲಕ್ಷಣ-ಆಧಾರಿತ ಕೀ-ಮೌಲ್ಯದ ಅಂಗಡಿಯಾಗಿದೆ. SimpleDB ಬೀಟಾದಲ್ಲಿದೆ; ಬಳಕೆದಾರರು ಅದನ್ನು ಉಚಿತವಾಗಿ ಬಳಸಬಹುದು - ಎಲ್ಲಿಯವರೆಗೆ ಅವರ ಅಗತ್ಯತೆಗಳು ನಿರ್ದಿಷ್ಟ ಮಿತಿಯನ್ನು ಮೀರುವುದಿಲ್ಲ.

SimpleDB ಹಲವಾರು ಮಿತಿಗಳನ್ನು ಹೊಂದಿದೆ. ಮೊದಲನೆಯದಾಗಿ, ಪ್ರಶ್ನೆ ಕಾರ್ಯಗತಗೊಳಿಸುವ ಸಮಯವು 5 ಸೆಕೆಂಡುಗಳಿಗೆ ಸೀಮಿತವಾಗಿದೆ. ಎರಡನೆಯದಾಗಿ, ಸ್ಟ್ರಿಂಗ್‌ಗಳನ್ನು ಹೊರತುಪಡಿಸಿ ಯಾವುದೇ ಡೇಟಾ ಪ್ರಕಾರಗಳಿಲ್ಲ. ಎಲ್ಲವನ್ನೂ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ, ಹಿಂಪಡೆಯಲಾಗಿದೆ ಮತ್ತು ಸ್ಟ್ರಿಂಗ್‌ನಂತೆ ಹೋಲಿಸಲಾಗುತ್ತದೆ, ಆದ್ದರಿಂದ ದಿನಾಂಕಗಳನ್ನು ಹೋಲಿಸಲು ನೀವು ಅವುಗಳನ್ನು ISO8601 ಸ್ವರೂಪಕ್ಕೆ ಪರಿವರ್ತಿಸಬೇಕಾಗುತ್ತದೆ. ಮೂರನೆಯದಾಗಿ, ಯಾವುದೇ ಸ್ಟ್ರಿಂಗ್‌ನ ಗರಿಷ್ಠ ಗಾತ್ರವು 1024 ಬೈಟ್‌ಗಳು, ಇದು ನೀವು ಗುಣಲಕ್ಷಣವಾಗಿ ಸಂಗ್ರಹಿಸಬಹುದಾದ ಪಠ್ಯದ ಗಾತ್ರವನ್ನು (ಉದಾಹರಣೆಗೆ, ಉತ್ಪನ್ನ ವಿವರಣೆ) ಮಿತಿಗೊಳಿಸುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಡೇಟಾ ರಚನೆಯು ಹೊಂದಿಕೊಳ್ಳುವ ಕಾರಣ, ನೀವು "ಉತ್ಪನ್ನ ವಿವರಣೆ1", "ಉತ್ಪನ್ನ ವಿವರಣೆ2" ಇತ್ಯಾದಿ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಸೇರಿಸುವ ಮೂಲಕ ಈ ಮಿತಿಯನ್ನು ನಿಭಾಯಿಸಬಹುದು. ಆದರೆ ಗುಣಲಕ್ಷಣಗಳ ಸಂಖ್ಯೆಯು ಸಹ ಸೀಮಿತವಾಗಿದೆ - ಗರಿಷ್ಠ 256 ಗುಣಲಕ್ಷಣಗಳು. SimpleDB ಬೀಟಾದಲ್ಲಿರುವಾಗ, ಡೊಮೇನ್ ಗಾತ್ರವು 10 ಗಿಗಾಬೈಟ್‌ಗಳಿಗೆ ಸೀಮಿತವಾಗಿದೆ ಮತ್ತು ಸಂಪೂರ್ಣ ಡೇಟಾಬೇಸ್ 1 ಟೆರಾಬೈಟ್‌ಗಿಂತ ಹೆಚ್ಚು ಆಕ್ರಮಿಸುವುದಿಲ್ಲ.

SimpleDB ಯ ಪ್ರಮುಖ ಲಕ್ಷಣಗಳಲ್ಲಿ ಒಂದು ಅಂತಿಮ ಸ್ಥಿರತೆಯ ಮಾದರಿಯ ಬಳಕೆಯಾಗಿದೆ. ಈ ಮಾದರಿಯು ಬಹು-ಥ್ರೆಡ್ ಕೆಲಸಕ್ಕಾಗಿ ಸೂಕ್ತವಾಗಿದೆ, ಆದರೆ ಒಮ್ಮೆ ನೀವು ದಾಖಲೆಯಲ್ಲಿ ಗುಣಲಕ್ಷಣದ ಮೌಲ್ಯವನ್ನು ಬದಲಾಯಿಸಿದರೆ, ನಂತರದ ಓದುವಿಕೆಗಳು ಆ ಬದಲಾವಣೆಗಳನ್ನು ನೋಡದಿರಬಹುದು ಎಂದು ತಿಳಿದಿರಲಿ. ಘಟನೆಗಳ ಅಂತಹ ಬೆಳವಣಿಗೆಯ ಸಂಭವನೀಯತೆಯು ತುಂಬಾ ಕಡಿಮೆಯಾಗಿದೆ, ಆದಾಗ್ಯೂ, ಅದನ್ನು ನೆನಪಿನಲ್ಲಿಟ್ಟುಕೊಳ್ಳಬೇಕು. ಮಾರಾಟದ ಸಮಯದಲ್ಲಿ ನಿಮ್ಮ ಡೇಟಾ ಅಸಮಂಜಸವಾಗಿರುವ ಕಾರಣ ಐದು ಖರೀದಿದಾರರಿಗೆ ಕೊನೆಯ ಟಿಕೆಟ್ ಅನ್ನು ಮಾರಾಟ ಮಾಡಲು ನೀವು ಬಯಸುವುದಿಲ್ಲ.

Google AppEngine ಡೇಟಾ ಸ್ಟೋರ್

Google ನ AppEngine ಡೇಟಾಸ್ಟೋರ್ ಅನ್ನು BigTable ಮೇಲೆ ನಿರ್ಮಿಸಲಾಗಿದೆ, Google ನ ಆಂತರಿಕ ರಚನಾತ್ಮಕ ಡೇಟಾ ಸಂಗ್ರಹಣಾ ವ್ಯವಸ್ಥೆಯು BigTable ಗೆ ನೇರ ಪ್ರವೇಶವನ್ನು ಒದಗಿಸುವುದಿಲ್ಲ, ಆದರೆ BigTable ನೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸಲು ಸರಳೀಕೃತ ಇಂಟರ್ಫೇಸ್ ಎಂದು ಗ್ರಹಿಸಬಹುದು.

AppEngine Datastore SimpleDB ಗಿಂತ ಒಂದೇ ದಾಖಲೆಯೊಳಗೆ ಹೆಚ್ಚಿನ ಡೇಟಾ ಪ್ರಕಾರಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ದಾಖಲೆಯೊಳಗೆ ಸಂಗ್ರಹಣೆಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಪಟ್ಟಿಗಳು.

Google AppEngine ನೊಂದಿಗೆ ಅಭಿವೃದ್ಧಿಪಡಿಸುವಾಗ ನೀವು ಹೆಚ್ಚಾಗಿ ಬಳಸುವ ಡೇಟಾ ಸ್ಟೋರ್ ಇದಾಗಿದೆ. ಆದಾಗ್ಯೂ, SimpleDB ಗಿಂತ ಭಿನ್ನವಾಗಿ, ನೀವು Google ವೆಬ್ ಸೇವೆಗಳ ಹೊರಗೆ AppEngine ಡೇಟಾಸ್ಟೋರ್ (ಅಥವಾ BigTable) ಅನ್ನು ಬಳಸಲು ಸಾಧ್ಯವಾಗುವುದಿಲ್ಲ.

ಮೈಕ್ರೋಸಾಫ್ಟ್: SQL ಡೇಟಾ ಸೇವೆಗಳು

SQL ಡೇಟಾ ಸೇವೆಗಳು Microsoft Azure ವೇದಿಕೆಯ ಭಾಗವಾಗಿದೆ. SQL ಡೇಟಾ ಸೇವೆಗಳು ಉಚಿತವಾಗಿದೆ, ಬೀಟಾದಲ್ಲಿ ಮತ್ತು ಡೇಟಾಬೇಸ್ ಗಾತ್ರದ ಮಿತಿಗಳನ್ನು ಹೊಂದಿದೆ. SQL ಡೇಟಾ ಸೇವೆಗಳು ಪ್ರತ್ಯೇಕ ಅಪ್ಲಿಕೇಶನ್ ಆಗಿದೆ - ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುವ ಅನೇಕ SQL ಸರ್ವರ್‌ಗಳ ಮೇಲೆ ಆಡ್-ಆನ್. ಈ ಅಂಗಡಿಗಳು ಸಂಬಂಧಿತವಾಗಿರಬಹುದು, ಆದರೆ ನಿಮಗೆ SDS ಒಂದು ಪ್ರಮುಖ ಮೌಲ್ಯದ ಅಂಗಡಿಯಾಗಿದೆ, ಮೇಲೆ ವಿವರಿಸಿದ ಉತ್ಪನ್ನಗಳಂತೆಯೇ.

ಮೋಡರಹಿತ ಸಂಗ್ರಹಣೆ

ಕ್ಲೌಡ್‌ನ ಹೊರಗೆ ಅವುಗಳನ್ನು ನೀವೇ ಸ್ಥಾಪಿಸುವ ಮೂಲಕ ನೀವು ಬಳಸಬಹುದಾದ ಹಲವಾರು ಶೇಖರಣಾ ಆಯ್ಕೆಗಳು ಸಹ ಇವೆ. ಈ ಎಲ್ಲಾ ಪ್ರಾಜೆಕ್ಟ್‌ಗಳು ಆಲ್ಫಾ ಅಥವಾ ಬೀಟಾದಲ್ಲಿ ಮತ್ತು ತೆರೆದ ಮೂಲದಲ್ಲಿ ಚಿಕ್ಕದಾಗಿದೆ. ಮುಕ್ತ ಮೂಲದೊಂದಿಗೆ, ಸ್ವಾಮ್ಯದ ಉತ್ಪನ್ನಗಳಿಗಿಂತ ಸಂಭಾವ್ಯ ಸಮಸ್ಯೆಗಳು ಮತ್ತು ಮಿತಿಗಳ ಬಗ್ಗೆ ನೀವು ಹೆಚ್ಚು ತಿಳಿದಿರಬಹುದು.

ಕೌಚ್ಡಿಬಿ

CouchDB ಮುಕ್ತವಾಗಿ ಲಭ್ಯವಿರುವ, ತೆರೆದ ಮೂಲ, ಡಾಕ್ಯುಮೆಂಟ್-ಆಧಾರಿತ ಡೇಟಾಬೇಸ್ ಆಗಿದೆ. JSON ಅನ್ನು ಡೇಟಾ ಸಂಗ್ರಹಣೆ ಸ್ವರೂಪವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ. ಕೌಚ್‌ಡಿಬಿ "ವೀಕ್ಷಣೆಗಳ" ಬಳಕೆಯ ಮೂಲಕ ಡಾಕ್ಯುಮೆಂಟ್-ಆಧಾರಿತ ಮತ್ತು ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳ ನಡುವಿನ ಅಂತರವನ್ನು ಕಡಿಮೆ ಮಾಡುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ. ಅಂತಹ ವೀಕ್ಷಣೆಗಳು ಟೇಬಲ್-ರೀತಿಯ ರೂಪದಲ್ಲಿ ಡಾಕ್ಯುಮೆಂಟ್‌ಗಳಿಂದ ಡೇಟಾವನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ ಮತ್ತು ಇಂಡೆಕ್ಸ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಲು ಮತ್ತು ಪ್ರಶ್ನೆಗಳನ್ನು ಚಲಾಯಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ.

ಪ್ರಸ್ತುತ, CouchDB ನಿಜವಾದ ವಿತರಣೆ ಡೇಟಾಬೇಸ್ ಅಲ್ಲ. ಇದು ಸರ್ವರ್‌ಗಳ ನಡುವೆ ಡೇಟಾವನ್ನು ಸಿಂಕ್ರೊನೈಸ್ ಮಾಡಲು ನಿಮಗೆ ಅನುಮತಿಸುವ ಪುನರಾವರ್ತನೆಯ ಕಾರ್ಯಗಳನ್ನು ಹೊಂದಿದೆ, ಆದರೆ ಇದು ಹೆಚ್ಚು ಸ್ಕೇಲೆಬಲ್ ಪರಿಸರವನ್ನು ನಿರ್ಮಿಸಲು ಅಗತ್ಯವಿರುವ ವಿತರಣೆಯಲ್ಲ. ಆದಾಗ್ಯೂ, ಕೌಚ್‌ಡಿಬಿ ಡೆವಲಪರ್‌ಗಳು ಇದರ ಮೇಲೆ ಕೆಲಸ ಮಾಡುತ್ತಿದ್ದಾರೆ.

ಪ್ರಾಜೆಕ್ಟ್ ವೊಲ್ಡೆಮೊರ್ಟ್

ವೋಲ್ಡೆಮೊರ್ಟ್ ಯೋಜನೆಯು ವಿತರಿಸಲಾದ ಪ್ರಮುಖ ಮೌಲ್ಯದ ಡೇಟಾಬೇಸ್ ಆಗಿದ್ದು, ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಸರ್ವರ್‌ಗಳಲ್ಲಿ ಅಡ್ಡಲಾಗಿ ಅಳೆಯಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ಇದು ಲಿಂಕ್ಡ್‌ಇನ್ ಅಭಿವೃದ್ಧಿ ಪ್ರಕ್ರಿಯೆಯಿಂದ ಹುಟ್ಟಿದೆ ಮತ್ತು ಹೆಚ್ಚಿನ ಸ್ಕೇಲೆಬಿಲಿಟಿ ಅಗತ್ಯತೆಗಳೊಂದಿಗೆ ಹಲವಾರು ವ್ಯವಸ್ಥೆಗಳಿಗೆ ಬಳಸಲಾಗಿದೆ. ವೊಲ್ಡೆಮೊರ್ಟ್ ಯೋಜನೆಯು ಸೀಮಿತ ಸ್ಥಿರತೆಯ ಮಾದರಿಯನ್ನು ಸಹ ಬಳಸುತ್ತದೆ.

ಮೊಂಗೋ

ಮೊಂಗೊ ಎಂಬುದು ಗೀರ್ ಮ್ಯಾಗ್ನುಸನ್ ಮತ್ತು ಡ್ವೈಟ್ ಮೆರಿಮನ್ (ಡಬಲ್ ಕ್ಲಿಕ್‌ನಿಂದ ನಿಮಗೆ ತಿಳಿದಿರಬಹುದು) 10gen ನಲ್ಲಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಡೇಟಾಬೇಸ್ ಆಗಿದೆ. CouchDB ಯಂತೆ, Mongo ಡಾಕ್ಯುಮೆಂಟ್-ಆಧಾರಿತ ಡೇಟಾಬೇಸ್ ಆಗಿದ್ದು ಅದು JSON ಸ್ವರೂಪದಲ್ಲಿ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಮೊಂಗೊ ಶುದ್ಧ ಕೀ-ಮೌಲ್ಯದ ಅಂಗಡಿಗಿಂತ ಹೆಚ್ಚು ವಸ್ತುವಿನ ಆಧಾರವಾಗಿದೆ.

ತುಂತುರು ಮಳೆ

ಪ್ರಮುಖ-ಮೌಲ್ಯದ ಮಳಿಗೆಗಳನ್ನು ಎದುರಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಹನಿಗಳು ವಿಭಿನ್ನ ವಿಧಾನವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತವೆ. MySQL 6.0 ನ ಫೋರ್ಕ್‌ನಂತೆ ತುಂತುರು ಮಳೆ ಪ್ರಾರಂಭವಾಯಿತು. ನಂತರ, ಡೆವಲಪರ್‌ಗಳು ಸರಳವಾದ ಮತ್ತು ವೇಗವಾದ DBMS ಅನ್ನು ರಚಿಸಲು ಹಲವಾರು ಕಾರ್ಯಗಳನ್ನು (ವೀಕ್ಷಣೆಗಳು, ಟ್ರಿಗ್ಗರ್‌ಗಳು, ಸಂಕಲಿಸಿದ ಅಭಿವ್ಯಕ್ತಿಗಳು, ಸಂಗ್ರಹಿಸಿದ ಕಾರ್ಯವಿಧಾನಗಳು, ಪ್ರಶ್ನೆ ಸಂಗ್ರಹ, ACL ಗಳು ಮತ್ತು ಕೆಲವು ಡೇಟಾ ಪ್ರಕಾರಗಳನ್ನು ಒಳಗೊಂಡಂತೆ) ತೆಗೆದುಹಾಕಿದರು. ಆದಾಗ್ಯೂ, ಸಂಬಂಧಿತ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಲು ಡ್ರಿಜಲ್ ಅನ್ನು ಇನ್ನೂ ಬಳಸಬಹುದು. ಡೆವಲಪರ್‌ಗಳ ಗುರಿಯು 16 ಅಥವಾ ಹೆಚ್ಚಿನ ಕೋರ್‌ಗಳೊಂದಿಗೆ ಸಿಸ್ಟಮ್‌ಗಳಲ್ಲಿ ಚಾಲನೆಯಲ್ಲಿರುವ ವೆಬ್ ಮತ್ತು ಕ್ಲೌಡ್ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಅರೆ-ಸಂಬಂಧಿತ ವೇದಿಕೆಯನ್ನು ನಿರ್ಮಿಸುವುದು.

ಪರಿಹಾರ

ಅಂತಿಮವಾಗಿ, ನಿಮ್ಮ ಅಪ್ಲಿಕೇಶನ್‌ಗಾಗಿ ನೀವು ಸಂಬಂಧವಿಲ್ಲದ ಕೀ-ಮೌಲ್ಯದ ಅಂಗಡಿಯನ್ನು ಆಯ್ಕೆಮಾಡಲು ನಾಲ್ಕು ಕಾರಣಗಳಿವೆ:

ನಿಮ್ಮ ಡೇಟಾವು ಹೆಚ್ಚು ಡಾಕ್ಯುಮೆಂಟ್-ಆಧಾರಿತವಾಗಿದೆ ಮತ್ತು ಸಂಬಂಧಿತ ಮಾದರಿಗಿಂತ ಪ್ರಮುಖ ಮೌಲ್ಯದ ಡೇಟಾ ಮಾದರಿಗೆ ಹೆಚ್ಚು ಸೂಕ್ತವಾಗಿದೆ.
ನಿಮ್ಮ ಡೊಮೇನ್ ಮಾದರಿಯು ಹೆಚ್ಚು ವಸ್ತು-ಆಧಾರಿತವಾಗಿದೆ, ಆದ್ದರಿಂದ ಕೀ-ಮೌಲ್ಯದ ಅಂಗಡಿಯನ್ನು ಬಳಸುವುದರಿಂದ ಡೇಟಾವನ್ನು ಪರಿವರ್ತಿಸಲು ಅಗತ್ಯವಿರುವ ಹೆಚ್ಚುವರಿ ಕೋಡ್‌ನ ಪ್ರಮಾಣವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.
ಡೇಟಾ ವೇರ್‌ಹೌಸ್ ಅಗ್ಗವಾಗಿದೆ ಮತ್ತು ನಿಮ್ಮ ಮಾರಾಟಗಾರರ ವೆಬ್ ಸೇವೆಗಳೊಂದಿಗೆ ಸುಲಭವಾಗಿ ಸಂಯೋಜಿಸುತ್ತದೆ.
ನಿಮ್ಮ ಮುಖ್ಯ ಸಮಸ್ಯೆಯು ಹೆಚ್ಚಿನ ಬೇಡಿಕೆಯ ಸ್ಕೇಲೆಬಿಲಿಟಿಯಾಗಿದೆ.

ಆದಾಗ್ಯೂ, ನಿಮ್ಮ ನಿರ್ಧಾರವನ್ನು ಮಾಡುವಾಗ, ನಿರ್ದಿಷ್ಟ ಡೇಟಾಬೇಸ್‌ಗಳ ಮಿತಿಗಳು ಮತ್ತು ಸಂಬಂಧವಿಲ್ಲದ ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ಬಳಸುವ ಮಾರ್ಗದಲ್ಲಿ ನೀವು ಹೋದರೆ ನೀವು ಎದುರಿಸುವ ಅಪಾಯಗಳ ಬಗ್ಗೆ ತಿಳಿದಿರಲಿ.

ಎಲ್ಲಾ ಇತರ ಅವಶ್ಯಕತೆಗಳಿಗಾಗಿ, ಉತ್ತಮ ಹಳೆಯ ಸಂಬಂಧಿತ DBMS ಅನ್ನು ಆಯ್ಕೆ ಮಾಡುವುದು ಉತ್ತಮ. ಹಾಗಾದರೆ ಅವರು ನಾಶವಾಗುತ್ತಾರೆಯೇ? ಖಂಡಿತ ಇಲ್ಲ. ಸದ್ಯಕ್ಕಾದರೂ.

1 - ನನ್ನ ಅಭಿಪ್ರಾಯದಲ್ಲಿ, "ಡೇಟಾ ರಚನೆ" ಎಂಬ ಪದವು ಇಲ್ಲಿ ಹೆಚ್ಚು ಸೂಕ್ತವಾಗಿದೆ, ಆದರೆ ನಾನು ಮೂಲ ಡೇಟಾ ಮಾದರಿಯನ್ನು ಬಿಟ್ಟಿದ್ದೇನೆ.
2 - ಹೆಚ್ಚಾಗಿ, ಲೇಖಕರು ತಮ್ಮ ಸಾಮರ್ಥ್ಯಗಳ ವಿಷಯದಲ್ಲಿ, ಸಂಬಂಧವಿಲ್ಲದ ಡೇಟಾಬೇಸ್‌ಗಳು ಸಂಬಂಧಿತ ಪದಗಳಿಗಿಂತ ಕೆಳಮಟ್ಟದ್ದಾಗಿವೆ ಎಂದು ಅರ್ಥ.
3 - ಡೇಟಾವು ಈಗಾಗಲೇ ಹಳೆಯದಾಗಿರಬಹುದು, ಲೇಖನವು ಫೆಬ್ರವರಿ 2009 ರ ಹಿಂದಿನದು.

ಟ್ಯಾಗ್‌ಗಳನ್ನು ಸೇರಿಸಿ

ಡೇಟಾಬೇಸ್ (DB) ಎನ್ನುವುದು ಒಂದು ನಿರ್ದಿಷ್ಟ ವಿಷಯದ ಪ್ರದೇಶ, ವಿಷಯ ಅಥವಾ ಕಾರ್ಯಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ವಸ್ತುಗಳು, ಪ್ರಕ್ರಿಯೆಗಳು, ಘಟನೆಗಳು ಅಥವಾ ವಿದ್ಯಮಾನಗಳ ಬಗ್ಗೆ ಮಾಹಿತಿಯ ಸಂಗ್ರಹವಾಗಿದೆ, ಕೆಲವು ನಿಯಮಗಳಿಗೆ ಅನುಸಾರವಾಗಿ ಆಯೋಜಿಸಲಾಗಿದೆ ಮತ್ತು ಕಂಪ್ಯೂಟರ್ ಮೆಮೊರಿಯಲ್ಲಿ ನಿರ್ವಹಿಸಲಾಗುತ್ತದೆ. ಬಳಕೆದಾರರ ಮಾಹಿತಿ ಅಗತ್ಯಗಳನ್ನು ಒದಗಿಸುವ ರೀತಿಯಲ್ಲಿ ಇದನ್ನು ಆಯೋಜಿಸಲಾಗಿದೆ, ಜೊತೆಗೆ ಈ ಡೇಟಾ ಸಂಗ್ರಹಣೆಯ ಅನುಕೂಲಕರ ಸಂಗ್ರಹಣೆ, ಒಟ್ಟಾರೆಯಾಗಿ ಮತ್ತು ಅದರ ಯಾವುದೇ ಭಾಗವಾಗಿದೆ.

ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ ಎನ್ನುವುದು ಅಂತರ್ಸಂಪರ್ಕಿತ ಕೋಷ್ಟಕಗಳ ಒಂದು ಗುಂಪಾಗಿದೆ, ಪ್ರತಿಯೊಂದೂ ನಿರ್ದಿಷ್ಟ ಪ್ರಕಾರದ ವಸ್ತುಗಳ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಟೇಬಲ್‌ನ ಪ್ರತಿಯೊಂದು ಸಾಲು ಒಂದು ವಸ್ತುವಿನ ಬಗ್ಗೆ ಡೇಟಾವನ್ನು ಹೊಂದಿರುತ್ತದೆ (ಉದಾಹರಣೆಗೆ, ಕಾರು, ಕಂಪ್ಯೂಟರ್, ಕ್ಲೈಂಟ್), ಮತ್ತು ಟೇಬಲ್‌ನ ಕಾಲಮ್‌ಗಳು ಈ ವಸ್ತುಗಳ ವಿವಿಧ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ - ಗುಣಲಕ್ಷಣಗಳು (ಉದಾಹರಣೆಗೆ, ಎಂಜಿನ್ ಸಂಖ್ಯೆ, ಪ್ರೊಸೆಸರ್ ಬ್ರ್ಯಾಂಡ್, ಫೋನ್ ಸಂಖ್ಯೆಗಳು ಕಂಪನಿಗಳು ಅಥವಾ ಗ್ರಾಹಕರ).

ಕೋಷ್ಟಕದ ಸಾಲುಗಳನ್ನು ದಾಖಲೆಗಳು ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಎಲ್ಲಾ ಟೇಬಲ್ ದಾಖಲೆಗಳು ಒಂದೇ ರಚನೆಯನ್ನು ಹೊಂದಿವೆ - ಅವು ಕ್ಷೇತ್ರಗಳನ್ನು (ಡೇಟಾ ಅಂಶಗಳು) ಒಳಗೊಂಡಿರುತ್ತವೆ, ಇದರಲ್ಲಿ ವಸ್ತು ಗುಣಲಕ್ಷಣಗಳನ್ನು ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ (ಚಿತ್ರ 1). ಪ್ರತಿಯೊಂದು ರೆಕಾರ್ಡ್ ಕ್ಷೇತ್ರವು ವಸ್ತುವಿನ ಒಂದು ಗುಣಲಕ್ಷಣವನ್ನು ಹೊಂದಿರುತ್ತದೆ ಮತ್ತು ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ ಡೇಟಾ ಪ್ರಕಾರವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ (ಉದಾಹರಣೆಗೆ, ಪಠ್ಯ ಸ್ಟ್ರಿಂಗ್, ಸಂಖ್ಯೆ, ದಿನಾಂಕ). ದಾಖಲೆಗಳನ್ನು ಗುರುತಿಸಲು ಪ್ರಾಥಮಿಕ ಕೀಲಿಯನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ಪ್ರಾಥಮಿಕ ಕೀಲಿಯು ಟೇಬಲ್ ಕ್ಷೇತ್ರಗಳ ಒಂದು ಗುಂಪಾಗಿದೆ, ಅದರ ಮೌಲ್ಯಗಳ ಸಂಯೋಜನೆಯು ಕೋಷ್ಟಕದಲ್ಲಿನ ಪ್ರತಿ ದಾಖಲೆಯನ್ನು ಅನನ್ಯವಾಗಿ ಗುರುತಿಸುತ್ತದೆ.

ಅಕ್ಕಿ. 1. ಕೋಷ್ಟಕದಲ್ಲಿನ ವಸ್ತುಗಳ ಹೆಸರುಗಳು

ಡೇಟಾಬೇಸ್ ನಿರ್ವಹಣಾ ವ್ಯವಸ್ಥೆಗಳನ್ನು (DBMS) ಡೇಟಾದೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲು ಬಳಸಲಾಗುತ್ತದೆ. DBMS ನ ಮುಖ್ಯ ಕಾರ್ಯಗಳು:

ಡೇಟಾ ವ್ಯಾಖ್ಯಾನ (ಡೇಟಾಬೇಸ್ ರಚನೆಯ ವಿವರಣೆ);

ಮಾಹಿತಿ ಸಂಸ್ಕರಣೆ;

ಡೇಟಾ ನಿರ್ವಹಣೆ.

ಡೇಟಾಬೇಸ್ ರಚನೆಯ ಅಭಿವೃದ್ಧಿಯು ಡೇಟಾಬೇಸ್ ಅನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವಾಗ ಪರಿಹರಿಸಲಾದ ಪ್ರಮುಖ ಕಾರ್ಯವಾಗಿದೆ. ಡೇಟಾಬೇಸ್‌ನ ರಚನೆ (ಅದರ ಕೋಷ್ಟಕಗಳ ಸೆಟ್, ರೂಪ ಮತ್ತು ಸಂಬಂಧಗಳು) ಡೇಟಾಬೇಸ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ರಚಿಸುವಾಗ ಮುಖ್ಯ ವಿನ್ಯಾಸ ನಿರ್ಧಾರಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಡೆವಲಪರ್ ರಚಿಸಿದ ಡೇಟಾಬೇಸ್ ರಚನೆಯನ್ನು DBMS ಡೇಟಾ ವ್ಯಾಖ್ಯಾನ ಭಾಷೆಯಲ್ಲಿ ವಿವರಿಸಲಾಗಿದೆ.

ಡೇಟಾದೊಂದಿಗೆ ಈ ಕೆಳಗಿನ ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ನಿರ್ವಹಿಸಲು ಯಾವುದೇ DBMS ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ:

ಕೋಷ್ಟಕಗಳಿಗೆ ದಾಖಲೆಗಳನ್ನು ಸೇರಿಸುವುದು;

ಟೇಬಲ್ನಿಂದ ದಾಖಲೆಗಳನ್ನು ತೆಗೆದುಹಾಕುವುದು;

ಡೇಟಾಬೇಸ್ ಕೋಷ್ಟಕಗಳಲ್ಲಿ ಒಂದು ಅಥವಾ ಹೆಚ್ಚಿನ ದಾಖಲೆಗಳಲ್ಲಿ ಕೆಲವು ಕ್ಷೇತ್ರಗಳ ಮೌಲ್ಯಗಳನ್ನು ನವೀಕರಿಸುವುದು;

ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ ಸ್ಥಿತಿಯನ್ನು ಪೂರೈಸುವ ಒಂದು ಅಥವಾ ಹೆಚ್ಚಿನ ದಾಖಲೆಗಳಿಗಾಗಿ ಹುಡುಕಾಟಗಳು.

ಈ ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ನಿರ್ವಹಿಸಲು, ಪ್ರಶ್ನೆಯ ಕಾರ್ಯವಿಧಾನವನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ಪ್ರಶ್ನೆಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಫಲಿತಾಂಶವು ಕೆಲವು ಮಾನದಂಡಗಳ ಪ್ರಕಾರ ಆಯ್ಕೆ ಮಾಡಲಾದ ದಾಖಲೆಗಳ ಸೆಟ್ ಅಥವಾ ಕೋಷ್ಟಕಗಳಲ್ಲಿನ ಬದಲಾವಣೆಗಳು. ಡೇಟಾಬೇಸ್‌ಗೆ ಪ್ರಶ್ನೆಗಳನ್ನು ಈ ಉದ್ದೇಶಕ್ಕಾಗಿ ವಿಶೇಷವಾಗಿ ರಚಿಸಲಾದ ಭಾಷೆಯಲ್ಲಿ ರಚಿಸಲಾಗಿದೆ, ಇದನ್ನು "ರಚನಾತ್ಮಕ ಪ್ರಶ್ನೆ ಭಾಷೆ" (SQL - ರಚನಾತ್ಮಕ ಪ್ರಶ್ನೆ ಭಾಷೆ) ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.

ಡೇಟಾ ಆಡಳಿತವು ಸಾಮಾನ್ಯವಾಗಿ ಅನಧಿಕೃತ ಪ್ರವೇಶದಿಂದ ಡೇಟಾವನ್ನು ರಕ್ಷಿಸುವುದು, ಬಹು-ಬಳಕೆದಾರ ಡೇಟಾ ಸಂಸ್ಕರಣೆಯನ್ನು ಬೆಂಬಲಿಸುವುದು ಮತ್ತು ಡೇಟಾ ಸಮಗ್ರತೆ ಮತ್ತು ಸ್ಥಿರತೆಯನ್ನು ಖಾತ್ರಿಪಡಿಸುವುದನ್ನು ಸೂಚಿಸುತ್ತದೆ.

ನಿಯಮದಂತೆ, ಯಾವುದೇ ವೆಬ್ ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು 2 ಮುಖ್ಯ ಭಾಗಗಳಾಗಿ ವಿಂಗಡಿಸಬಹುದು: ಮುಂಭಾಗದ ತುದಿ, ಎಲ್ಲಾ ಸೈಟ್ ಮಾಹಿತಿಯನ್ನು ಪ್ರದರ್ಶಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಹಿಂಭಾಗದ ಕೊನೆಯಲ್ಲಿ, ಈ ಮಾಹಿತಿಯನ್ನು ರಚಿಸಲಾಗಿದೆ ಮತ್ತು ಇರಿಸಲಾಗುತ್ತದೆ. ಈ ಲೇಖನದಲ್ಲಿ ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳು ಯಾವುವು ಮತ್ತು ಅವುಗಳನ್ನು ಹೇಗೆ ವಿನ್ಯಾಸಗೊಳಿಸುವುದು ಎಂಬುದರ ಕುರಿತು ನಾವು ಮಾತನಾಡುತ್ತೇವೆ.

ಡೇಟಾಬೇಸ್ ದಾಖಲೆಗಳನ್ನು ವಿಶೇಷವಾಗಿ ಸಂಘಟಿತ ರೀತಿಯಲ್ಲಿ ಸಂಗ್ರಹಿಸುತ್ತದೆ ಇದರಿಂದ ಮಾಹಿತಿಯನ್ನು ಸುಲಭವಾಗಿ ಕಂಡುಹಿಡಿಯಬಹುದು ಮತ್ತು ಮರುಪಡೆಯಬಹುದು. ಯಾವುದೇ ಡೇಟಾಬೇಸ್ ಒಂದು ಅಥವಾ ಹೆಚ್ಚಿನ ಕೋಷ್ಟಕಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಸ್ಪ್ರೆಡ್‌ಶೀಟ್ ಸಾಲುಗಳು ಮತ್ತು ಕಾಲಮ್‌ಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಎಲ್ಲಾ ಸಾಲುಗಳು ಒಂದೇ ಕಾಲಮ್‌ಗಳನ್ನು ಹೊಂದಿವೆ ಮತ್ತು ಪ್ರತಿ ಕಾಲಮ್ ಡೇಟಾವನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಸಾಮಾನ್ಯವಾಗಿ, ಉತ್ತಮ ತಿಳುವಳಿಕೆಗಾಗಿ, ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿನ ಕೋಷ್ಟಕಗಳು ನೀವು ಎಕ್ಸೆಲ್‌ನಲ್ಲಿ ನೋಡಿದಂತೆಯೇ ಹೋಲುತ್ತವೆ ಎಂದು ವ್ಯಾಖ್ಯಾನಿಸೋಣ.

ಕೋಷ್ಟಕ ಡೇಟಾವನ್ನು ಸೇರಿಸಬಹುದು, ಮರುಸ್ಥಾಪಿಸಬಹುದು, ನವೀಕರಿಸಬಹುದು ಮತ್ತು ಅಳಿಸಬಹುದು. ಈ ಕಾರ್ಯಾಚರಣೆಗಳ ಪ್ಯಾಕೇಜ್‌ಗಾಗಿ CRUD (ರಚಿಸಿ-ಓದಿ-ಅಪ್‌ಡೇಟ್-ಅಳಿಸಿ) ಎಂಬ ವಿಶೇಷ ಸಂಕ್ಷೇಪಣವನ್ನು ರಚಿಸಲಾಗಿದೆ.

ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳು ಡೇಟಾಬೇಸ್‌ಗಳಾಗಿವೆ, ಅಲ್ಲಿ ಎಲ್ಲಾ ಮಾಹಿತಿಯನ್ನು ವಿಶೇಷ ಸಂಬಂಧಗಳಿಂದ ಪರಸ್ಪರ ಸಂಪರ್ಕಿಸಲಾದ ಕೋಷ್ಟಕಗಳಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ. ಒಂದೇ ಪ್ರಶ್ನೆಯನ್ನು ಬಳಸಿಕೊಂಡು ಒಂದು ಅಥವಾ ಹೆಚ್ಚಿನ ಕೋಷ್ಟಕಗಳಿಂದ ಡೇಟಾವನ್ನು ಹಿಂಪಡೆಯಲು ಮತ್ತು ಸೇರಲು ಈ ಸಂಬಂಧಗಳು ನಮಗೆ ಅವಕಾಶ ಮಾಡಿಕೊಡುತ್ತವೆ.

ಆದರೆ ಇವೆಲ್ಲ ಬರೀ ಮಾತುಗಳು. ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳು ಏನೆಂದು ನಿಜವಾಗಿಯೂ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು, ನೀವು ಹೆಚ್ಚು ಅಭ್ಯಾಸ ಮಾಡಬೇಕಾಗುತ್ತದೆ. ಪ್ರಾರಂಭಿಸೋಣ ಮತ್ತು ನಾವು ಯಾವ ಡೇಟಾದೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಬೇಕೆಂದು ನೋಡೋಣ.

ಹಂತ 1: ಡೇಟಾ ತಯಾರಿ

ನಾವು ಕೆಲಸ ಮಾಡಲು ಏನನ್ನಾದರೂ ಹೊಂದಲು, ನಾನು Twitter ನಲ್ಲಿ "#databases" ಪ್ರಶ್ನೆಯನ್ನು ಟೈಪ್ ಮಾಡಿದ್ದೇನೆ ಮತ್ತು 10 ದಾಖಲೆಗಳ ಟೇಬಲ್ ಅನ್ನು ರಚಿಸಿದ್ದೇನೆ:

ಕೋಷ್ಟಕ 1

ಪೂರ್ಣ ಹೆಸರು	ಬಳಕೆದಾರ ಹೆಸರು	ಕೆಳಗಿನ_ಬಳಕೆದಾರಹೆಸರು
ಬೋರಿಸ್ ಹಡ್ಜುರ್	_ಡ್ರೀಮ್ ಲೀಡ್	ಸ್ಕೂಟ್ಮೀಡಿಯಾ, ಮೆಟಿಯರ್ಸ್ ಇಂಟರ್ನೆಟ್
ಗುನ್ನಾರ್ ಸ್ವಾಲಾಂಡರ್	ಗುನ್ನಾರ್‌ಸ್ವಲಾಂಡರ್	ಕ್ಲೌಟ್, ಜಿಲೋ
GE ಸಾಫ್ಟ್‌ವೇರ್	GEsoftware	ಡೇಜಾಬ್‌ಡಾಕ್, ಬೈಸ್ಕೋ
ಆಡ್ರಿಯನ್ ಬರ್ಚ್	ಆಡ್ರಿಯನ್ಬರ್ಚ್	ಸಿಂಡಿ ಕ್ರಾಫೋರ್ಡ್, ಅರ್ಜಂಟಿಮ್
ಆಂಡಿ ರೈಡರ್	ಆಂಡಿ ರೈಡರ್ 5	ಮೈಕೆಲ್ ಡೆಲ್, ಯಾಹೂ
ಆಂಡಿ ರೈಡರ್	ಆಂಡಿ ರೈಡರ್ 5	ಮೈಕೆಲ್ ಡೆಲ್, ಯಾಹೂ
ಬ್ರೆಟ್ ಎಂಗಲ್ಬರ್ಟ್	ಬ್ರೆಟ್_ಇಂಗ್ಲೆಬರ್ಟ್
ಬ್ರೆಟ್ ಎಂಗಲ್ಬರ್ಟ್	ಬ್ರೆಟ್_ಇಂಗ್ಲೆಬರ್ಟ್	ರಿಯಲ್‌ಸ್ಕಿಪ್‌ಬೇಲೆಸ್, ಸ್ಟೀಫನಾಸ್ಮಿತ್
ನಿಂಬಸ್ ಡೇಟಾ ಸಿಸ್ಟಮ್ಸ್	ನಿಂಬಸ್ ಡೇಟಾ	ಡೆಲಾಕ್ 6, ರೋಹಿತ್ಕಿಲಂ
SSWUG.ORG	SSWUGorg	drsql, steam_games

ಮೊದಲನೆಯದಾಗಿ, ಕಾಲಮ್ಗಳನ್ನು ನೋಡೋಣ:

ಇದು ನಿಜವಾದ ಡೇಟಾ. ನೀವು ಬಯಸಿದರೆ, ನೀವು ಅವುಗಳನ್ನು ಹುಡುಕಬಹುದು ಮತ್ತು ಅವುಗಳನ್ನು ನವೀಕರಿಸಬಹುದು.

ಫೈನ್. ಈಗ ನಮ್ಮ ಎಲ್ಲಾ ಡೇಟಾ ಒಂದೇ ಸ್ಥಳದಲ್ಲಿದೆ. ಅವುಗಳನ್ನು ಸುಲಭವಾಗಿ ಹುಡುಕಲು ಇದು ನಮಗೆ ಅವಕಾಶ ನೀಡುತ್ತದೆಯೇ? ನಿಜವಾಗಿಯೂ ಅಲ್ಲ. ಈ ಟೇಬಲ್ ಆದರ್ಶದಿಂದ ದೂರವಿದೆ. ಮೊದಲಿಗೆ, ನಾವು ಕೆಲವು ಕಾಲಮ್‌ಗಳಲ್ಲಿ ನಕಲಿ ನಮೂದುಗಳನ್ನು ಹೊಂದಿದ್ದೇವೆ: ಉದಾಹರಣೆಗೆ, x "ಬಳಕೆದಾರಹೆಸರು" ಮತ್ತು "following_username" ನಲ್ಲಿ. ಅಲ್ಲದೆ, "following_username" ಕಾಲಮ್ ಸಂಬಂಧಿತ ಮಾದರಿಗಳ ನಿಯಮಗಳನ್ನು ಉಲ್ಲಂಘಿಸುತ್ತದೆ, ಏಕೆಂದರೆ ಕೋಶಗಳಲ್ಲಿ 1 ಕ್ಕಿಂತ ಹೆಚ್ಚು ಮೌಲ್ಯವಿದೆ (ನಮೂದುಗಳನ್ನು ಅಲ್ಪವಿರಾಮದಿಂದ ಪ್ರತ್ಯೇಕಿಸಲಾಗಿದೆ).

ಜೊತೆಗೆ, ನಾವು ಸಾಲುಗಳಲ್ಲಿ ನಕಲುಗಳನ್ನು ಕಾಣುತ್ತೇವೆ.

ನಕಲಿ ಡೇಟಾ ನಿಜವಾಗಿಯೂ ಸಮಸ್ಯೆಯಾಗಿದೆ ಏಕೆಂದರೆ... ಅವರು CRUD ಪ್ರಕ್ರಿಯೆಯನ್ನು ಕಷ್ಟಕರವಾಗಿಸುತ್ತಾರೆ. ಉದಾಹರಣೆಗೆ, ಈ ಕೋಷ್ಟಕದ ಮೂಲಕ ಹುಡುಕುವಾಗ, ನಕಲುಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಹೆಚ್ಚುವರಿ ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಬಳಕೆದಾರರು ಟ್ವೀಟ್ ಅನ್ನು ನವೀಕರಿಸಿದರೆ, ನಾವು ಎಲ್ಲಾ ನಕಲುಗಳನ್ನು ಓವರ್‌ರೈಟ್ ಮಾಡಬೇಕಾಗುತ್ತದೆ.

ಈ ಸಮಸ್ಯೆಗೆ ಪರಿಹಾರವೆಂದರೆ ಟೇಬಲ್ 1 ಅನ್ನು ಹಲವಾರು ಕೋಷ್ಟಕಗಳಾಗಿ ವಿಭಜಿಸುವುದು. ಮೊದಲ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು ಇಳಿಯೋಣ, ಅವುಗಳೆಂದರೆ ಕಾಲಮ್‌ಗಳಲ್ಲಿ ನಕಲುಗಳನ್ನು ತೆಗೆದುಹಾಕುವುದು.

ಹಂತ 2. ಕಾಲಮ್‌ಗಳಲ್ಲಿನ ನಕಲುಗಳನ್ನು ತೊಡೆದುಹಾಕಿ

ಮೇಲೆ ಹೇಳಿದಂತೆ, "ಬಳಕೆದಾರಹೆಸರು" ಮತ್ತು "following_username" ಕಾಲಮ್‌ಗಳು ನಕಲಿ ಡೇಟಾವನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ. ನಾನು ಟ್ವೀಟ್‌ಗಳು ಮತ್ತು ಬಳಕೆದಾರರ ನಡುವಿನ ಸಂಬಂಧವನ್ನು ತೋರಿಸಲು ಬಯಸಿದ್ದರಿಂದ ಅವು ಬಂದವು. ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಕೋಷ್ಟಕವನ್ನು ಎರಡು ಭಾಗಗಳಾಗಿ ವಿಭಜಿಸುವ ಮೂಲಕ ನಮ್ಮ ಡೇಟಾಬೇಸ್ ರಚನೆಯನ್ನು ಸುಧಾರಿಸೋಣ: ಒಂದು ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ, ಮತ್ತು ಇನ್ನೊಂದು ದಾಖಲೆಗಳ ನಡುವಿನ ಸಂಬಂಧಗಳನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ.

@Brett_Englebert @RealSkipBayless ಅನ್ನು ಅನುಸರಿಸುತ್ತಿರುವುದರಿಂದ, ನಾವು ಇದನ್ನು "ಕೆಳಗಿನ" ಕೋಷ್ಟಕದಲ್ಲಿ ಈ ಕೆಳಗಿನಂತೆ ಪ್ರದರ್ಶಿಸುತ್ತೇವೆ: ನಾವು @Brett_Englebert ಅನ್ನು "from_user" ಕಾಲಮ್‌ನಲ್ಲಿ ಮತ್ತು @RealSkipBayless ಅನ್ನು "to_user" ನಲ್ಲಿ ಇರಿಸುತ್ತೇವೆ. ವಿಭಜನೆಯ ನಂತರ "ಕೆಳಗಿನ" ಟೇಬಲ್ ಹೇಗಿರುತ್ತದೆ ಎಂದು ನೋಡೋಣ ಕೋಷ್ಟಕಗಳು 1:

ಕೋಷ್ಟಕ 2. ಕೆಳಗಿನ

ಬಳಕೆದಾರರಿಂದ_	ಬಳಕೆದಾರರಿಗೆ
_ಡ್ರೀಮ್ ಲೀಡ್	ಸ್ಕೂಟ್ಮೀಡಿಯಾ
_ಡ್ರೀಮ್ ಲೀಡ್	ಮೀಟಿಯರ್ಸ್ ಇಂಟರ್ನೆಟ್
ಗುನ್ನಾರ್‌ಸ್ವಲಾಂಡರ್	ಕ್ಲೌಟ್
ಗುನ್ನಾರ್‌ಸ್ವಲಾಂಡರ್	ಜಿಲೋ
GEsoftware	DayJobDoc
GEsoftware	ಬೈಸ್ಕೋ
ಆಡ್ರಿಯನ್ಬರ್ಚ್	ಸಿಂಡಿಕ್ರಾಫೋರ್ಡ್
ಆಡ್ರಿಯನ್ಬರ್ಚ್	ಅರ್ಜನ್ತಿಮ್
ಆಂಡಿ ರೈಡರ್	ಮೈಕೆಲ್ ಡೆಲ್
ಆಂಡಿ ರೈಡರ್	ಯಾಹೂ
ಬ್ರೆಟ್_ಇಂಗ್ಲೆಬರ್ಟ್	RealSkipBayless
ಬ್ರೆಟ್_ಇಂಗ್ಲೆಬರ್ಟ್	ಸ್ಟೀಫನಾಸ್ಮಿತ್
ನಿಂಬಸ್ ಡೇಟಾ	ಡೆಲಾಕ್ 6
ನಿಂಬಸ್ ಡೇಟಾ	ರೋಹಿತ್ಕಿಲಂ
SSWUGorg	drsql
SSWUGorg	ಉಗಿ_ಆಟಗಳು

ಕೋಷ್ಟಕ 3. ಬಳಕೆದಾರರು

ಪೂರ್ಣ ಹೆಸರು	ಬಳಕೆದಾರ ಹೆಸರು	ಪಠ್ಯ	ರಚಿಸಲಾಗಿದೆ_at
ಬೋರಿಸ್ ಹಡ್ಜುರ್	_ಡ್ರೀಮ್ ಲೀಡ್	#USA ನಲ್ಲಿ #ಇಮೇಲ್ #ಪ್ರಚಾರಗಳ #ಟ್ರಾಫಿಕ್ ಬಗ್ಗೆ ನಿಮ್ಮ ಅಭಿಪ್ರಾಯವೇನು? ಇಂದಿನ ದಿನಗಳಲ್ಲಿ ಇದು ಉತ್ತಮ ಮಾರುಕಟ್ಟೆಯಾಗಿದೆಯೇ? ನೀವು # ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ಹೊಂದಿದ್ದೀರಾ?	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 08:43:09 +0000
ಗುನ್ನಾರ್ ಸ್ವಾಲಾಂಡರ್	ಗುನ್ನಾರ್‌ಸ್ವಲಾಂಡರ್	ಬಿಲ್ ಗೇಟ್ಸ್ ಟಾಕ್ಸ್ ಡೇಟಾಬೇಸ್, ರೆಡ್ಡಿಟ್‌ನಲ್ಲಿ ಉಚಿತ ಸಾಫ್ಟ್‌ವೇರ್ http://t.co/ShX4hZlA #billgates #databases	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 07:31:06 +0000
GE ಸಾಫ್ಟ್‌ವೇರ್	GEsoftware	RT @KirkDBorne: #ಡೇಟಾಬೇಸ್‌ಗಳಲ್ಲಿನ ವಾಚನಗೋಷ್ಠಿಗಳು: ಅತ್ಯುತ್ತಮ ಓದುವ ಪಟ್ಟಿ, ಹಲವು ವಿಭಾಗಗಳು: @rxin ಆಕರ್ಷಕ ಮೂಲಕ http://t.co/S6RBUNxq.	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 07:30:24 +0000
ಆಡ್ರಿಯನ್ ಬರ್ಚ್	ಆಡ್ರಿಯನ್ಬರ್ಚ್	RT @tisakovich: @NimbusData ಇಂದು ಸ್ಯಾನ್ ಫ್ರಾನ್ಸಿಸ್ಕೋದಲ್ಲಿ @Barclays ಬಿಗ್ ಡೇಟಾ ಕಾನ್ಫರೆನ್ಸ್‌ನಲ್ಲಿ #ವರ್ಚುವಲೈಸೇಶನ್, #ಡೇಟಾಬೇಸ್‌ಗಳು ಮತ್ತು #ಫ್ಲ್ಯಾಶ್ ಮೆಮೊರಿಯನ್ನು ಕುರಿತು ಮಾತನಾಡುತ್ತಿದ್ದಾರೆ.	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 06:58:22 +0000
ಆಂಡಿ ರೈಡರ್	ಆಂಡಿ ರೈಡರ್ 5	ಸೂಪರ್ ಬೌಲ್ #databases #bus311 ಅನ್ನು ಊಹಿಸಲು AI ಅನ್ನು ಬಳಸಿಕೊಂಡು ಮ್ಯಾಡೆನ್ 2013 ಕುರಿತು http://t.co/D3KOJIvF ಲೇಖನ	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 05:29:41 +0000
ಆಂಡಿ ರೈಡರ್	ಆಂಡಿ ರೈಡರ್ 5	http://t.co/rBhBXjma ಗೌಪ್ಯತೆ ಸೆಟ್ಟಿಂಗ್‌ಗಳು ಮತ್ತು facebook #databases #bus311 ಕುರಿತು ಲೇಖನ	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 05:24:17 +0000
ಬ್ರೆಟ್ ಎಂಗಲ್ಬರ್ಟ್	ಬ್ರೆಟ್_ಇಂಗ್ಲೆಬರ್ಟ್	#BUS311 ಯುನಿವರ್ಸಿಟಿ ಆಫ್ ಮಿನ್ನೇಸೋಟದ NCFPD "ಆಹಾರ ವಂಚನೆ" ತಡೆಯಲು #ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ರಚಿಸುತ್ತಿದೆ. http://t.co/0LsAbKqJ	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 01:49:19 +0000
ಬ್ರೆಟ್ ಎಂಗಲ್ಬರ್ಟ್	ಬ್ರೆಟ್_ಇಂಗ್ಲೆಬರ್ಟ್	#BUS311 ಕಂಪನಿಗಳು ತಮ್ಮ ಉತ್ಪಾದನೆಯ #ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ರಕ್ಷಿಸುತ್ತಿರಬಹುದು, ಆದರೆ ಅವರ ಬ್ಯಾಕಪ್ ಫೈಲ್‌ಗಳ ಬಗ್ಗೆ ಏನು? http://t.co/okJjV3Bm	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 01:31:52 +0000
ನಿಂಬಸ್ ಡೇಟಾ ಸಿಸ್ಟಮ್ಸ್	ನಿಂಬಸ್ ಡೇಟಾ	@NimbusData CEO @tisakovich @BarclaysOnline ಬಿಗ್ ಡೇಟಾ ಕಾನ್ಫರೆನ್ಸ್ ಸ್ಯಾನ್ ಫ್ರಾನ್ಸಿಸ್ಕೋದಲ್ಲಿ ಇಂದು, ಮಾತನಾಡುವ #ವರ್ಚುವಲೈಸೇಶನ್, #ಡೇಟಾಬೇಸ್‌ಗಳು,& #ಫ್ಲ್ಯಾಶ್ ಮೆಮೊರಿ	ಸೋಮ, 11 ಫೆಬ್ರವರಿ 2013 23:15:05 +0000
SSWUG.ORG	SSWUGorg	ಈ ಶುಕ್ರವಾರ ನಮ್ಮ ಉಚಿತ ಎಕ್ಸ್‌ಪೋಗೆ ಸೈನ್ ಅಪ್ ಮಾಡಲು ಮರೆಯಬೇಡಿ: #ಡೇಟಾಬೇಸ್‌ಗಳು, #BI ಮತ್ತು #Sharepoint: ನೀವು ತಿಳಿದುಕೊಳ್ಳಬೇಕಾದದ್ದು! http://t.co/Ijrqrz29	ಸೋಮ, 11 ಫೆಬ್ರವರಿ 2013 22:15:37 +0000

ಈಗಾಗಲೇ ಉತ್ತಮವಾಗಿದೆ. ಈಗ "ಬಳಕೆದಾರರು" ಕೋಷ್ಟಕದಲ್ಲಿ (ಟೇಬಲ್ 3) ನಾವು ಟ್ವೀಟ್‌ಗಳ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಮಾತ್ರ ಸಂಗ್ರಹಿಸುತ್ತೇವೆ ಮತ್ತು ಕೆಳಗಿನ ಕೋಷ್ಟಕದಲ್ಲಿ (ಟೇಬಲ್ 2) ನಾವು ಬಳಕೆದಾರರ ಅವಲಂಬನೆಗಳನ್ನು ಸಂಗ್ರಹಿಸುತ್ತೇವೆ.

ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ ಸಿದ್ಧಾಂತದ ಸಂಸ್ಥಾಪಕ, ಎಡ್ಗರ್ ಕಾಡ್, ಈ ಪ್ರಕ್ರಿಯೆಯನ್ನು (ಟೇಬಲ್ ಕಾಲಮ್‌ಗಳಿಂದ ನಕಲುಗಳನ್ನು ತೆಗೆದುಹಾಕುವುದು) ಡೇಟಾಬೇಸ್ ಅನ್ನು ಮೊದಲ ಸಾಮಾನ್ಯ ರೂಪಕ್ಕೆ ತರುತ್ತದೆ.

ಹಂತ 3: ಸಾಲುಗಳಿಂದ ನಕಲುಗಳನ್ನು ತೆಗೆದುಹಾಕುವುದು

ಈಗ ನಾವು ಇತರ ಸಮಸ್ಯೆಗಳನ್ನು ಸರಿಪಡಿಸಲು ಮುಂದುವರಿಯುತ್ತೇವೆ, ಅವುಗಳೆಂದರೆ, “ಬಳಕೆದಾರರು” ಕೋಷ್ಟಕದ ಸಾಲುಗಳಲ್ಲಿನ ನಕಲುಗಳನ್ನು ತೊಡೆದುಹಾಕುವುದು. @AndyRyder5 ಮತ್ತು @Brett_Englebert ಪ್ರತಿಯೊಬ್ಬರೂ ಬಹು ಟ್ವೀಟ್‌ಗಳನ್ನು ಪೋಸ್ಟ್ ಮಾಡಿರುವುದರಿಂದ, ಅವರ ಹೆಸರುಗಳು “ಬಳಕೆದಾರರು” ಕೋಷ್ಟಕದಲ್ಲಿವೆ ( ಕೋಷ್ಟಕ 3) ಪೂರ್ಣ_ಹೆಸರಿನ ಕಾಲಂನಲ್ಲಿ ನಕಲು ಮಾಡಲಾಗಿದೆ. "ಬಳಕೆದಾರರು" ಟೇಬಲ್ ಅನ್ನು ವಿಭಜಿಸುವ ಮೂಲಕ ಈ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲಾಗುತ್ತದೆ.

ಟ್ವೀಟ್ ಪಠ್ಯ ಮತ್ತು ಅದನ್ನು ರಚಿಸಿದ ಸಮಯ ಅನನ್ಯ ಡೇಟಾ ಆಗಿರುವುದರಿಂದ, ನಾವು ಅವುಗಳನ್ನು ಒಂದೇ ಕೋಷ್ಟಕದಲ್ಲಿ ಇರಿಸುತ್ತೇವೆ. ನಾವು ಟ್ವೀಟ್‌ಗಳು ಮತ್ತು ಬಳಕೆದಾರರ ನಡುವಿನ ಸಂಬಂಧವನ್ನು ಸಹ ಸೂಚಿಸಬೇಕಾಗಿದೆ. ಈ ಉದ್ದೇಶಕ್ಕಾಗಿ ನಾನು ವಿಶೇಷ ಕಾಲಮ್ ಬಳಕೆದಾರ ಹೆಸರನ್ನು ರಚಿಸಿದ್ದೇನೆ.

ಕೋಷ್ಟಕ 4. ಟ್ವೀಟ್‌ಗಳು

ಬಳಕೆದಾರ ಹೆಸರು	ಪಠ್ಯ	ರಚಿಸಲಾಗಿದೆ_at
_ಡ್ರೀಮ್ ಲೀಡ್	#USA ನಲ್ಲಿ #ಇಮೇಲ್ #ಪ್ರಚಾರಗಳ #ಟ್ರಾಫಿಕ್ ಬಗ್ಗೆ ನಿಮ್ಮ ಅಭಿಪ್ರಾಯವೇನು? ಇಂದಿನ ದಿನಗಳಲ್ಲಿ ಇದು ಉತ್ತಮ ಮಾರುಕಟ್ಟೆಯಾಗಿದೆಯೇ? ನೀವು # ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ಹೊಂದಿದ್ದೀರಾ?	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 08:43:09 +0000
ಗುನ್ನಾರ್‌ಸ್ವಲಾಂಡರ್	ಬಿಲ್ ಗೇಟ್ಸ್ ಟಾಕ್ಸ್ ಡೇಟಾಬೇಸ್, ರೆಡ್ಡಿಟ್‌ನಲ್ಲಿ ಉಚಿತ ಸಾಫ್ಟ್‌ವೇರ್ http://t.co/ShX4hZlA #billgates #databases	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 07:31:06 +0000
GEsoftware	RT @KirkDBorne: #ಡೇಟಾಬೇಸ್‌ಗಳಲ್ಲಿನ ವಾಚನಗೋಷ್ಠಿಗಳು: ಅತ್ಯುತ್ತಮ ಓದುವ ಪಟ್ಟಿ, ಹಲವು ವಿಭಾಗಗಳು: @rxin ಆಕರ್ಷಕ ಮೂಲಕ http://t.co/S6RBUNxq.	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 07:30:24 +0000
ಆಡ್ರಿಯನ್ಬರ್ಚ್	RT @tisakovich: @NimbusData ಇಂದು ಸ್ಯಾನ್ ಫ್ರಾನ್ಸಿಸ್ಕೋದಲ್ಲಿ @Barclays ಬಿಗ್ ಡೇಟಾ ಕಾನ್ಫರೆನ್ಸ್‌ನಲ್ಲಿ #ವರ್ಚುವಲೈಸೇಶನ್, #ಡೇಟಾಬೇಸ್‌ಗಳು ಮತ್ತು #ಫ್ಲ್ಯಾಶ್ ಮೆಮೊರಿಯನ್ನು ಕುರಿತು ಮಾತನಾಡುತ್ತಿದ್ದಾರೆ.	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 06:58:22 +0000
ಆಂಡಿ ರೈಡರ್ 5	ಸೂಪರ್ ಬೌಲ್ #databases #bus311 ಅನ್ನು ಊಹಿಸಲು AI ಅನ್ನು ಬಳಸಿಕೊಂಡು ಮ್ಯಾಡೆನ್ 2013 ಕುರಿತು http://t.co/D3KOJIvF ಲೇಖನ	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 05:29:41 +0000
ಆಂಡಿ ರೈಡರ್ 5	http://t.co/rBhBXjma ಗೌಪ್ಯತೆ ಸೆಟ್ಟಿಂಗ್‌ಗಳು ಮತ್ತು facebook #databases #bus311 ಕುರಿತು ಲೇಖನ	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 05:24:17 +0000
ಬ್ರೆಟ್_ಇಂಗ್ಲೆಬರ್ಟ್	#BUS311 ಯುನಿವರ್ಸಿಟಿ ಆಫ್ ಮಿನ್ನೇಸೋಟದ NCFPD "ಆಹಾರ ವಂಚನೆ" ತಡೆಯಲು #ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ರಚಿಸುತ್ತಿದೆ. http://t.co/0LsAbKqJ	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 01:49:19 +0000
ಬ್ರೆಟ್_ಇಂಗ್ಲೆಬರ್ಟ್	#BUS311 ಕಂಪನಿಗಳು ತಮ್ಮ ಉತ್ಪಾದನೆಯ #ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ರಕ್ಷಿಸುತ್ತಿರಬಹುದು, ಆದರೆ ಅವರ ಬ್ಯಾಕಪ್ ಫೈಲ್‌ಗಳ ಬಗ್ಗೆ ಏನು? http://t.co/okJjV3Bm	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 01:31:52 +0000
ನಿಂಬಸ್ ಡೇಟಾ	@NimbusData CEO @tisakovich @BarclaysOnline ಬಿಗ್ ಡೇಟಾ ಕಾನ್ಫರೆನ್ಸ್ ಸ್ಯಾನ್ ಫ್ರಾನ್ಸಿಸ್ಕೋದಲ್ಲಿ ಇಂದು, ಮಾತನಾಡುವ #ವರ್ಚುವಲೈಸೇಶನ್, #ಡೇಟಾಬೇಸ್‌ಗಳು,& #ಫ್ಲ್ಯಾಶ್ ಮೆಮೊರಿ	ಸೋಮ, 11 ಫೆಬ್ರವರಿ 2013 23:15:05 +0000
SSWUGorg	ಈ ಶುಕ್ರವಾರ ನಮ್ಮ ಉಚಿತ ಎಕ್ಸ್‌ಪೋಗೆ ಸೈನ್ ಅಪ್ ಮಾಡಲು ಮರೆಯಬೇಡಿ: #ಡೇಟಾಬೇಸ್‌ಗಳು, #BI ಮತ್ತು #Sharepoint: ನೀವು ತಿಳಿದುಕೊಳ್ಳಬೇಕಾದದ್ದು! http://t.co/Ijrqrz29	ಸೋಮ, 11 ಫೆಬ್ರವರಿ 2013 22:15:37 +0000

ಕೋಷ್ಟಕ 5. ಬಳಕೆದಾರರು

ಪೂರ್ಣ ಹೆಸರು	ಬಳಕೆದಾರ ಹೆಸರು
ಬೋರಿಸ್ ಹಡ್ಜುರ್	_ಡ್ರೀಮ್ ಲೀಡ್
ಗುನ್ನಾರ್ ಸ್ವಾಲಾಂಡರ್	ಗುನ್ನಾರ್‌ಸ್ವಲಾಂಡರ್
GE ಸಾಫ್ಟ್‌ವೇರ್	GEsoftware
ಆಡ್ರಿಯನ್ ಬರ್ಚ್	ಆಡ್ರಿಯನ್ಬರ್ಚ್
ಆಂಡಿ ರೈಡರ್	ಆಂಡಿ ರೈಡರ್ 5
ಬ್ರೆಟ್ ಎಂಗಲ್ಬರ್ಟ್	ಬ್ರೆಟ್_ಇಂಗ್ಲೆಬರ್ಟ್
ನಿಂಬಸ್ ಡೇಟಾ ಸಿಸ್ಟಮ್ಸ್	ನಿಂಬಸ್ ಡೇಟಾ
SSWUG.ORG	SSWUGorg

ಬಳಕೆದಾರರ ಕೋಷ್ಟಕದಲ್ಲಿ ವಿಭಾಗಿಸಿದ ನಂತರ ( ಕೋಷ್ಟಕ 5) ನಾವು ಅನನ್ಯ (ಪುನರಾವರ್ತನೆಯಾಗದ) ಸಾಲುಗಳನ್ನು ಹೊಂದಿದ್ದೇವೆ.

ತಂತಿಗಳಿಂದ ನಕಲುಗಳನ್ನು ತೆಗೆದುಹಾಕುವ ಈ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಎರಡನೇ ಸಾಮಾನ್ಯ ರೂಪಕ್ಕೆ ಬಿತ್ತರಿಸುವಿಕೆ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.

ಹಂತ 4. ಕೀಗಳ ಆಧಾರದ ಮೇಲೆ ಕೋಷ್ಟಕಗಳನ್ನು ಸೇರಿಸಿ

ಆದ್ದರಿಂದ, ನಮ್ಮ ಕ್ರಿಯೆಗಳ ಪರಿಣಾಮವಾಗಿ, ಟೇಬಲ್ 1 ಅನ್ನು 3 ಭಾಗಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ: ಕೆಳಗಿನ (ಟೇಬಲ್ 2), ಟ್ವೀಟ್‌ಗಳು (ಟೇಬಲ್ 4), ಬಳಕೆದಾರರು (ಟೇಬಲ್ 5). ಎಲ್ಲಾ ನಕಲುಗಳನ್ನು ತೆಗೆದುಹಾಕಲಾಗಿದೆ. ಭವಿಷ್ಯದಲ್ಲಿ ನಾವು ಈ ರಚನೆಯಿಂದ ಡೇಟಾವನ್ನು ಸುಲಭವಾಗಿ ಹೊರತೆಗೆಯಲು ಸಾಧ್ಯವಾಗುವಂತೆ, ನಾವು ವಿಶೇಷ ಸಂಬಂಧಗಳೊಂದಿಗೆ ಪರಸ್ಪರ ಸ್ವತಂತ್ರ ಕೋಷ್ಟಕಗಳನ್ನು ಸಂಪರ್ಕಿಸಬೇಕು ಅದು ಯಾವ ಬಳಕೆದಾರರು ಯಾವ ಟ್ವೀಟ್ ಅನ್ನು ಹೊಂದಿದ್ದಾರೆ ಮತ್ತು ಯಾರನ್ನು ಅನುಸರಿಸುತ್ತಾರೆ ಎಂಬ ಮಾಹಿತಿಯನ್ನು ನಮಗೆ ನೀಡುತ್ತದೆ.

ದಾಖಲೆಗಳ ನಡುವೆ ಸಂಬಂಧಗಳನ್ನು ರಚಿಸಲು, ನಾವು ಪ್ರಾಥಮಿಕ ಕೀ ಎಂಬ ವಿಶಿಷ್ಟ ಗುರುತಿಸುವಿಕೆಯನ್ನು ನಮೂದಿಸಬೇಕಾಗಿದೆ.

ಸಾಮಾನ್ಯವಾಗಿ ಹೇಳುವುದಾದರೆ, ನಾವು ಇದನ್ನು ಈಗಾಗಲೇ ಕೋಷ್ಟಕಗಳು 4 ಮತ್ತು 5 ರಲ್ಲಿ ಮಾಡಿದ್ದೇವೆ. "ಬಳಕೆದಾರರು" ಕೋಷ್ಟಕದಲ್ಲಿ, ಪ್ರಾಥಮಿಕ ಕೀಲಿಯು "ಬಳಕೆದಾರಹೆಸರು" ಕಾಲಮ್ ಆಗಿದೆ ಏಕೆಂದರೆ ಬಳಕೆದಾರಹೆಸರು ಅನನ್ಯ ಮೌಲ್ಯವಾಗಿರಬೇಕು ಮತ್ತು ಪುನರಾವರ್ತಿಸಲಾಗುವುದಿಲ್ಲ. "ಟ್ವೀಟ್ಗಳು" ಕೋಷ್ಟಕದಲ್ಲಿ, ಬಳಕೆದಾರರು ಮತ್ತು ಟ್ವೀಟ್ ನಡುವಿನ ಸಂಬಂಧವನ್ನು ಸೂಚಿಸಲು ನಾವು ಈ ಕೀಲಿಯನ್ನು ಬಳಸುತ್ತೇವೆ. "ಟ್ವೀಟ್ಸ್" ಕೋಷ್ಟಕದಲ್ಲಿ "ಬಳಕೆದಾರಹೆಸರು" ಕಾಲಮ್ ಅನ್ನು ವಿದೇಶಿ ಕೀ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.

ನೀವು ಎಂದಾದರೂ ಡೇಟಾಬೇಸ್‌ಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಿದ್ದರೆ, ನೀವು ಪ್ರಶ್ನೆಯನ್ನು ಹೊಂದಿರಬಹುದು: ನಾವು "ಬಳಕೆದಾರಹೆಸರು" ಕಾಲಮ್ ಅನ್ನು ಪ್ರಾಥಮಿಕ ಕೀಲಿಯಾಗಿ ಬಳಸಬಹುದೇ?

ಒಂದೆಡೆ, ಇದು ಹುಡುಕಾಟ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸರಳಗೊಳಿಸುತ್ತದೆ, ಏಕೆಂದರೆ ನಾವು ಯಾವುದೇ ಸಂಖ್ಯಾ ಐಡಿಗಳನ್ನು ಬಳಸುವುದಿಲ್ಲ. ಮತ್ತೊಂದೆಡೆ, ಬಳಕೆದಾರನು ತನ್ನ ಲಾಗಿನ್ ಅನ್ನು ಬದಲಾಯಿಸಲು ಬಯಸಿದರೆ ಏನು? ಇದು ದೊಡ್ಡ ಸಂಖ್ಯೆಯ ಸಮಸ್ಯೆಗಳಿಗೆ ಕಾರಣವಾಗಬಹುದು. ಇದೇ ರೀತಿಯ ಪರಿಸ್ಥಿತಿಗೆ ಸಿಲುಕುವುದನ್ನು ತಪ್ಪಿಸಲು, ಸಂಖ್ಯಾ ಐಡಿಗಳನ್ನು ಬಳಸುವುದು ಉತ್ತಮ. ಇದು ನಿಮ್ಮ ಸಿಸ್ಟಮ್ ಅನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ. ಲಾಗಿನ್‌ಗಳನ್ನು ಬದಲಾಯಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ನಿಮ್ಮ ಬಳಕೆದಾರರಿಗೆ ನೀವು ಒದಗಿಸಿದರೆ, ನಂತರ ಸ್ವಯಂ-ಹೆಚ್ಚಳಿಸುವ ಸಂಖ್ಯಾ ಐಡಿ ಕ್ಷೇತ್ರವನ್ನು ಪ್ರಾಥಮಿಕ ಕೀಲಿಯಾಗಿ ಬಳಸುವುದು ಉತ್ತಮ. ಇಲ್ಲದಿದ್ದರೆ, "ಬಳಕೆದಾರಹೆಸರು" ಕಾಲಮ್ ಈ ಪಾತ್ರಕ್ಕೆ ಸಾಕಷ್ಟು ಸೂಕ್ತವಾಗಿದೆ. ನಾನು ಅದನ್ನು ಹಾಗೆಯೇ ಬಿಡುತ್ತೇನೆ.

ಟ್ವೀಟ್‌ಗಳ ಕೋಷ್ಟಕವನ್ನು ನೋಡೋಣ (ಕೋಷ್ಟಕ 4). ಪ್ರತಿ ಸಾಲಿಗೆ ಪ್ರಾಥಮಿಕ ಕೀ ಅನನ್ಯವಾಗಿರಬೇಕು. ಈ ಪಾತ್ರಕ್ಕಾಗಿ ನಾವು ಈ ಕೋಷ್ಟಕದಲ್ಲಿ ಯಾವ ಕಾಲಮ್ ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಬಹುದು? "created_at" ಕಾಲಮ್ ಕೆಲಸ ಮಾಡುವುದಿಲ್ಲ, ಏಕೆಂದರೆ ತಾತ್ವಿಕವಾಗಿ, 2 ವಿಭಿನ್ನ ಬಳಕೆದಾರರು ಒಂದೇ ಸಮಯದಲ್ಲಿ ನಮೂದನ್ನು ಪ್ರಕಟಿಸಬಹುದು. "ಪಠ್ಯ" ಕಾಲಮ್ ಒಂದೇ ಆಗಿರುತ್ತದೆ: ಎರಡು ವಿಭಿನ್ನ ಬಳಕೆದಾರರು "ಹಲೋ ವರ್ಲ್ಡ್" ಪಠ್ಯದೊಂದಿಗೆ ಟ್ವೀಟ್ ಅನ್ನು ರಚಿಸಬಹುದು. ಈ ಕೋಷ್ಟಕದಲ್ಲಿನ "ಬಳಕೆದಾರಹೆಸರು" ಕಾಲಮ್ ಬಳಕೆದಾರ ಮತ್ತು ಟ್ವೀಟ್ ನಡುವಿನ ಸಂಬಂಧವನ್ನು ಸೂಚಿಸಲು ವಿದೇಶಿ ಕೀಲಿಯಾಗಿದೆ. ಆದ್ದರಿಂದ, ಸಾಧ್ಯವಿರುವ ಎಲ್ಲಾ ಆಯ್ಕೆಗಳು ನಮಗೆ ಸರಿಹೊಂದುವುದಿಲ್ಲವಾದ್ದರಿಂದ, ಐಡಿ ಕಾಲಮ್ ಅನ್ನು ಸೇರಿಸುವುದು ಉತ್ತಮ ಪರಿಹಾರವಾಗಿದೆ, ಇದು ಈ ಟೇಬಲ್‌ಗೆ ಪ್ರಾಥಮಿಕ ಕೀಲಿಯಾಗಿದೆ.

ಕೋಷ್ಟಕ 6. ಐಡಿ ಕಾಲಮ್‌ನೊಂದಿಗೆ ಟ್ವೀಟ್‌ಗಳು

ID	ಬಳಕೆದಾರ ಹೆಸರು	ಪಠ್ಯ	ರಚಿಸಲಾಗಿದೆ_at
1	_ಡ್ರೀಮ್ ಲೀಡ್	#USA ನಲ್ಲಿ #ಇಮೇಲ್ #ಪ್ರಚಾರಗಳ #ಟ್ರಾಫಿಕ್ ಬಗ್ಗೆ ನಿಮ್ಮ ಅಭಿಪ್ರಾಯವೇನು? ಇಂದಿನ ದಿನಗಳಲ್ಲಿ ಇದು ಉತ್ತಮ ಮಾರುಕಟ್ಟೆಯಾಗಿದೆಯೇ? ನೀವು # ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ಹೊಂದಿದ್ದೀರಾ?	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 08:43:09 +0000
2	ಗುನ್ನಾರ್‌ಸ್ವಲಾಂಡರ್	ಬಿಲ್ ಗೇಟ್ಸ್ ಟಾಕ್ಸ್ ಡೇಟಾಬೇಸ್, ರೆಡ್ಡಿಟ್‌ನಲ್ಲಿ ಉಚಿತ ಸಾಫ್ಟ್‌ವೇರ್ http://t.co/ShX4hZlA #billgates #databases	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 07:31:06 +0000
3	GEsoftware	RT @KirkDBorne: #ಡೇಟಾಬೇಸ್‌ಗಳಲ್ಲಿನ ವಾಚನಗೋಷ್ಠಿಗಳು: ಅತ್ಯುತ್ತಮ ಓದುವ ಪಟ್ಟಿ, ಹಲವು ವಿಭಾಗಗಳು: @rxin ಆಕರ್ಷಕ ಮೂಲಕ http://t.co/S6RBUNxq.	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 07:30:24 +0000
4	ಆಡ್ರಿಯನ್ಬರ್ಚ್	RT @tisakovich: @NimbusData ಇಂದು ಸ್ಯಾನ್ ಫ್ರಾನ್ಸಿಸ್ಕೋದಲ್ಲಿ @Barclays ಬಿಗ್ ಡೇಟಾ ಕಾನ್ಫರೆನ್ಸ್‌ನಲ್ಲಿ #ವರ್ಚುವಲೈಸೇಶನ್, #ಡೇಟಾಬೇಸ್‌ಗಳು ಮತ್ತು #ಫ್ಲ್ಯಾಶ್ ಮೆಮೊರಿಯನ್ನು ಕುರಿತು ಮಾತನಾಡುತ್ತಿದ್ದಾರೆ.	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 06:58:22 +0000
5	ಆಂಡಿ ರೈಡರ್ 5	ಸೂಪರ್ ಬೌಲ್ #databases #bus311 ಅನ್ನು ಊಹಿಸಲು AI ಅನ್ನು ಬಳಸಿಕೊಂಡು ಮ್ಯಾಡೆನ್ 2013 ಕುರಿತು http://t.co/D3KOJIvF ಲೇಖನ	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 05:29:41 +0000
6	ಆಂಡಿ ರೈಡರ್ 5	http://t.co/rBhBXjma ಗೌಪ್ಯತೆ ಸೆಟ್ಟಿಂಗ್‌ಗಳು ಮತ್ತು facebook #databases #bus311 ಕುರಿತು ಲೇಖನ	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 05:24:17 +0000
7	ಬ್ರೆಟ್_ಇಂಗ್ಲೆಬರ್ಟ್	#BUS311 ಯುನಿವರ್ಸಿಟಿ ಆಫ್ ಮಿನ್ನೇಸೋಟದ NCFPD "ಆಹಾರ ವಂಚನೆ" ತಡೆಯಲು #ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ರಚಿಸುತ್ತಿದೆ. http://t.co/0LsAbKqJ	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 01:49:19 +0000
8	ಬ್ರೆಟ್_ಇಂಗ್ಲೆಬರ್ಟ್	#BUS311 ಕಂಪನಿಗಳು ತಮ್ಮ ಉತ್ಪಾದನೆಯ #ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ರಕ್ಷಿಸುತ್ತಿರಬಹುದು, ಆದರೆ ಅವರ ಬ್ಯಾಕಪ್ ಫೈಲ್‌ಗಳ ಬಗ್ಗೆ ಏನು? http://t.co/okJjV3Bm	ಮಂಗಳವಾರ, 12 ಫೆಬ್ರವರಿ 2013 01:31:52 +0000
9	ನಿಂಬಸ್ ಡೇಟಾ	@NimbusData CEO @tisakovich @BarclaysOnline ಬಿಗ್ ಡೇಟಾ ಕಾನ್ಫರೆನ್ಸ್ ಸ್ಯಾನ್ ಫ್ರಾನ್ಸಿಸ್ಕೋದಲ್ಲಿ ಇಂದು, ಮಾತನಾಡುವ #ವರ್ಚುವಲೈಸೇಶನ್, #ಡೇಟಾಬೇಸ್‌ಗಳು,& #ಫ್ಲ್ಯಾಶ್ ಮೆಮೊರಿ	ಸೋಮ, 11 ಫೆಬ್ರವರಿ 2013 23:15:05 +0000
10	SSWUGorg	ಈ ಶುಕ್ರವಾರ ನಮ್ಮ ಉಚಿತ ಎಕ್ಸ್‌ಪೋಗೆ ಸೈನ್ ಅಪ್ ಮಾಡಲು ಮರೆಯಬೇಡಿ: #ಡೇಟಾಬೇಸ್‌ಗಳು, #BI ಮತ್ತು #Sharepoint: ನೀವು ತಿಳಿದುಕೊಳ್ಳಬೇಕಾದದ್ದು! http://t.co/Ijrqrz29	ಸೋಮ, 11 ಫೆಬ್ರವರಿ 2013 22:15:37 +0000

ಕೆಳಗಿನ ಕೋಷ್ಟಕದಲ್ಲಿ ನಾವು ಅದೇ ರೀತಿ ಮಾಡಬಹುದು, ಏಕೆಂದರೆ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಯಾವುದೇ ಕಾಲಮ್ ಪ್ರಾಥಮಿಕ ಕೀಲಿಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವುದಿಲ್ಲ. "from_user" ಮತ್ತು "to_user" ಕಾಲಮ್‌ಗಳು ವಿದೇಶಿ ಕೀಗಳಾಗಿವೆ ಮತ್ತು ಬಳಕೆದಾರರ ಚಂದಾದಾರಿಕೆಗಳ ನಡುವಿನ ಸಂಬಂಧವನ್ನು ಸೂಚಿಸುತ್ತವೆ.

ಆದ್ದರಿಂದ, ಈ ಹಂತದಲ್ಲಿ ನಾವು ಈಗಾಗಲೇ ಬಹಳಷ್ಟು ಕೆಲಸಗಳನ್ನು ಮಾಡಿದ್ದೇವೆ. ನಾವು ಕಾಲಮ್‌ಗಳು ಮತ್ತು ಸಾಲುಗಳಲ್ಲಿನ ನಕಲಿ ಮಾಹಿತಿಯನ್ನು ತೊಡೆದುಹಾಕಿದ್ದೇವೆ ಮತ್ತು ಡೇಟಾದ ನಡುವಿನ ಅವಲಂಬನೆಗಳನ್ನು ಸೂಚಿಸಲು ಪ್ರಾಥಮಿಕ ಮತ್ತು ವಿದೇಶಿ ಕೀಗಳಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ನಮ್ಮ ಕೋಷ್ಟಕಗಳಿಗೆ ಸೂಕ್ತವಾದ ಕಾಲಮ್‌ಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಿದ್ದೇವೆ. ಈ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸಾಮಾನ್ಯೀಕರಣ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ ಮತ್ತು ನಿಮ್ಮ ಕೋಷ್ಟಕಗಳನ್ನು ಸಂಬಂಧಿತ ಮಾದರಿಯ ಅಡಿಯಲ್ಲಿ ತರಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ಸಾಮಾನ್ಯೀಕರಣಕ್ಕೆ ಧನ್ಯವಾದಗಳು, ನಾವು CRUD ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ಸರಳ ರೀತಿಯಲ್ಲಿ ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದು.

ಕೆಳಗೆ ನೀವು ನಮ್ಮ ಕೋಷ್ಟಕಗಳ ರೇಖಾಚಿತ್ರವನ್ನು ಮತ್ತು ಅವುಗಳ ನಡುವಿನ ಸಂಬಂಧಗಳನ್ನು ನೋಡಬಹುದು:

ಡೇಟಾಬೇಸ್ ಮ್ಯಾನೇಜ್ಮೆಂಟ್ ಸಿಸ್ಟಮ್ಸ್

ಈಗ ನಾವು ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ ಅನ್ನು ಹೊಂದಿದ್ದೇವೆ, ನಾವು ಅದನ್ನು ಹೇಗೆ ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದು? ಇದನ್ನು ಮಾಡಲು, ನಾವು ಡೇಟಾಬೇಸ್ ನಿರ್ವಹಣಾ ವ್ಯವಸ್ಥೆಗಳನ್ನು (DBMS) ಬಳಸಬಹುದು. ಪಾವತಿಸಿದ ಮತ್ತು ಉಚಿತ ಎರಡೂ ರೀತಿಯ ಕಾರ್ಯಕ್ರಮಗಳ ಸಂಪೂರ್ಣ ಶ್ರೇಣಿಯಿದೆ. ಪಾವತಿಸಿದವುಗಳಲ್ಲಿ ಒರಾಕಲ್ ಡೇಟಾಬೇಸ್, IBM DB2 ಮತ್ತು ಮೈಕ್ರೋಸಾಫ್ಟ್ SQL ಸರ್ವರ್ ಸೇರಿವೆ. ಉಚಿತ: MySQL, SQLite ಮತ್ತು PostgreSQL.

ಹೆಚ್ಚಾಗಿ, ವಿವಿಧ ಕಂಪನಿಗಳು MySQL ಅನ್ನು ಬಳಸುತ್ತವೆ. ಈ ಅರ್ಥದಲ್ಲಿ ಟ್ವಿಟರ್ ಇದಕ್ಕೆ ಹೊರತಾಗಿಲ್ಲ.

IOS ಮತ್ತು Android ಗಾಗಿ ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವಾಗ SQLite ಅನ್ನು ಹೆಚ್ಚಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ, ಅಲ್ಲಿ ವಿವಿಧ ರೀತಿಯ ಗೌಪ್ಯ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ. Google Chrome ಬ್ರೌಸರ್ ಬ್ರೌಸಿಂಗ್ ಇತಿಹಾಸ, ಕುಕೀಗಳು, ಚಿತ್ರಗಳನ್ನು ಸಂಗ್ರಹಿಸಲು SQLite ಅನ್ನು ಬಳಸುತ್ತದೆ...

PostgreSQL ಅನ್ನು ಕಡಿಮೆ ಬಾರಿ ಬಳಸಲಾಗುತ್ತದೆ. ಇದಕ್ಕಾಗಿ ಉಪಯುಕ್ತವಾದ ಪೋಸ್ಟ್‌ಜಿಐಎಸ್ ವಿಸ್ತರಣೆ ಇದೆ, ಇದು ಜಿಯೋಲೊಕೇಶನ್ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಲು ಈ ಡಿಬಿಎಂಎಸ್ ಅನ್ನು ಅನುಕೂಲಕರವಾಗಿಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, OpenStreetMap ಸೇವೆಯು PostgreSQL ಅನ್ನು ಬಳಸುತ್ತದೆ.

ರಚನಾತ್ಮಕ ಪ್ರಶ್ನೆ ಭಾಷೆ (SQL)

ಒಮ್ಮೆ ನೀವು ನಿಮಗಾಗಿ ಸರಿಯಾದ DBMS ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಿ ಮತ್ತು ಅದನ್ನು ಸ್ಥಾಪಿಸಿದರೆ, ಮುಂದಿನ ಹಂತವು ಕೋಷ್ಟಕಗಳನ್ನು ರಚಿಸುವುದು ಮತ್ತು ಡೇಟಾವನ್ನು ನಿರ್ವಹಿಸುವುದು. ಇದನ್ನು ಮಾಡಲು, ನಾವು SQL ಎಂಬ ವಿಶೇಷ ಭಾಷೆಯನ್ನು ಬಳಸಬಹುದು.

ಅಭಿವೃದ್ಧಿ ಡೇಟಾಬೇಸ್ ಅನ್ನು ರಚಿಸುವುದು:

ಡೇಟಾಬೇಸ್ ಅಭಿವೃದ್ಧಿಯನ್ನು ರಚಿಸಿ;

ಬಳಕೆದಾರರ ಕೋಷ್ಟಕವನ್ನು ರಚಿಸುವುದು:

ಟೇಬಲ್ ಬಳಕೆದಾರರನ್ನು ರಚಿಸಿ (ಪೂರ್ಣ_ಹೆಸರು VARCHAR(100), ಬಳಕೆದಾರ ಹೆಸರು VARCHAR(100));

ಕ್ಷೇತ್ರಗಳನ್ನು ರಚಿಸುವಾಗ, ಸಂಗ್ರಹಿಸಬೇಕಾದ ಮಾಹಿತಿಯ ಪ್ರಕಾರ ಮತ್ತು ಅದರ ಗಾತ್ರವನ್ನು ನಾವು ನಿರ್ದಿಷ್ಟಪಡಿಸಬೇಕಾಗಿದೆ. "ಪೂರ್ಣ_ಹೆಸರು" ಮತ್ತು "ಬಳಕೆದಾರಹೆಸರು" ಕಾಲಮ್‌ಗಳು VARCHAR ಪ್ರಕಾರವನ್ನು ಹೊಂದಿರುತ್ತವೆ, ಇದು ಅಕ್ಷರ ತಂತಿಗಳನ್ನು ಸಂಗ್ರಹಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ಗಾತ್ರ 100 ಅಕ್ಷರಗಳು. ನೀವು ಎಲ್ಲಾ ಪ್ರಕಾರಗಳ ಪಟ್ಟಿಯನ್ನು ಕಾಣಬಹುದು.

ನಮೂದನ್ನು ಸೇರಿಸಲಾಗುತ್ತಿದೆ:

ಬಳಕೆದಾರರಿಗೆ ಸೇರಿಸಿ (ಪೂರ್ಣ_ಹೆಸರು, ಬಳಕೆದಾರಹೆಸರು) ಮೌಲ್ಯಗಳು ("ಬೋರಿಸ್ ಹಡ್ಜುರ್", "_ಡ್ರೀಮ್‌ಲೀಡ್");

ಬಳಕೆದಾರ _DreamLead ನಿಂದ ಎಲ್ಲಾ ನಮೂದುಗಳನ್ನು ಹಿಂಪಡೆಯಲಾಗುತ್ತಿದೆ:

ಪೋಸ್ಟ್ ಅಪ್‌ಡೇಟ್:

ನಮೂದನ್ನು ಅಳಿಸಲಾಗುತ್ತಿದೆ:

SQL ಮಾನವ ಭಾಷೆಗೆ (ಇಂಗ್ಲಿಷ್) ಹೋಲುತ್ತದೆ. ಪ್ರತಿಯೊಂದು SQL DBMS ತನ್ನದೇ ಆದ ವೈಶಿಷ್ಟ್ಯಗಳು ಮತ್ತು ವ್ಯತ್ಯಾಸಗಳನ್ನು ಹೊಂದಿದೆ, ಆದರೆ ಸಾಮಾನ್ಯವಾಗಿ, SQL ನ ಎಲ್ಲಾ ಪ್ರಭೇದಗಳು ಒಂದಕ್ಕೊಂದು ಹೋಲುತ್ತವೆ.

ಬಾಟಮ್ ಲೈನ್

ಈ ಪಾಠದಲ್ಲಿ, ನಾವು ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ ಅನ್ನು ರಚಿಸುವ ಪ್ರಕ್ರಿಯೆಯನ್ನು ನೋಡಿದ್ದೇವೆ, ಡೇಟಾದ ಗುಂಪನ್ನು ತೆಗೆದುಕೊಂಡು ಸಂಬಂಧಿತ ಮಾದರಿಯ ಪ್ರಕಾರ ಕೋಷ್ಟಕಗಳಾಗಿ ವಿತರಿಸುತ್ತೇವೆ. ನಾವು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ DBMS ಗಳು ಮತ್ತು SQL ಭಾಷೆಯನ್ನು ತ್ವರಿತವಾಗಿ ನೋಡಿದ್ದೇವೆ.