🙅🏽 👩‍👩‍👧‍👦 🚧 Teradata में उन्नत भौतिक मॉडलिंग तकनीक 📶 👨🏻‍🌾 💪🏽

टेरडेटा डीबीएमएस में भौतिक मॉडलिंग तकनीकों पर सामग्रियों के प्रकाशन को जारी रखते हुए , जैसा कि हमने पिछले लेख में वादा किया था, अतिरिक्त तकनीकों के बारे में बात करना चाहते हैं जो सीधे तौर पर सामान्य सूचकांक से संबंधित नहीं हैं (हालांकि इस लेख में हम विशेष प्रकार के अनुक्रमितों पर आपको स्पर्श करेंगे, जिनके बारे में आपको पता होना चाहिए)।

सामान्य अनुक्रमित के अलावा, Teradata DBMS में कई विशिष्ट और कभी-कभी सूक्ष्म तकनीकें शामिल हैं जिनका उपयोग भौतिक मॉडलिंग में किया जा सकता है। यहां अधिकांश तकनीकों का वर्णन है, और यदि आपके कोई प्रश्न हैं या अधिक जानना चाहते हैं, तो हमें टिप्पणियों में उत्तर देने में खुशी होगी।

सूचकांक में शामिल हों

यह एक विशेष प्रकार का सूचकांक है, जो SQL क्वेरी का संग्रहीत और अद्यतन परिणाम है। इंडेक्स में ऐसा नाम होता है क्योंकि क्वेरी में तालिकाओं में शामिल हो सकते हैं। लेकिन टेबल जॉइन नहीं हो सकता है - इस मामले में, इंडेक्स को सिंगल टेबल जॉइन इंडेक्स कहा जाता है। इस तकनीक को कई तालिकाओं में शामिल होने और / या एकत्रीकरण करने के लिए अक्सर प्रश्नों की उपस्थिति पर विचार किया जाना चाहिए। उपयोगकर्ता से SQL क्वेरी प्राप्त करने के बाद, जिसके लिए केवल इंडेक्स डेटा से जुड़ना संभव है, ऑप्टिमाइज़र इस विधि को पसंद करेगा। ऑप्टिमाइज़र को यह समझने के तरीके भी बताएं कि Join Indexaa और बेस टेबल से कैसे जुड़ें, यदि, उदाहरण के लिए, अनुक्रमणिका में पर्याप्त फ़ील्ड नहीं हैं जो उपयोगकर्ता ने अनुरोध किया है। यह जॉइन इंडेक्स में "ROWID" फ़ील्ड को शामिल करके किया जाता है - फिर डीबीएमएस सक्षम हो जाएगा, यदि आवश्यक हो, तो बेस टेबल के साथ इंडेक्स को कुशलतापूर्वक शामिल करने के लिए।

इंडेक्स को न केवल चौड़ाई (बेस टेबल में कॉलम की संख्या) तक सीमित किया जा सकता है, बल्कि गहराई से भी। ज्वाइन इंडेक्स बनाते समय, आप WHERE क्लॉज को निर्दिष्ट कर सकते हैं, और उसके बाद केवल आवश्यक डेटा इंडेक्स में शामिल किया जाएगा। यह विधि उन प्रश्नों के अनुकूलन के लिए उपयुक्त है जिनमें बहुत विशिष्ट फ़िल्टरिंग स्थितियां हैं। फिर उन्हें सूचकांक में शामिल किया जा सकता है और इस तरह इसकी मात्रा को कम किया जा सकता है और खर्च किए गए संसाधनों को कम से कम किया जा सकता है। लेकिन हमें यह याद रखना चाहिए कि इस सूचकांक को ऑप्टिमाइज़र द्वारा केवल तभी माना जाएगा, जब उन प्रश्नों को संसाधित किया जाए जिसमें सूचकांक बनाते समय (या अधिक कठोर) फ़िल्टरिंग की स्थिति हो।

इसके अलावा, चूंकि ज्वाइन इंडेक्स टेबल के समान ही है, आप इस पर इंडेक्स बना सकते हैं और आंकड़े एकत्र कर सकते हैं।

हश नुसी

डिफ़ॉल्ट रूप से, NUSI सूचकांक AMPs के बीच उसी तरह वितरित किया जाता है जिस आधार पर इसे बनाया गया है। यह एएमपी और उपयोग में आसानी के बीच सूचकांक का एक समान वितरण देता है। प्रत्येक एएमपी के अंदर, NUSI को उसके सभी कॉलमों से हैश मान द्वारा सॉर्ट किया जाता है। लेकिन एक सूचकांक बनाना संभव है ताकि यह सूचकांक में किसी विशेष क्षेत्र के हैश मान द्वारा सॉर्ट किया जाए। इस तरह के सूचकांक समानता की स्थिति के साथ क्वेरी प्रदर्शन को महत्वपूर्ण रूप से अनुकूलित करेंगे। सूचकांक स्तंभ के साथ तुलना में मूल्य हैशेड है, और यह हैश जल्दी से सूचकांक में खोजा जाता है (जो इसके द्वारा क्रमबद्ध होता है)।

मान आदेशित NUSI

लेकिन हैश द्वारा छांटने के अलावा, आप एक विशिष्ट क्षेत्र के मूल्य द्वारा सूचकांक की छंटाई सेट कर सकते हैं। इस तरह के सूचकांक एक अच्छी तरह से उन प्रश्नों को अनुकूलित करने की अनुमति देते हैं जिनमें फ़िल्टरिंग स्थिति के रूप में सीमाएं या असमानता की स्थिति होती है। इस तरह के सूचकांक को बनाते समय, इसे निर्दिष्ट फ़ील्ड द्वारा सॉर्ट किया जाता है और डिस्क के रूप में सहेजा जाता है। मुझे लगता है कि एक क्रमबद्ध सूची पर सीमाएं खोजने के लाभों को टिप्पणियों की आवश्यकता नहीं है।

डेटा का जानबूझकर "तिरछा"

साझा कुछ भी नहीं एमपीपी प्रणाली डेटा के सबसे अधिक वितरण के साथ सबसे अच्छा प्रदर्शन बचाता है। इस मुद्दे को इस और अन्य लेखों में बहुत ध्यान दिया गया है। लेकिन ऐसे समय होते हैं जब यह जानबूझकर डेटा का "तिरछा" बनाने के लिए समझ में आता है, और यह प्रदर्शन को सकारात्मक रूप से प्रभावित करेगा।

उदाहरण के लिए, आपके पास 144 एएमपी के साथ एक प्रणाली है। और एक छोटी निर्देशिका है जिसमें, कहते हैं, 200 रिकॉर्ड कम या ज्यादा समान रूप से वितरित किए जाते हैं। जब आप किसी निर्देशिका से डेटा का चयन करते हैं, तो सभी 144 एएमपी एक या दो रिकॉर्ड प्रत्येक निकालने के लिए अपने डिस्क में बदल जाते हैं। क्या इस तरह के एक ट्राइफ्लिंग ऑपरेशन के लिए कई एएमपी को तनाव देना समझ में आता है? ऐसी स्थितियों में, आप डेटा का एक कृत्रिम "तिरछा" बना सकते हैं - इसके लिए आपको निर्देशिका में एक खाली कॉलम जोड़ना होगा, इसे एक प्राथमिक सूचकांक बनाना होगा, और इसे उसी मूल्य के साथ भरना होगा। इस स्थिति में, टेबल पर पहुंचने पर, केवल एक एएमपी काम करेगा, जो सभी रिकॉर्डों को जल्दी से निकाल देगा और अन्य सभी एएमपी के बीच पुनर्वितरण करेगा। इस तरह के सभी मामलों में उपयोग के लिए इस दृष्टिकोण की सिफारिश नहीं की जा सकती है, बस ध्यान रखें कि यह किया जा सकता है। और यह आपके विशेष मामले में लाभ देगा या नहीं, पहले से ही एक अलग मुद्दा है।

प्रासंगिक अखंडता

Teradata, अन्य संबंधपरक DBMS की तरह, संदर्भात्मक अखंडता के लिए समर्थन प्रदान करता है। लेकिन टेराडाटा में कई विशेषताएं हैं जिनका हम उल्लेख करना चाहते हैं। पहली विशेषता यह है कि संदर्भित मूल तालिका के कॉलम को प्राथमिक कुंजी के रूप में घोषित करने की आवश्यकता नहीं है। Teradata के लिए केवल यह आवश्यक है कि ये कॉलम एक अद्वितीय सूचकांक, प्राथमिक या द्वितीयक बनाएं। हालांकि पीके की परिभाषा एक किफायती विकल्प बनी हुई है क्योंकि टेराडाटा की विशिष्टता पर कोई भी प्रतिबंध शारीरिक रूप से एक अद्वितीय सूचकांक में बदल जाता है।

अन्य विशेषताएं अलग-अलग प्रकार की संदर्भात्मक अखंडता से संबंधित हैं।

मानक री

मानक संदर्भात्मक अखंडता जाँच। प्रत्येक सम्मिलित, संशोधित या हटाए गए पंक्ति के लिए निष्पादित किया गया। निम्नलिखित आदेश द्वारा जोड़ा गया:

ALTER TABLE Employee ADD CONSTRAINT fk1 FOREIGN KEY (Dept) REFERENCES Department (Dept);

टेरडेटा में इस प्रकार की संदर्भित अखंडता के कार्यान्वयन की ख़ासियत यह है कि जब इसे मौजूदा तालिकाओं में जोड़ा जाता है, भले ही शर्तों का उल्लंघन किया जाता है, तो एक प्रतिबंध बनाया जाएगा और सक्रिय किया जाएगा (आप ऐसे ऑपरेशन नहीं कर सकते हैं जो संदर्भात्मक अखंडता का उल्लंघन करते हैं)। इस मामले में, Teradata स्वचालित रूप से चाइल्ड टेबल के नाम के साथ एक त्रुटि तालिका बनाएगा, जो कि प्रत्यय "_0" द्वारा पूरक है, जिसमें यह चाइल्ड टेबल के रिकॉर्ड रखेगा कि संदर्भात्मक अखंडता को शामिल करने के समय इसकी शर्तें नहीं थीं। भविष्य में, उपयोगकर्ता इन रिश्तों के साथ समस्याओं को हल करने और त्रुटि तालिका को हटाने के लिए जिम्मेदार है। इस कार्यान्वयन की अनुमति देता है, संदर्भात्मक अखंडता को सक्षम और सक्रिय करने के लिए तालिका लिंकिंग समस्याओं के समाधान की प्रतीक्षा किए बिना, समस्याओं की उपस्थिति का पता लगाना आसान है (एक त्रुटि तालिका है - समस्याएं हैं), उनके पैमाने और सुधारात्मक उपाय (त्रुटि तालिका में सभी समस्या रेखाएं) लें।

बैच री

टेराडाटा में इस प्रकार की संदर्भात्मक अखंडता के कार्यान्वयन में कोई विशेषता नहीं है। यह डीएमएल कमांड निष्पादन के अंत में किया जाता है, उल्लंघन का पता लगाने से पूरे लेनदेन का रोलबैक होता है, निर्माण के समय उल्लंघन की उपस्थिति एक त्रुटि की ओर ले जाती है। निम्नलिखित आदेश द्वारा जोड़ा गया:

 ALTER TABLE Employee ADD CONSTRAINT fk1 FOREIGN KEY (Dept_Number) REFERENCES WITH CHECK OPTION Department (Dept_Number);

मुलायम राय

इस प्रकार की संदर्भित अखंडता Teradata के लिए विशिष्ट है। ऊपर वर्णित किसी भी प्रकार, ऑप्टिमाइज़र की मदद करते हुए, उसी समय ईमानदारी से जाँच करके सिस्टम पर लोड बढ़ाता है। सॉफ्ट आरआई को "भरोसेमंद अखंडता" कहा जा सकता है, क्योंकि इसे तालिकाओं में जोड़ने से डेटा कनेक्टिविटी को नियंत्रित करने के लिए एक तंत्र का समावेश नहीं होता है। इस प्रतिबंध को बनाने से केवल डेटा डिक्शनरी में जानकारी जोड़ी जाएगी कि ए और बी एक दूसरे से कैसे संबंधित हैं। आपको इसकी आवश्यकता क्यों है, आप कहते हैं। अच्छी डेटा गुणवत्ता के साथ, आप ऑप्टिमाइज़र को अधिक जानकारी देंगे और महंगी संदर्भात्मक अखंडता जांचों को छोड़ देंगे। निम्नलिखित आदेश द्वारा जोड़ा गया:

 ALTER TABLE Employee ADD CONSTRAINT fk1 FOREIGN KEY (Dept_Number) REFERENCES WITH NO CHECK OPTION Department (Dept_Number);

आरआई ऑप्टिमाइज़र को क्या देता है?

तालिकाओं के लिए परिभाषित एक संदर्भात्मक अखंडता बाधा की उपस्थिति (ऊपर दिए गए किसी भी प्रकार) से ऑप्टिमाइज़र को एलिमिनेशन में शामिल होने की अनुमति मिलती है, अर्थात्, किसी क्वेरी को निष्पादित करते समय तालिकाओं में शामिल नहीं होने के लिए, जिसमें पैरेंट तालिका के स्तंभ स्तंभ का चयन या WHERE भाग नहीं होता है: उदाहरण के लिए।
हमारे पास एक दृश्य है

 REPLACE VIEW EmpDept AS SELECT Employee_Number, Last_Name, First_Name, E.Dept_Number, Dept_Name FROM Employee E INNER JOIN Department D ON E.Dept_Number = D.Dept_Number;

, जहां विभाग अभिभावक है और कर्मचारी उस तालिका का बच्चा है जिसके बीच संदर्भात्मक अखंडता को परिभाषित किया गया है।

जब अगला अनुरोध निष्पादित किया जाता है, तो कनेक्शन का प्रदर्शन नहीं किया जाएगा, क्योंकि यह मूल तालिका के स्तंभों तक नहीं पहुँचता है:

 SELECT Employee_Number, Last_Name, Dept_Number FROM EmpDept;

नोट: सॉफ्ट आरआई का उपयोग करते समय, अपने डेटा की गुणवत्ता के बारे में सुनिश्चित करें, अन्यथा कनेक्शन का अपवाद गलत परिणाम दे सकता है।

डेटा संपीड़न

जैसा कि ऊपर उल्लेख किया गया है, भौतिक डेटा मॉडल को अनुकूलित करने के मुख्य कार्यों में से एक इनपुट / आउटपुट संचालन की संख्या को कम करना है। यदि संपीड़न डेटा पर लागू होता है, तो यह कम डिस्क स्थान लेता है और कम ब्लॉक रीड के लिए पढ़ा जाता है। लेकिन उसके बाद, डेटा को विघटित करना होगा, जिसके लिए अतिरिक्त संसाधनों की आवश्यकता होगी।

डेटा संपीड़न को सॉफ्टवेयर और हार्डवेयर दोनों में लागू किया जा सकता है। हम भौतिक डिजाइन के विषय के भाग के रूप में हार्डवेयर संपीड़न पर विचार नहीं करेंगे; हम सॉफ्टवेयर पर अधिक विस्तार से ध्यान देंगे।

यह ध्यान दिया जाना चाहिए कि संपीड़न लागू करना उन तालिकाओं के लिए समझ में आता है जो वास्तव में महत्वपूर्ण राशि पर कब्जा कर लेते हैं। यदि तालिका पहले से ही छोटी है, तो आपको संपीड़न का उपयोग करने के गंभीर लाभों की सूचना देने की संभावना नहीं है।

नल संपीड़न

हम तुरंत सहमत हैं - इस खंड में, एक खाली मान का मतलब केवल NULL है। दार्शनिक बहस कि NULL "कुछ भी नहीं है" और एक खाली अर्थ का स्वागत नहीं है, लेकिन टिप्पणियों में।

यदि आपके पास एक मेज है जिसमें निश्चित आकार के स्तंभों में NULLs का एक बड़ा प्रतिशत है, तो, तालिका में बड़ी संख्या में प्रविष्टियों को देखते हुए, यह NULLs को संपीड़ित करने के बारे में सोचने के लिए समझ में आता है। यह बहुत सरलता से किया जाता है - कॉलम बनाने के लिए डीडीएल कोड में (या ALTER'e) कॉलम के बाद शब्द "COMPRESS" इंगित किया गया है। इस प्रकार, सिस्टम तालिका का विश्लेषण करेगा और सभी स्तंभों के लिए एक विशेष बिट डाल देगा जहां NULL मौजूद है, जिसका अर्थ है: "यह NULL था, लेकिन हमने इसे निचोड़ लिया और यह चला गया"।

विशिष्ट मूल्यों का संपीड़न

ऐसा अक्सर होता है कि तालिकाओं में NULLs के अलावा अक्सर पाए जाने वाले मान होते हैं। उदाहरण के लिए, यह एक सांख्यिकीय दृष्टिकोण से अग्रणी उपनाम हो सकता है - कहें, इवानोव। कोई भी क्षेत्र (विशेष रूप से एक स्ट्रिंग) जिसके लिए सांख्यिकीय रूप से अक्सर सामना किए जाने वाले मूल्यों को प्रतिष्ठित किया जा सकता है, संपीड़न के लिए एक अच्छा उम्मीदवार है। अपवाद हो सकते हैं - उदाहरण के लिए, आप ग्राहक की स्थिति को पाठ में रखने का निर्णय लेते हैं (क्यों नहीं पूछें)। एचडीएस के लिए क्लाइंट टेबल आमतौर पर लाखों रिकॉर्ड है। केवल सीमित स्थितियों के सेट होने के बाद: "सक्रिय", "निष्क्रिय", "अवरुद्ध", आप संपीड़न लागू कर सकते हैं और लाखों रिकॉर्ड के दसियों लागत को कम कर सकते हैं (हमारे उदाहरण में, VARCHAR (16) से दो बिट्स तक)।

संपीड़न के लिए मूल्यों की सूची प्रत्येक स्तंभ के लिए अलग से निर्दिष्ट की जा सकती है। ऐसी सूचियों को तालिका शीर्षलेखों में संग्रहीत किया जाता है, और तालिका तक पहुंचते समय, संपीड़ित मान (झंडे) को वास्तविक मूल्यों से बदल दिया जाता है। इस ऑपरेशन से अतिरिक्त भार इतना छोटा है कि इसे उपेक्षित किया जा सकता है।

मॉडल डिजाइन करते समय, डेटा जनसांख्यिकी पर ध्यान दें, जो इस लेख में पहले ही कई बार उल्लेख किया गया है। यदि तालिका में लाखों रिकॉर्ड हैं और कुछ मान संकुचित किए जा सकते हैं, तो ऐसा करने से, आप तालिका में प्रश्नों को गति देंगे।

ब्लॉक स्तरीय संपीड़न (BLC)

ब्लॉक-स्तरीय संपीड़न, या BLC, एक प्रकार का संपीड़न है जो डेटा के पूरे ब्लॉक पर लागू होता है इससे पहले कि वे सीधे डिस्क पर लिखे। इस प्रकार के संपीड़न का उपयोग या तो पूरे सिस्टम के लिए या व्यक्तिगत तालिकाओं के लिए किया जा सकता है। इस प्रकार के संपीड़न के साथ, डिस्क स्पेस में लाभ प्रोसेसर पर लोड बढ़ने से आता है, इसलिए इस मामले में यह समझना महत्वपूर्ण है कि यह आपको कैसे सूट करता है।

तालिका के लिए इस प्रकार की संपीड़न सक्षम करने के बाद, आप इसे अक्षम नहीं कर सकते, क्योंकि यह ब्लॉक की भौतिक उपस्थिति को प्रभावित करता है, आपको तालिका को एक तरफ से लिखना होगा, लेकिन बिना संपीड़न के, और फिर इसे पूरी तरह से बदल दें।

स्तंभ संपीड़न

जैसा कि हमने पिछले लेखों ( Teradata DBMS में रिकॉर्ड्स के कॉलम और हाइब्रिड स्टोरेज ) में से एक में वर्णित किया है, Teradata DBMS रिकॉर्ड्स और लोअरकेस दोनों कॉलम स्टोरेज का समर्थन करता है। एक भौतिक डेटा मॉडल को डिज़ाइन करते समय, आपको प्रत्येक विकल्प से सर्वश्रेष्ठ लेने की आवश्यकता होती है। तालिका के स्तंभ संग्रहण का उपयोग करते समय, स्वचालित संपीड़न का उपयोग संभव है। इसका एल्गोरिथ्म इस तथ्य पर आधारित है कि यदि किसी डेटा ब्लॉक में एक कॉलम के मान शामिल हैं, तो उनके संपीड़न की संभावना काफी अधिक है (विशेषकर यदि ये गैर-अद्वितीय मान हैं)। एक कॉलम के मान कंटेनर स्तर पर संकुचित होते हैं (ऊपर लेख देखें)। यदि सिस्टम यह निर्धारित करता है कि संपीड़न किसी दिए गए मूल्य के लिए लाभ नहीं देता है, तो यह बस इसे संपीड़ित नहीं करता है, लेकिन अगर यह देखता है कि यह संपीड़ित करने के लिए समझ में आता है, तो यह जांचता है कि अंतर्निहित संपीड़न एल्गोरिदम में से कौन सा सबसे बड़ा लाभ देगा और इसका उपयोग करता है। उदाहरण के लिए, यदि आप "संतुलन" क्षेत्र में स्वचालित स्तंभ संपीड़न को सक्षम करने का निर्णय लेते हैं, तो आपको बड़ी जीत मिलने की संभावना नहीं है - प्रत्येक ग्राहक / ग्राहक का आमतौर पर अपना संतुलन होता है, जो अद्वितीय के करीब होता है।

मॉडल के निर्माता के लिए, इसका मतलब केवल एक चीज है: यदि आप एक स्तंभ प्रकार के भंडारण के साथ एक तालिका बनाने का निर्णय लेते हैं, तो यह आपके लिए समझ में आता है। और यदि ऐसा है, तो जनसांख्यिकी का विश्लेषण करें - शायद कई कॉलमों के लिए आपको स्वचालित संपीड़न को सक्षम करने की आवश्यकता है।

क्या चुनना है?

नीचे दी गई तालिका आपको संपीड़न के प्रकार पर निर्णय लेने में मदद करेगी।

	विशिष्ट मूल्यों का संपीड़न	संपीड़न को अवरुद्ध करें	स्तंभ संपीड़न
उपयोग में आसानी	अच्छी तरह से अध्ययन किए गए डेटा के लिए आवेदन करना आसान है।	चालू किया और भूल गया	चालू किया और भूल गया
एक विश्लेषण की आवश्यकता है?	डेटा जनसांख्यिकी का विश्लेषण करने की आवश्यकता है	सीपीयू लागत के बदले में अंतरिक्ष में लाभ का विश्लेषण करना आवश्यक है	यह समझना आवश्यक है कि संपीड़न को शामिल करने के लिए तालिका के कौन से स्तंभ हैं, और जिसके लिए इसका कोई मतलब नहीं होगा
लचीलापन	बड़ी संख्या में स्थितियों और डेटा प्रकारों के लिए काम करता है।	अन्य प्रकार के संपीड़न के साथ संयोजन संभव है।	इसे केवल स्तंभ संग्रहण वाली तालिकाओं पर लागू किया जा सकता है।
प्रभाव	सीपीयू की खपत पर न्यूनतम प्रभाव	CPU को प्रभावित करता है	प्रत्येक पंक्ति के लिए, यह निर्धारित किया जाता है कि यह संकुचित था या नहीं।
आवेदन क्षेत्र	विशिष्ट मूल्यों को प्रतिस्थापित करना	सभी डेटा को संपीड़ित करें	संपूर्ण तालिका से कॉलम का एक सेट संपीड़ित करें

शारीरिक डिजाइन परिणाम

भौतिक मॉडलिंग कार्य का परिणाम DBMS ऑब्जेक्ट्स का एक सेट होना चाहिए, जो सिस्टम संसाधनों की न्यूनतम लागत पर, मुख्य उपयोगकर्ता भार के लिए आवश्यक प्रदर्शन प्रदान करेगा:

सबसे पहले, ये टेबल हैं (भंडारण विशेषताओं सहित, उदाहरण के लिए, संपीड़न पैरामीटर) और प्राथमिक अनुक्रमित (सेक्शनिंग पैरामीटर सहित), जिन्हें सिस्टम संसाधनों के अतिरिक्त खर्च की आवश्यकता नहीं है। आदर्श रूप से, प्राथमिक इंडेक्स को उन तालिकाओं की पंक्तियों तक पहुंच की बुनियादी आवश्यकता को कवर करना चाहिए जिनके लिए वे बनाए गए हैं, और स्थानीय तालिका के उपयोग को अधिकतम करने के लिए एएमपी पर स्क्रिप्ट में शामिल हों। प्राथमिक इंडेक्स का निर्माण टेराडाटा प्लेटफॉर्म के लिए अनिवार्य शारीरिक डिजाइन कार्यक्रम का हिस्सा है।
आवश्यक तालिका पंक्तियों के लिए वैकल्पिक पहुँच पथ प्रदान करने के लिए डिज़ाइन किए गए द्वितीयक सूचकांक। प्राथमिक अनुक्रमितों के विपरीत, सिस्टम को उनके समर्थन पर अतिरिक्त संसाधनों को खर्च करना पड़ता है, इसलिए, उनके निर्माण पर निर्णय लेते समय, उनके उपयोग के लाभों और उनके समर्थन पर संसाधनों के खर्च को तौलना आवश्यक है। अप्रयुक्त द्वितीयक सूचकांक को हटाया जाना चाहिए।
तीसरा, ये अन्य वस्तुएं हैं जिन्हें वांछित प्रदर्शन प्राप्त करने के लिए बनाने की आवश्यकता है। इस तरह की वस्तुओं में शामिल हैं, उदाहरण के लिए, विभिन्न प्रकार के जुड़ने और हैश इंडेक्स।

जीवन भर, भौतिक मॉडल को नियमित संशोधनों से गुजरना चाहिए। यह न केवल डेटा की जनसांख्यिकी में बदलाव के कारण है, बल्कि लोड की प्रकृति में बदलाव, मॉडल के विस्तार आदि के कारण भी है।

संक्षेप में कहना

चौकस पाठक ने पहले ही समझ लिया है कि डेटा मॉडल के भौतिक डिजाइन की प्रक्रिया तैयारी की एक प्रक्रिया है (मॉडल के कार्यान्वयन से पहले) और शोधन की प्रक्रिया (कार्यान्वयन के बाद सुधार)। आप लोड और डेटा के साथ 100% अनुमान नहीं लगा सकते हैं, लेकिन 50% पर यह संभव है। अगली बार यह 60% के लिए संभव होगा, और समय के साथ, यह संभवतः 80% के लिए बाहर हो जाएगा। इस प्रकार, दोहन में कम और कम समय लगेगा। अनुभव के साथ भौतिक मॉडल तैयार करने का कौशल बढ़ता है, इसलिए, आप जितने अधिक प्रयोगों और परियोजनाओं को लागू करते हैं, बेहतर होगा कि आप कल्पना करेंगे कि भविष्य में मॉडल के साथ कैसे काम किया जाए।

मूल बातें जानें और प्रयोग करने से न डरें। हमें उम्मीद है कि डेटा के साथ इस लेख में वर्णित Teradata DBMS ऑपरेशन तंत्र, अनुक्रमित चुनने के लिए मानदंड, और भौतिक मॉडलिंग तकनीक हमारे DBMS के साथ पहले से ही काम करने वाले विशेषज्ञों के लिए उपयोगी होगी और उन लोगों के लिए ब्याज का कारण बनेगी जो अभी तक हैं।

और, हमेशा की तरह, हम आपके किसी भी सवाल का जवाब देने के लिए तैयार हैं।

Teradata में उन्नत भौतिक मॉडलिंग तकनीक