ਡਾਟਾਬੇਸ ਡਿਜ਼ਾਈਨ. ਵਧੀਆ ਅਭਿਆਸ

ਦਰ 'ਤੇ ਅਗਲੇ ਵਹਾਅ ਦੀ ਸ਼ੁਰੂਆਤ ਦੀ ਉਮੀਦ ਵਿੱਚ "ਡਾਟਾਬੇਸ" ਅਸੀਂ ਇੱਕ ਡੇਟਾਬੇਸ ਡਿਜ਼ਾਈਨ ਕਰਨ ਲਈ ਮਹੱਤਵਪੂਰਨ ਸੁਝਾਵਾਂ ਦੇ ਨਾਲ ਇੱਕ ਛੋਟੀ ਲੇਖਕ ਦੀ ਸਮੱਗਰੀ ਤਿਆਰ ਕੀਤੀ ਹੈ। ਸਾਨੂੰ ਉਮੀਦ ਹੈ ਕਿ ਇਹ ਸਮੱਗਰੀ ਤੁਹਾਡੇ ਲਈ ਲਾਭਦਾਇਕ ਹੋਵੇਗੀ.

ਡੇਟਾਬੇਸ ਹਰ ਜਗ੍ਹਾ ਹਨ: ਸਰਲ ਬਲੌਗ ਅਤੇ ਡਾਇਰੈਕਟਰੀਆਂ ਤੋਂ ਭਰੋਸੇਯੋਗ ਜਾਣਕਾਰੀ ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਵੱਡੇ ਸੋਸ਼ਲ ਨੈਟਵਰਕਸ ਤੱਕ। ਕੀ ਡੇਟਾਬੇਸ ਸਧਾਰਨ ਹੈ ਜਾਂ ਗੁੰਝਲਦਾਰ ਇਹ ਇੰਨਾ ਮਹੱਤਵਪੂਰਨ ਨਹੀਂ ਹੈ ਕਿਉਂਕਿ ਇਸ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਜਦੋਂ ਇੱਕ ਡੇਟਾਬੇਸ ਨੂੰ ਬਿਨਾਂ ਸੋਚੇ ਸਮਝੇ ਅਤੇ ਉਦੇਸ਼ ਦੀ ਸਪਸ਼ਟ ਸਮਝ ਤੋਂ ਬਿਨਾਂ ਤਿਆਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਇਹ ਨਾ ਸਿਰਫ਼ ਬੇਅਸਰ ਹੁੰਦਾ ਹੈ, ਪਰ ਡੇਟਾਬੇਸ ਨਾਲ ਅੱਗੇ ਕੰਮ ਕਰਨਾ ਇੱਕ ਅਸਲੀ ਤਸੀਹੇ, ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਇੱਕ ਅਭੇਦ ਜੰਗਲ ਹੋਵੇਗਾ। ਇੱਥੇ ਕੁਝ ਡਾਟਾਬੇਸ ਡਿਜ਼ਾਈਨ ਸੁਝਾਅ ਹਨ ਜੋ ਤੁਹਾਨੂੰ ਉਪਯੋਗੀ ਅਤੇ ਵਰਤੋਂ ਵਿੱਚ ਆਸਾਨ ਉਤਪਾਦ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਨਗੇ।

1. ਨਿਰਧਾਰਿਤ ਕਰੋ ਕਿ ਸਾਰਣੀ ਕਿਸ ਲਈ ਹੈ ਅਤੇ ਇਸਦਾ ਢਾਂਚਾ ਕੀ ਹੈ

ਅੱਜ, ਵਿਕਾਸ ਵਿਧੀਆਂ ਜਿਵੇਂ ਕਿ ਸਕ੍ਰਮ ਜਾਂ ਆਰਏਡੀ (ਰੈਪਿਡ ਐਪਲੀਕੇਸ਼ਨ ਡਿਵੈਲਪਮੈਂਟ) ਆਈਟੀ ਟੀਮਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਡਾਟਾਬੇਸ ਵਿਕਸਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੀਆਂ ਹਨ। ਹਾਲਾਂਕਿ, ਸਮੇਂ ਦੀ ਪ੍ਰਾਪਤੀ ਵਿੱਚ, ਇੱਕ ਅਧਾਰ ਬਣਾਉਣ ਲਈ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਗੋਤਾਖੋਰੀ ਕਰਨ ਦਾ ਪਰਤਾਵਾ ਬਹੁਤ ਵਧੀਆ ਹੈ, ਅਸਪਸ਼ਟ ਰੂਪ ਵਿੱਚ ਕਲਪਨਾ ਕਰਨਾ ਕਿ ਟੀਚਾ ਖੁਦ ਕੀ ਹੈ, ਅੰਤਮ ਨਤੀਜੇ ਕੀ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ।
 
ਇਹ ਇਸ ਤਰ੍ਹਾਂ ਹੈ ਜਿਵੇਂ ਟੀਮ ਕੁਸ਼ਲ, ਤੇਜ਼ ਕੰਮ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਹੈ, ਪਰ ਇਹ ਇੱਕ ਮਿਰਜ਼ੇ ਹੈ. ਤੁਸੀਂ ਪ੍ਰੋਜੈਕਟ ਦੀ ਡੂੰਘਾਈ ਵਿੱਚ ਜਿੰਨੀ ਜਲਦੀ ਅਤੇ ਤੇਜ਼ੀ ਨਾਲ ਡੁਬਕੀ ਲਗਾਉਂਦੇ ਹੋ, ਡੇਟਾਬੇਸ ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਗਲਤੀਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਅਤੇ ਬਦਲਣ ਵਿੱਚ ਜਿੰਨਾ ਜ਼ਿਆਦਾ ਸਮਾਂ ਲੱਗੇਗਾ।

ਇਸ ਲਈ ਸਭ ਤੋਂ ਪਹਿਲਾਂ ਤੁਹਾਨੂੰ ਇਹ ਫੈਸਲਾ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ ਕਿ ਤੁਹਾਡੇ ਡੇਟਾਬੇਸ ਦੇ ਉਦੇਸ਼ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਾ ਹੈ. ਕਿਸ ਕਿਸਮ ਦੀ ਐਪਲੀਕੇਸ਼ਨ ਲਈ ਡਾਟਾਬੇਸ ਵਿਕਸਿਤ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ? ਕੀ ਉਪਭੋਗਤਾ ਸਿਰਫ ਰਿਕਾਰਡਾਂ ਨਾਲ ਕੰਮ ਕਰੇਗਾ ਅਤੇ ਟ੍ਰਾਂਜੈਕਸ਼ਨਾਂ 'ਤੇ ਧਿਆਨ ਦੇਣ ਦੀ ਲੋੜ ਹੈ, ਜਾਂ ਕੀ ਉਹ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਵਧੇਰੇ ਦਿਲਚਸਪੀ ਰੱਖਦਾ ਹੈ? ਅਧਾਰ ਕਿੱਥੇ ਤਾਇਨਾਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ? ਕੀ ਇਹ ਗਾਹਕ ਦੇ ਵਿਵਹਾਰ ਨੂੰ ਟਰੈਕ ਕਰੇਗਾ ਜਾਂ ਸਿਰਫ਼ ਗਾਹਕ ਸਬੰਧਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰੇਗਾ? 

ਜਿੰਨੀ ਜਲਦੀ ਡਿਜ਼ਾਇਨ ਟੀਮ ਇਹਨਾਂ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਵੇਗੀ, ਡੇਟਾਬੇਸ ਡਿਜ਼ਾਈਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਓਨੀ ਹੀ ਨਿਰਵਿਘਨ ਹੋਵੇਗੀ।

2. ਸਟੋਰੇਜ਼ ਲਈ ਮੈਨੂੰ ਕਿਹੜਾ ਡੇਟਾ ਚੁਣਨਾ ਚਾਹੀਦਾ ਹੈ?

ਅੱਗੇ ਦੀ ਯੋਜਨਾ ਬਣਾਓ। ਇਸ ਬਾਰੇ ਵਿਚਾਰ ਕਿ ਸਾਈਟ ਜਾਂ ਸਿਸਟਮ ਜਿਸ ਲਈ ਡੇਟਾਬੇਸ ਤਿਆਰ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ, ਭਵਿੱਖ ਵਿੱਚ ਕੀ ਕਰੇਗਾ। ਤਕਨੀਕੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀਆਂ ਸਧਾਰਨ ਲੋੜਾਂ ਤੋਂ ਪਰੇ ਜਾਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ. ਬਸ ਕਿਰਪਾ ਕਰਕੇ ਸਾਰੇ ਸੰਭਾਵਿਤ ਕਿਸਮਾਂ ਦੇ ਡੇਟਾ ਬਾਰੇ ਸੋਚਣਾ ਸ਼ੁਰੂ ਨਾ ਕਰੋ ਜੋ ਉਪਭੋਗਤਾ ਕਦੇ ਵੀ ਸਟੋਰ ਕਰੇਗਾ। ਇਸ ਦੀ ਬਜਾਏ, ਇਸ ਬਾਰੇ ਸੋਚੋ ਕਿ ਕੀ ਉਪਭੋਗਤਾ ਪੋਸਟਾਂ ਲਿਖਣ, ਦਸਤਾਵੇਜ਼ ਜਾਂ ਫੋਟੋਆਂ ਅਪਲੋਡ ਕਰਨ, ਜਾਂ ਸੰਦੇਸ਼ਾਂ ਦਾ ਆਦਾਨ-ਪ੍ਰਦਾਨ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਗੇ। ਜੇ ਅਜਿਹਾ ਹੈ, ਤਾਂ ਤੁਹਾਨੂੰ ਡੇਟਾਬੇਸ ਵਿੱਚ ਉਹਨਾਂ ਲਈ ਜਗ੍ਹਾ ਨਿਰਧਾਰਤ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ.

ਉਸ ਟੀਮ, ਵਿਭਾਗ, ਜਾਂ ਸੰਸਥਾ ਨਾਲ ਕੰਮ ਕਰੋ ਜਿਸ ਲਈ ਭਵਿੱਖ ਵਿੱਚ ਡਿਜ਼ਾਈਨ ਆਧਾਰ ਦਾ ਸਮਰਥਨ ਕੀਤਾ ਜਾਵੇਗਾ। ਗਾਹਕ ਸੇਵਾ ਮਾਹਿਰਾਂ ਤੋਂ ਲੈ ਕੇ ਵਿਭਾਗ ਦੇ ਮੁਖੀਆਂ ਤੱਕ, ਵੱਖ-ਵੱਖ ਪੱਧਰਾਂ 'ਤੇ ਲੋਕਾਂ ਨਾਲ ਸੰਚਾਰ ਕਰੋ। ਇਸ ਤਰ੍ਹਾਂ, ਫੀਡਬੈਕ ਦੀ ਮਦਦ ਨਾਲ, ਤੁਹਾਨੂੰ ਕੰਪਨੀ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਦਾ ਸਪਸ਼ਟ ਵਿਚਾਰ ਮਿਲੇਗਾ। 

ਲਾਜ਼ਮੀ ਤੌਰ 'ਤੇ, ਉਸੇ ਵਿਭਾਗ ਦੇ ਅੰਦਰ ਉਪਭੋਗਤਾਵਾਂ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਦਾ ਵਿਰੋਧ ਹੋਵੇਗਾ. ਜੇ ਤੁਸੀਂ ਇਸਦਾ ਸਾਹਮਣਾ ਕਰਦੇ ਹੋ, ਤਾਂ ਆਪਣੇ ਖੁਦ ਦੇ ਤਜ਼ਰਬੇ 'ਤੇ ਭਰੋਸਾ ਕਰਨ ਤੋਂ ਨਾ ਡਰੋ ਅਤੇ ਅਜਿਹਾ ਸਮਝੌਤਾ ਲੱਭੋ ਜੋ ਸਾਰੀਆਂ ਪਾਰਟੀਆਂ ਦੇ ਅਨੁਕੂਲ ਹੋਵੇ ਅਤੇ ਡੇਟਾਬੇਸ ਦੇ ਅੰਤਮ ਟੀਚੇ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੋਵੇ। ਭਰੋਸਾ ਰੱਖੋ: ਭਵਿੱਖ ਵਿੱਚ ਤੁਸੀਂ ਕਰਮ ਵਿੱਚ +100500 ਅਤੇ ਕੂਕੀਜ਼ ਦਾ ਪਹਾੜ ਪ੍ਰਾਪਤ ਕਰੋਗੇ।

3. ਦੇਖਭਾਲ ਨਾਲ ਮਾਡਲ ਡਾਟਾ

ਡਾਟਾ ਮਾਡਲਿੰਗ ਕਰਦੇ ਸਮੇਂ ਧਿਆਨ ਦੇਣ ਲਈ ਕਈ ਮੁੱਖ ਨੁਕਤੇ ਹਨ। ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਪਹਿਲਾਂ ਕਿਹਾ ਹੈ, ਡੇਟਾਬੇਸ ਦਾ ਉਦੇਸ਼ ਇਹ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ ਕਿ ਮਾਡਲਿੰਗ ਵਿੱਚ ਕਿਹੜੇ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਹੈ। ਜੇਕਰ ਅਸੀਂ ਔਨਲਾਈਨ ਰਿਕਾਰਡ ਪ੍ਰੋਸੈਸਿੰਗ (OLTP) ਲਈ ਇੱਕ ਡੇਟਾਬੇਸ ਤਿਆਰ ਕਰ ਰਹੇ ਹਾਂ, ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ ਰਿਕਾਰਡ ਬਣਾਉਣ, ਸੰਪਾਦਿਤ ਕਰਨ ਅਤੇ ਮਿਟਾਉਣ ਲਈ, ਅਸੀਂ ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਮਾਡਲਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ। ਜੇਕਰ ਡੇਟਾਬੇਸ ਰਿਲੇਸ਼ਨਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਤਾਂ ਬਹੁ-ਆਯਾਮੀ ਮਾਡਲਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸਭ ਤੋਂ ਵਧੀਆ ਹੈ।

ਮਾਡਲਿੰਗ ਦੇ ਦੌਰਾਨ, ਸੰਕਲਪਿਕ (CDM), ਭੌਤਿਕ (PDM), ਅਤੇ ਲਾਜ਼ੀਕਲ (LDM) ਡੇਟਾ ਮਾਡਲ ਬਣਾਏ ਗਏ ਹਨ। 

ਸੰਕਲਪਿਕ ਮਾਡਲ ਇਕਾਈਆਂ ਅਤੇ ਉਹਨਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਡੇਟਾ ਦੀਆਂ ਕਿਸਮਾਂ ਦੇ ਨਾਲ-ਨਾਲ ਉਹਨਾਂ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਦਾ ਵਰਣਨ ਕਰਦੇ ਹਨ। ਆਪਣੇ ਡੇਟਾ ਨੂੰ ਲਾਜ਼ੀਕਲ ਹਿੱਸਿਆਂ ਵਿੱਚ ਵੰਡੋ - ਇਹ ਜੀਵਨ ਨੂੰ ਬਹੁਤ ਸੌਖਾ ਬਣਾਉਂਦਾ ਹੈ।
ਮੁੱਖ ਗੱਲ ਸੰਜਮ ਹੈ, ਇਸ ਨੂੰ ਜ਼ਿਆਦਾ ਨਾ ਕਰੋ.

ਜੇ ਕਿਸੇ ਇਕਾਈ ਨੂੰ ਇੱਕ ਸ਼ਬਦ ਜਾਂ ਵਾਕਾਂਸ਼ ਵਿੱਚ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੈ, ਤਾਂ ਇਹ ਉਪ-ਕਿਸਮਾਂ (ਬਾਲ ਇਕਾਈਆਂ) ਦੀ ਵਰਤੋਂ ਕਰਨ ਦਾ ਸਮਾਂ ਹੈ।

ਜੇ ਕੋਈ ਹਸਤੀ ਆਪਣੀ ਜ਼ਿੰਦਗੀ ਦੀ ਅਗਵਾਈ ਕਰਦੀ ਹੈ, ਉਸ ਦੇ ਵਿਵਹਾਰ ਅਤੇ ਇਸਦੀ ਦਿੱਖ ਦੇ ਨਾਲ-ਨਾਲ ਹੋਰ ਵਸਤੂਆਂ ਨਾਲ ਸਬੰਧਾਂ ਦਾ ਵਰਣਨ ਕਰਨ ਵਾਲੇ ਗੁਣ ਹਨ, ਤਾਂ ਤੁਸੀਂ ਸੁਰੱਖਿਅਤ ਰੂਪ ਨਾਲ ਨਾ ਸਿਰਫ਼ ਉਪ-ਕਿਸਮ, ਸਗੋਂ ਇੱਕ ਸੁਪਰਟਾਈਪ (ਮਾਪਿਆਂ ਦੀ ਹਸਤੀ) ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ। 

ਜੇਕਰ ਤੁਸੀਂ ਇਸ ਨਿਯਮ ਦੀ ਅਣਦੇਖੀ ਕਰਦੇ ਹੋ, ਤਾਂ ਹੋਰ ਵਿਕਾਸਕਾਰ ਤੁਹਾਡੇ ਮਾਡਲ ਵਿੱਚ ਉਲਝਣ ਵਿੱਚ ਪੈ ਜਾਣਗੇ ਅਤੇ ਡੇਟਾ ਅਤੇ ਇਸਨੂੰ ਕਿਵੇਂ ਇਕੱਠਾ ਕਰਨਾ ਹੈ ਦੇ ਨਿਯਮਾਂ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਹੀਂ ਸਮਝਣਗੇ।

ਸੰਕਲਪਿਕ ਮਾਡਲਾਂ ਨੂੰ ਲਾਜ਼ੀਕਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਲਾਗੂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਮਾਡਲ ਭੌਤਿਕ ਡਾਟਾਬੇਸ ਡਿਜ਼ਾਈਨ ਲਈ ਇੱਕ ਰੋਡ ਮੈਪ ਵਾਂਗ ਹਨ। ਲਾਜ਼ੀਕਲ ਮਾਡਲ ਵਿੱਚ, ਵਪਾਰਕ ਡੇਟਾ ਇਕਾਈਆਂ ਦੀ ਪਛਾਣ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਡੇਟਾ ਕਿਸਮਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਨਿਯਮ ਕੁੰਜੀ ਦੀ ਸਥਿਤੀ ਨਿਰਧਾਰਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਜੋ ਡੇਟਾ ਦੇ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦੀ ਹੈ।

ਫਿਰ ਲਾਜ਼ੀਕਲ ਡੇਟਾ ਮਾਡਲ ਦੀ ਤੁਲਨਾ ਪਹਿਲਾਂ ਤੋਂ ਚੁਣੇ ਗਏ DBMS (ਡੇਟਾਬੇਸ ਪ੍ਰਬੰਧਨ ਸਿਸਟਮ) ਪਲੇਟਫਾਰਮ ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਇੱਕ ਭੌਤਿਕ ਮਾਡਲ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਵਰਣਨ ਕਰਦਾ ਹੈ ਕਿ ਡੇਟਾ ਨੂੰ ਭੌਤਿਕ ਤੌਰ 'ਤੇ ਕਿਵੇਂ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

4. ਸਹੀ ਡਾਟਾ ਕਿਸਮਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ

ਗਲਤ ਡੇਟਾ ਕਿਸਮ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਘੱਟ ਸਹੀ ਡੇਟਾ, ਟੇਬਲਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣ ਵਿੱਚ ਮੁਸ਼ਕਲਾਂ, ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਸਮਕਾਲੀ ਕਰਨ ਵਿੱਚ ਮੁਸ਼ਕਲ, ਅਤੇ ਫੁੱਲੇ ਹੋਏ ਫਾਈਲ ਆਕਾਰ ਹੋ ਸਕਦੇ ਹਨ।
ਜਾਣਕਾਰੀ ਦੀ ਇਕਸਾਰਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ, ਕਿਸੇ ਵਿਸ਼ੇਸ਼ਤਾ ਵਿੱਚ ਸਿਰਫ਼ ਡੇਟਾ ਕਿਸਮਾਂ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ ਜੋ ਇਸਨੂੰ ਸਵੀਕਾਰ ਕਰਨ ਯੋਗ ਹਨ। ਜੇਕਰ ਡੇਟਾਬੇਸ ਵਿੱਚ ਉਮਰ ਦਰਜ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਕਾਲਮ ਵੱਧ ਤੋਂ ਵੱਧ 3 ਅੰਕਾਂ ਦੇ ਪੂਰਨ ਅੰਕਾਂ ਨੂੰ ਸਟੋਰ ਕਰਦਾ ਹੈ।

ਇੱਕ NULL ਮੁੱਲ ਦੇ ਨਾਲ ਘੱਟੋ-ਘੱਟ ਖਾਲੀ ਕਾਲਮ ਬਣਾਓ। ਜੇਕਰ ਤੁਸੀਂ ਸਾਰੇ ਕਾਲਮਾਂ ਨੂੰ NULL ਦੇ ਰੂਪ ਵਿੱਚ ਬਣਾਉਂਦੇ ਹੋ, ਤਾਂ ਇਹ ਇੱਕ ਵੱਡੀ ਗਲਤੀ ਹੈ। ਜੇਕਰ ਤੁਹਾਨੂੰ ਇੱਕ ਖਾਸ ਕਾਰੋਬਾਰੀ ਫੰਕਸ਼ਨ ਕਰਨ ਲਈ ਇੱਕ ਖਾਲੀ ਕਾਲਮ ਦੀ ਲੋੜ ਹੈ, ਜਦੋਂ ਡੇਟਾ ਅਣਜਾਣ ਹੈ ਜਾਂ ਅਜੇ ਤੱਕ ਕੋਈ ਅਰਥ ਨਹੀਂ ਰੱਖਦਾ ਹੈ, ਤਾਂ ਇਸਨੂੰ ਬਣਾਉਣ ਲਈ ਬੇਝਿਜਕ ਮਹਿਸੂਸ ਕਰੋ। ਆਖ਼ਰਕਾਰ, ਅਸੀਂ "ਮੌਤ ਦੀ ਮਿਤੀ" ਜਾਂ "ਬਰਖਾਸਤਗੀ ਦੀ ਮਿਤੀ" ਕਾਲਮਾਂ ਨੂੰ ਪਹਿਲਾਂ ਤੋਂ ਨਹੀਂ ਭਰ ਸਕਦੇ; ਅਸੀਂ ਅਸਮਾਨ ਵੱਲ ਆਪਣੀਆਂ ਉਂਗਲਾਂ ਇਸ਼ਾਰਾ ਕਰਨ ਵਾਲੇ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਾਲੇ ਨਹੀਂ ਹਾਂ :-)।

ਜ਼ਿਆਦਾਤਰ ਮਾਡਲਿੰਗ ਸੌਫਟਵੇਅਰ (ER/Studio, MySQL ਵਰਕਬੈਂਚ, SQL DBM, ਗਲੀਫੀ.com) ਡੇਟਾ ਤੁਹਾਨੂੰ ਡੇਟਾ ਖੇਤਰਾਂ ਦੇ ਪ੍ਰੋਟੋਟਾਈਪ ਬਣਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ. ਇਹ ਨਾ ਸਿਰਫ਼ ਸਹੀ ਡਾਟਾ ਕਿਸਮ, ਐਪਲੀਕੇਸ਼ਨ ਤਰਕ, ਅਤੇ ਚੰਗੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ, ਸਗੋਂ ਇਹ ਵੀ ਕਿ ਮੁੱਲ ਦੀ ਲੋੜ ਹੈ।

5. ਕੁਦਰਤੀ ਜਾਓ

ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਕਿਹੜਾ ਕਾਲਮ ਇੱਕ ਕੁੰਜੀ ਦੇ ਤੌਰ ਤੇ ਵਰਤਣਾ ਹੈ, ਇਹ ਫੈਸਲਾ ਕਰਦੇ ਸਮੇਂ, ਹਮੇਸ਼ਾਂ ਵਿਚਾਰ ਕਰੋ ਕਿ ਉਪਭੋਗਤਾ ਕਿਹੜੇ ਖੇਤਰਾਂ ਨੂੰ ਸੰਪਾਦਿਤ ਕਰ ਸਕਦਾ ਹੈ। ਉਹਨਾਂ ਨੂੰ ਕਦੇ ਵੀ ਕੁੰਜੀ ਵਜੋਂ ਨਾ ਚੁਣੋ - ਇੱਕ ਬੁਰਾ ਵਿਚਾਰ। ਕੁਝ ਵੀ ਹੋ ਸਕਦਾ ਹੈ, ਪਰ ਤੁਹਾਨੂੰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਇਹ ਵਿਲੱਖਣ ਹੈ।

ਕੁਦਰਤੀ, ਜਾਂ ਕਾਰੋਬਾਰੀ, ਕੁੰਜੀ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸਭ ਤੋਂ ਵਧੀਆ ਹੈ। ਇਸਦਾ ਇੱਕ ਅਰਥਪੂਰਨ ਅਰਥ ਹੈ, ਇਸਲਈ ਤੁਸੀਂ ਡੇਟਾਬੇਸ ਵਿੱਚ ਨਕਲ ਤੋਂ ਬਚੋਗੇ। 

ਜਦੋਂ ਤੱਕ ਕਾਰੋਬਾਰੀ ਕੁੰਜੀ ਵਿਲੱਖਣ ਨਹੀਂ ਹੁੰਦੀ (ਪਹਿਲਾ ਨਾਮ, ਆਖਰੀ ਨਾਮ, ਸਥਿਤੀ) ਅਤੇ ਸਾਰਣੀ ਦੀਆਂ ਵੱਖ-ਵੱਖ ਕਤਾਰਾਂ ਵਿੱਚ ਦੁਹਰਾਈ ਜਾਂਦੀ ਹੈ ਜਾਂ ਇਸਨੂੰ ਬਦਲਣਾ ਚਾਹੀਦਾ ਹੈ, ਤਦ ਤੱਕ ਤਿਆਰ ਕੀਤੀ ਨਕਲੀ ਕੁੰਜੀ ਨੂੰ ਪ੍ਰਾਇਮਰੀ ਕੁੰਜੀ ਵਜੋਂ ਮਨੋਨੀਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

6. ਸੰਜਮ ਵਿੱਚ ਸਧਾਰਣ ਕਰੋ

ਇੱਕ ਡੇਟਾਬੇਸ ਵਿੱਚ ਡੇਟਾ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਸੰਗਠਿਤ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਦੇ ਇੱਕ ਸਮੂਹ ਦੀ ਪਾਲਣਾ ਕਰਨ ਅਤੇ ਡੇਟਾਬੇਸ ਨੂੰ ਆਮ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ। ਪਾਲਣਾ ਕਰਨ ਲਈ ਪੰਜ ਆਮ ਰੂਪ ਹਨ.
ਸਧਾਰਣਕਰਨ ਦੇ ਨਾਲ, ਤੁਸੀਂ ਰਿਡੰਡੈਂਸੀ ਤੋਂ ਬਚਦੇ ਹੋ ਅਤੇ ਤੁਹਾਡੀ ਐਪਲੀਕੇਸ਼ਨ ਜਾਂ ਸਾਈਟ ਵਿੱਚ ਵਰਤੇ ਗਏ ਡੇਟਾ ਦੀ ਇਕਸਾਰਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦੇ ਹੋ।

ਹਮੇਸ਼ਾ ਵਾਂਗ, ਹਰ ਚੀਜ਼ ਸੰਜਮ ਵਿੱਚ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ, ਇੱਥੋਂ ਤੱਕ ਕਿ ਸਧਾਰਣਕਰਨ ਵੀ. ਜੇਕਰ ਇੱਕੋ ਵਿਲੱਖਣ ਕੁੰਜੀਆਂ ਦੇ ਨਾਲ ਡੇਟਾਬੇਸ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਟੇਬਲ ਹਨ, ਤਾਂ ਤੁਸੀਂ ਡੇਟਾਬੇਸ ਨੂੰ ਦੂਰ ਕਰ ਦਿੱਤਾ ਹੈ ਅਤੇ ਓਵਰ-ਆਧਾਰਿਤ ਕਰ ਦਿੱਤਾ ਹੈ। ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਧਾਰਣਕਰਨ ਡੇਟਾਬੇਸ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਨਕਾਰਾਤਮਕ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ।

7. ਜਲਦੀ ਟੈਸਟ ਕਰੋ, ਅਕਸਰ ਟੈਸਟ ਕਰੋ

ਟੈਸਟ ਪਲਾਨ ਅਤੇ ਸਹੀ ਟੈਸਟਿੰਗ ਡੇਟਾਬੇਸ ਡਿਜ਼ਾਈਨ ਦਾ ਹਿੱਸਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

ਤੁਹਾਡੇ ਡੇਟਾਬੇਸ ਦੀ ਜਾਂਚ ਕਰਨ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਤਰੀਕਾ ਨਿਰੰਤਰ ਏਕੀਕਰਣ ਦੁਆਰਾ ਹੈ। "ਡੇਟਾਬੇਸ ਦੇ ਜੀਵਨ ਵਿੱਚ ਇੱਕ ਦਿਨ" ਦ੍ਰਿਸ਼ ਦੀ ਨਕਲ ਕਰੋ ਅਤੇ ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਸਾਰੇ ਕਿਨਾਰੇ ਦੇ ਕੇਸਾਂ ਨੂੰ ਸੰਭਾਲਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਉਪਭੋਗਤਾਵਾਂ ਦੇ ਇੰਟਰੈਕਸ਼ਨਾਂ ਦੀ ਸੰਭਾਵਨਾ ਕੀ ਹੈ। ਜਿੰਨੀ ਜਲਦੀ ਤੁਸੀਂ ਬੱਗ ਲੱਭੋਗੇ, ਓਨਾ ਹੀ ਤੁਸੀਂ ਸਮਾਂ ਅਤੇ ਪੈਸਾ ਦੋਵਾਂ ਦੀ ਬਚਤ ਕਰੋਗੇ।

ਇਹ ਸਿਰਫ਼ ਸੱਤ ਸੁਝਾਅ ਹਨ ਜੋ ਤੁਸੀਂ ਇੱਕ ਵਧੀਆ ਉਤਪਾਦਕਤਾ ਅਤੇ ਕੁਸ਼ਲਤਾ ਡੇਟਾਬੇਸ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਲਈ ਵਰਤ ਸਕਦੇ ਹੋ। ਜੇ ਤੁਸੀਂ ਉਨ੍ਹਾਂ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਭਵਿੱਖ ਵਿੱਚ ਜ਼ਿਆਦਾਤਰ ਸਿਰ ਦਰਦ ਤੋਂ ਬਚੋਗੇ। ਇਹ ਸੁਝਾਅ ਡੇਟਾਬੇਸ ਮਾਡਲਿੰਗ ਵਿੱਚ ਆਈਸਬਰਗ ਦੀ ਸਿਰਫ ਟਿਪ ਹਨ. ਲਾਈਫ ਹੈਕ ਦੀ ਇੱਕ ਵੱਡੀ ਗਿਣਤੀ ਹਨ. ਤੁਸੀਂ ਕਿਨ੍ਹਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋ?

ਸਰੋਤ: www.habr.com