హలో! నా పేరు ఆండ్రీ సెమెనోవ్, నేను స్పోర్ట్‌మాస్టర్‌లో సీనియర్ అనలిస్ట్‌ని. ఈ పోస్ట్‌లో నేను ERP సిస్టమ్ డేటాబేస్‌ల డీనార్మలైజేషన్ సమస్యను లేవనెత్తాలనుకుంటున్నాను. మేము సాధారణ పరిస్థితులను, అలాగే ఒక నిర్దిష్ట ఉదాహరణను పరిశీలిస్తాము - ఇది సముద్రపు దొంగలు మరియు నావికులకు అద్భుతమైన గుత్తాధిపత్య చావడి అని చెప్పండి. దీనిలో సముద్రపు దొంగలు మరియు నావికులు భిన్నంగా సేవ చేయాలి, ఎందుకంటే ఈ మంచి పెద్దమనుషుల అందం మరియు వినియోగదారుల నమూనాల ఆలోచనలు గణనీయంగా భిన్నంగా ఉంటాయి.
అందరినీ సంతోషపెట్టడం ఎలా? అటువంటి వ్యవస్థను రూపొందించడం మరియు నిర్వహించడం వంటి పిచ్చిగా మారకుండా మీరు ఎలా నివారించవచ్చు? సాధారణ సముద్రపు దొంగలు మరియు నావికులు మాత్రమే చావడి వద్దకు రావడం ప్రారంభిస్తే ఏమి చేయాలి?
ప్రతిదీ కట్ కింద ఉంది. కానీ క్రమంలో వెళ్దాం.
1. పరిమితులు మరియు అంచనాలు
పైన పేర్కొన్నవన్నీ రిలేషనల్ డేటాబేస్‌లకు మాత్రమే వర్తిస్తాయి. ఇంటర్నెట్‌తో సహా బాగా కవర్ చేయబడిన సవరణ, తొలగింపు మరియు చొప్పించే క్రమరాహిత్యాల రూపంలో డీనార్మలైజేషన్ యొక్క పరిణామాలు పరిగణించబడవు. ఈ పబ్లికేషన్ పరిధికి వెలుపల, సాధారణ ఉదాహరణలతో డీనార్మలైజేషన్ ఒక సాధారణ ప్రదేశంగా ఉన్న సందర్భాలు ఉన్నాయి: పాస్‌పోర్ట్ సిరీస్ మరియు నంబర్, తేదీ మరియు సమయం మొదలైనవి.
పోస్ట్ గణిత పదాలను సూచించకుండా, సాధారణ రూపాల యొక్క సహజమైన మరియు ఆచరణాత్మకంగా వర్తించే నిర్వచనాలను ఉపయోగిస్తుంది. నిజమైన వ్యాపార ప్రక్రియల (BP) పరిశీలన మరియు పారిశ్రామిక సాఫ్ట్‌వేర్ రూపకల్పనకు వాటిని వర్తించే రూపంలో.
డేటా గిడ్డంగులు, రిపోర్టింగ్ సాధనాలు మరియు ఇంటిగ్రేషన్ ఒప్పందాల రూపకల్పన (సమాచారం యొక్క పట్టిక ప్రాతినిధ్యాలను ఉపయోగిస్తుంది) ERP సిస్టమ్ డేటాబేస్‌ల రూపకల్పన నుండి భిన్నంగా ఉంటుందని వాదించబడింది, ఆ వినియోగ సౌలభ్యం మరియు దానిని సాధించడానికి స్పృహతో కూడిన డీనార్మలైజేషన్ ఉపయోగించడం సమగ్రత కంటే ప్రాధాన్యతనిస్తుంది. రక్షణ డేటా. నేను ఈ అభిప్రాయాన్ని పంచుకుంటాను మరియు దిగువ వివరించినది ERP సిస్టమ్‌ల యొక్క మాస్టర్ డేటా మరియు లావాదేవీల డేటా మోడల్‌లకు మాత్రమే వర్తిస్తుంది.
చాలా మంది పాఠకులకు రోజువారీ స్థాయిలో అర్థమయ్యే ఉదాహరణను ఉపయోగించి సాధారణ రూపాల వివరణ ఇవ్వబడింది. అయితే, దృశ్యమాన ఉదాహరణగా, 4-5 పేరాల్లో, ఉద్దేశపూర్వకంగా "కల్పిత" పని ఉద్దేశపూర్వకంగా ఉపయోగించబడింది. మీరు దీన్ని చేయకుంటే మరియు కొన్ని పాఠ్యపుస్తక ఉదాహరణను తీసుకుంటే, ఉదాహరణకు, పాయింట్ 2 నుండి అదే ఆర్డర్ నిల్వ నమూనా, ప్రక్రియ యొక్క ప్రతిపాదిత కుళ్ళిపోవడం నుండి పాఠకుల దృష్టిని మోడల్‌గా మార్చే పరిస్థితిలో మిమ్మల్ని మీరు కనుగొనవచ్చు, ISలో డేటాను నిల్వ చేయడానికి ప్రక్రియలు మరియు నమూనాలు ఎలా నిర్మించబడాలి అనే దాని గురించి వ్యక్తిగత అనుభవం మరియు అవగాహన కోసం. మరో మాటలో చెప్పాలంటే, ఇద్దరు అర్హత కలిగిన IT విశ్లేషకులను తీసుకోండి, ఒకరు ప్రయాణీకులను రవాణా చేసే లాజిస్టిషియన్‌లకు, మరొకరు మైక్రోచిప్‌ల ఉత్పత్తికి యంత్రాలను రవాణా చేసే లాజిస్టిషియన్‌లకు సేవలను అందించనివ్వండి. ముందుగా ఆటోమేటెడ్ BPల గురించి చర్చించకుండా, రైల్వే ట్రిప్ గురించి సమాచారాన్ని నిల్వ చేయడానికి డేటా మోడల్‌ను రూపొందించమని వారిని అడగండి.
ప్రతిపాదిత మోడళ్లలో మీరు గమనించదగ్గ విభిన్న గుణాలను మాత్రమే కాకుండా, విభిన్నమైన ఎంటిటీలను కూడా కనుగొనే సున్నా కాని సంభావ్యత ఉంది, ఎందుకంటే ప్రతి విశ్లేషకుడు తనకు తెలిసిన ప్రక్రియలు మరియు పనులపై ఆధారపడతారు. మరియు అటువంటి పరిస్థితిలో ఏ మోడల్ "సరైనది" అని చెప్పడం అసాధ్యం, ఎందుకంటే మూల్యాంకన ప్రమాణం లేదు.
2. సాధారణ రూపాలు
డేటాబేస్ యొక్క మొదటి సాధారణ రూపం అన్ని గుణాల పరమాణుత్వం అవసరం.
ప్రత్యేకించి, ఆబ్జెక్ట్ Aకి c=f(a,b) వంటి కీ-కాని a మరియు b గుణాలు ఉంటే మరియు ఆబ్జెక్ట్ Aని వివరించే పట్టికలో మీరు c లక్షణం విలువను నిల్వ చేస్తే, మొదటి సాధారణ రూపం డేటాబేస్లో ఉల్లంఘించబడుతుంది. . ఉదాహరణకు, ఆర్డర్ స్పెసిఫికేషన్ పరిమాణాన్ని సూచిస్తే, దాని కొలత యూనిట్లు ఉత్పత్తి రకాన్ని బట్టి ఉంటాయి: ఒక సందర్భంలో అది ముక్కలుగా ఉండవచ్చు, మరొక లీటరులో, ముక్కలతో కూడిన మూడవ ప్యాకేజీలలో (Good_count_WR పైన ఉన్న మోడల్‌లో) , అప్పుడు గుణాల పరమాణువు డేటాబేస్లో ఉల్లంఘించబడుతుంది. ఈ సందర్భంలో, ఆర్డర్ స్పెసిఫికేషన్ యొక్క టేబుల్ క్లస్టర్ ఎలా ఉండాలో చెప్పడానికి, మీకు ISలో పని ప్రక్రియ యొక్క లక్ష్య వివరణ అవసరం మరియు ప్రక్రియలు భిన్నంగా ఉండవచ్చు కాబట్టి, అనేక "సరైన" సంస్కరణలు ఉండవచ్చు.
డేటాబేస్ యొక్క రెండవ సాధారణ రూపం ISలో పని ప్రక్రియకు సంబంధించిన ప్రతి ఎంటిటీకి మొదటి ఫారమ్ మరియు దాని స్వంత పట్టికను పాటించడం అవసరం. ఒక టేబుల్‌లో c=f1(a) మరియు d=f2(b) డిపెండెన్సీలు ఉండి, c=f3(b) డిపెండెన్సీ లేకపోతే, పట్టికలో రెండవ సాధారణ రూపం ఉల్లంఘించబడుతుంది. ఎగువ ఉదాహరణలో, ఆర్డర్ పట్టికలో ఆర్డర్ మరియు చిరునామా మధ్య ఆధారపడటం లేదు. వీధి లేదా నగరం పేరును మార్చండి మరియు మీరు ఆర్డర్ యొక్క ముఖ్యమైన లక్షణాలపై ఎటువంటి ప్రభావం చూపరు.
మూడవ సాధారణ ఫారమ్ డేటాబేస్ రెండవ సాధారణ రూపం మరియు వివిధ ఎంటిటీల లక్షణాల మధ్య ఫంక్షనల్ డిపెండెన్సీలు లేకపోవడంతో సమ్మతి అవసరం. ఈ నియమాన్ని ఈ క్రింది విధంగా రూపొందించవచ్చు: "గణించగలిగే ప్రతిదాన్ని లెక్కించాలి." మరో మాటలో చెప్పాలంటే, A మరియు B అనే రెండు ఆబ్జెక్ట్‌లు ఉంటే. ఆబ్జెక్ట్ A యొక్క గుణాలను నిల్వ చేసే పట్టికలో, C లక్షణం వ్యక్తమవుతుంది మరియు ఆబ్జెక్ట్ Bని కలిగి ఉంటుంది, అంటే c=f4(b) ఉన్నట్లయితే, మూడవ సాధారణ రూపం ఉల్లంఘించబడింది. దిగువ ఉదాహరణలో, ఆర్డర్ రికార్డ్‌లోని ముక్కల పరిమాణం (Total_count_WR) మూడవ సాధారణ ఫారమ్‌ను ఉల్లంఘించినట్లు స్పష్టంగా దావా వేయబడింది
3. సాధారణీకరణను వర్తింపజేయడానికి నా విధానం
1. డేటా స్టోరేజ్ మోడల్‌ను రూపొందించేటప్పుడు ఎంటిటీలు మరియు గుణాలను గుర్తించడం కోసం లక్ష్య స్వయంచాలక వ్యాపార ప్రక్రియ మాత్రమే విశ్లేషకుడికి ప్రమాణాలను అందిస్తుంది. ఒక ప్రాసెస్ మోడల్‌ను సృష్టించడం అనేది సాధారణ డేటా మోడల్‌ను రూపొందించడానికి ఒక అవసరం.
2. కింది కొన్ని లేదా అన్ని షరతులు నెరవేరినట్లయితే, ఖచ్చితమైన అర్థంలో మూడవ సాధారణ రూపాన్ని సాధించడం ERP వ్యవస్థలను సృష్టించే వాస్తవ ఆచరణలో ఆచరణాత్మకం కాదు:
- స్వయంచాలక ప్రక్రియలు అరుదుగా మార్పుకు లోబడి ఉంటాయి,
- పరిశోధన మరియు అభివృద్ధికి గడువులు కఠినంగా ఉన్నాయి,
- డేటా సమగ్రత కోసం అవసరాలు సాపేక్షంగా తక్కువ (పారిశ్రామిక సాఫ్ట్‌వేర్‌లో సంభావ్య లోపాలు సాఫ్ట్‌వేర్ కస్టమర్ ద్వారా డబ్బు లేదా క్లయింట్‌లను కోల్పోవడానికి దారితీయవు)
- మరియు వంటి.
వివరించిన పరిస్థితులలో, కొన్ని వస్తువులు మరియు వాటి గుణాల జీవిత చక్రాన్ని గుర్తించడం మరియు వివరించే ఖర్చులు ఆర్థిక సామర్థ్యం యొక్క కోణం నుండి సమర్థించబడకపోవచ్చు.
3. ఇప్పటికే సృష్టించబడిన ISలో డేటా మోడల్‌ను డీనార్మలైజేషన్ చేయడం వల్ల ఏర్పడే ఏవైనా పరిణామాలు కోడ్ మరియు టెస్టింగ్ యొక్క సమగ్ర ప్రాథమిక అధ్యయనం ద్వారా తగ్గించబడతాయి.
4. డీనార్మలైజేషన్ అనేది డేటా మూలాలను పరిశోధించే మరియు వ్యాపార ప్రక్రియను రూపొందించే దశ నుండి అభివృద్ధి దశకు, అమలు కాలం నుండి సిస్టమ్ అభివృద్ధి కాలం వరకు కార్మిక వ్యయాలను బదిలీ చేయడానికి ఒక మార్గం.
5. డేటాబేస్ యొక్క మూడవ సాధారణ రూపం కోసం ప్రయత్నించడం మంచిది:
- ఆటోమేటెడ్ వ్యాపార ప్రక్రియలలో మార్పు దిశను అంచనా వేయడం కష్టం
- అమలు మరియు/లేదా అభివృద్ధి బృందంలో బలహీనమైన శ్రమ విభజన ఉంది
- ఇంటిగ్రేషన్ సర్క్యూట్లో చేర్చబడిన సిస్టమ్‌లు వారి స్వంత ప్రణాళికల ప్రకారం అభివృద్ధి చెందుతాయి
- డేటా అస్థిరత కారణంగా కంపెనీ కస్టమర్‌లు లేదా డబ్బును కోల్పోతుంది
6. డేటా మోడల్ రూపకల్పన అనేది లక్ష్య వ్యాపార ప్రక్రియ యొక్క నమూనాలు మరియు ISలోని ప్రక్రియకు సంబంధించి మాత్రమే విశ్లేషకులచే నిర్వహించబడాలి. డెవలపర్ డేటా మోడల్‌ను రూపొందిస్తుంటే, అతను సబ్జెక్ట్ ఏరియాలో లీనమై ఉండాలి, ప్రత్యేకించి, అతను లక్షణ విలువల మధ్య వ్యత్యాసాన్ని అర్థం చేసుకుంటాడు - పరమాణు లక్షణాలను వేరుచేయడానికి అవసరమైన పరిస్థితి. అందువలన, అసాధారణ విధులు తీసుకోవడం.
4 ఉదాహరణ కోసం సమస్య
మీరు పోర్ట్‌లో చిన్న రోబోటిక్ చావడిని కలిగి ఉన్నారని అనుకుందాం. మీ మార్కెట్ విభాగం: నౌకాశ్రయంలోకి వచ్చి విశ్రాంతి తీసుకోవాల్సిన నావికులు మరియు సముద్రపు దొంగలు. మీరు నావికులకు థైమ్‌తో కూడిన టీని మరియు సముద్రపు దొంగలకు గడ్డాలు దువ్వేందుకు రమ్ మరియు ఎముక దువ్వెనలను విక్రయిస్తారు. చావడిలో సేవ రోబోట్ హోస్టెస్ మరియు రోబోట్ బార్టెండర్ ద్వారా అందించబడుతుంది. మీ అధిక నాణ్యత మరియు తక్కువ ధరలకు ధన్యవాదాలు, మీరు మీ పోటీదారులను తరిమికొట్టారు, తద్వారా ఓడ నుండి వచ్చే ప్రతి ఒక్కరూ మీ చావడి వద్దకు వస్తారు, ఇది పోర్ట్‌లో మాత్రమే ఉంది.
చావడి సమాచార వ్యవస్థల సముదాయం కింది సాఫ్ట్‌వేర్‌ను కలిగి ఉంటుంది:
- లక్షణ లక్షణాల ఆధారంగా దాని వర్గాన్ని గుర్తించే క్లయింట్ గురించి ముందస్తు హెచ్చరిక వ్యవస్థ
- రోబోట్ హోస్టెస్‌లు మరియు రోబోట్ బార్టెండర్‌ల కోసం నియంత్రణ వ్యవస్థ
- వేర్‌హౌస్ మరియు డెలివరీ మేనేజ్‌మెంట్ సిస్టమ్ పాయింట్ ఆఫ్ సేల్‌కు
- సప్లయర్ రిలేషన్‌షిప్ మేనేజ్‌మెంట్ సిస్టమ్ (SURP)
ప్రక్రియ:
ముందస్తు హెచ్చరిక వ్యవస్థ ఓడ నుండి బయలుదేరే వ్యక్తులను గుర్తిస్తుంది. ఒక వ్యక్తి క్లీన్ షేవ్ చేసుకున్నట్లయితే, ఆమె అతన్ని నావికునిగా గుర్తిస్తుంది; ఒక వ్యక్తి గడ్డం కలిగి ఉన్నట్లు తేలితే, అతను సముద్రపు దొంగగా గుర్తించబడతాడు.
చావడిలోకి ప్రవేశించినప్పుడు, అతిథి తన వర్గానికి అనుగుణంగా రోబోట్ హోస్టెస్ నుండి ఒక శుభాకాంక్షలను వింటాడు, ఉదాహరణకు: "హో-హో-హో, ప్రియమైన పైరేట్, టేబుల్ నంబర్‌కి వెళ్లండి ..."
అతిథి పేర్కొన్న పట్టికకు వెళ్తాడు, అక్కడ రోబోట్ బార్టెండర్ ఇప్పటికే వర్గానికి అనుగుణంగా అతని కోసం వస్తువులను సిద్ధం చేశాడు. రోబోట్ బార్టెండర్ డెలివరీ యొక్క తదుపరి భాగాన్ని పెంచాలని గిడ్డంగి వ్యవస్థకు సమాచారాన్ని ప్రసారం చేస్తుంది; నిల్వలో మిగిలిన నిల్వల ఆధారంగా వేర్‌హౌస్ IS, నిర్వహణ వ్యవస్థలో కొనుగోలు అభ్యర్థనను రూపొందిస్తుంది.
ముందస్తు హెచ్చరిక వ్యవస్థను మీ అంతర్గత IT అభివృద్ధి చేసి ఉండవచ్చు, బార్ రోబోట్ మేనేజ్‌మెంట్ ప్రోగ్రామ్ మీ వ్యాపారం కోసం ప్రత్యేకంగా బాహ్య కాంట్రాక్టర్ ద్వారా సృష్టించబడి ఉండవచ్చు. మరియు గిడ్డంగులను నిర్వహించడానికి మరియు సరఫరాదారులతో సంబంధాలను నిర్వహించడానికి సిస్టమ్‌లు మార్కెట్ నుండి అనుకూలీకరించిన ప్యాక్ చేసిన పరిష్కారాలు.
5. డీనార్మలైజేషన్ యొక్క ఉదాహరణలు మరియు సాఫ్ట్‌వేర్ అభివృద్ధిపై దాని ప్రభావం
వ్యాపార ప్రక్రియను రూపొందించేటప్పుడు, ఇంటర్వ్యూ చేసిన సబ్జెక్ట్ నిపుణులు ప్రపంచవ్యాప్తంగా ఉన్న సముద్రపు దొంగలు రమ్ తాగుతారని మరియు ఎముక దువ్వెనలతో తమ గడ్డాలను దువ్వుకుంటారని మరియు నావికులు థైమ్‌తో టీ తాగుతారని మరియు ఎల్లప్పుడూ శుభ్రంగా షేవ్ చేయబడతారని ఏకగ్రీవంగా పేర్కొన్నారు.
క్లయింట్ రకాల డైరెక్టరీ రెండు విలువలతో కనిపిస్తుంది: 1 - పైరేట్స్, 2 - నావికులు, కంపెనీ మొత్తం సమాచార సర్క్యూట్‌కు సాధారణం.
క్లయింట్ నోటిఫికేషన్ సిస్టమ్ ఇమేజ్ ప్రాసెసింగ్ ఫలితాన్ని గుర్తించిన క్లయింట్ యొక్క ఐడెంటిఫైయర్ (ID)గా మరియు దాని రకంగా వెంటనే నిల్వ చేస్తుంది: నావికుడు లేదా పైరేట్.
గుర్తించబడిన ఆబ్జెక్ట్ ID
క్లయింట్ వర్గం
100500
పైరేట్
100501
పైరేట్
100502
నావికుడు
అన్నది మరోసారి గుర్తుచేసుకుందాం
1. మా నావికులు నిజానికి గుండు చేసిన వ్యక్తులు
2. మన సముద్రపు దొంగలు నిజానికి గడ్డం ఉన్నవారు
ఈ సందర్భంలో ఏ సమస్యలను తొలగించాలి, తద్వారా మా నిర్మాణం మూడవ సాధారణ రూపం కోసం ప్రయత్నిస్తుంది:
- ఆట్రిబ్యూట్ అటామిసిటీ ఉల్లంఘన - క్లయింట్ వర్గం
- విశ్లేషించబడిన వాస్తవాన్ని మరియు ముగింపును ఒకే పట్టికలో కలపడం
- వివిధ ఎంటిటీల లక్షణాల మధ్య స్థిర క్రియాత్మక సంబంధం.
సాధారణ రూపంలో, మేము రెండు పట్టికలను పొందుతాము:
- గుర్తింపు ఫలితంగా స్థాపించబడిన లక్షణాల సమితి రూపంలో,
గుర్తించబడిన ఆబ్జెక్ట్ ID
ముఖ వెంట్రుకలు
100500
అవును
100501
అవును
100502
ఏ
- స్థాపించబడిన లక్షణాలను అర్థం చేసుకోవడానికి ISలో పొందుపరిచిన తర్కం యొక్క అప్లికేషన్‌గా క్లయింట్ రకాన్ని నిర్ణయించే ఫలితం
గుర్తించబడిన ఆబ్జెక్ట్ ID
గుర్తింపు ID
క్లయింట్ వర్గం
100500
100001
పైరేట్
100501
100002
పైరేట్
100502
100003
నావికుడు
సాధారణీకరించిన డేటా నిల్వ సంస్థ IP కాంప్లెక్స్ అభివృద్ధిని ఎలా సులభతరం చేస్తుంది? మీరు అకస్మాత్తుగా కొత్త క్లయింట్‌లను పొందారని అనుకుందాం. గడ్డం లేని జపనీస్ పైరేట్స్ కావచ్చు, కానీ వారు భుజంపై చిలుకతో నడుస్తారు మరియు పర్యావరణవేత్త సముద్రపు దొంగలు, మీరు వాటిని ఎడమ ఛాతీపై ఉన్న గ్రెటా యొక్క నీలిరంగు ప్రొఫైల్ ద్వారా సులభంగా గుర్తించవచ్చు.
పర్యావరణ సముద్రపు దొంగలు, సహజంగా, ఎముక దువ్వెనలను ఉపయోగించలేరు మరియు రీసైకిల్ చేసిన సముద్రపు ప్లాస్టిక్‌తో తయారు చేసిన అనలాగ్‌ను డిమాండ్ చేస్తారు.
మీరు కొత్త ఇన్‌పుట్‌లకు అనుగుణంగా ప్రోగ్రామ్ అల్గారిథమ్‌లను మళ్లీ పని చేయాలి. సాధారణీకరణ నియమాలను అనుసరించినట్లయితే, మీరు కొన్ని సిస్టమ్‌లలోని కొన్ని ప్రాసెస్ బ్రాంచ్‌లకు మాత్రమే ఇన్‌పుట్‌లను సప్లిమెంట్ చేయాలి మరియు ఆ సందర్భాలలో మరియు ముఖ వెంట్రుకలకు సంబంధించిన ISలలో మాత్రమే కొత్త శాఖలను సృష్టించాలి. కానీ, నియమాలు పాటించబడనందున, మీరు క్లయింట్ రకం డైరెక్టరీ యొక్క విలువలు ఉపయోగించబడే మొత్తం సర్క్యూట్లో మొత్తం కోడ్‌ను విశ్లేషించాలి మరియు ఒక సందర్భంలో అల్గోరిథం ప్రొఫెషనల్‌ని పరిగణనలోకి తీసుకోవాలని స్పష్టంగా నిర్ధారిస్తుంది. క్లయింట్ యొక్క కార్యాచరణ మరియు ఇతర భౌతిక లక్షణాలలో.
ఒక రూపంలో అది ప్రయత్నిస్తుంది సాధారణీకరించడానికి, మేము కార్యాచరణ డేటా మరియు రెండు డైరెక్టరీలతో రెండు పట్టికలను పొందుతాము:
- గుర్తింపు ఫలితంగా స్థాపించబడిన లక్షణాల సమితి రూపంలో,
గుర్తించబడిన ఆబ్జెక్ట్ ID
ఎడమ ఛాతీపై గ్రేటా
భుజం మీద పక్షి
ముఖ వెంట్రుకలు
100510
1
1
1
100511
0
0
1
100512
1
0
- క్లయింట్ రకాన్ని నిర్ణయించే ఫలితం (డైరెక్టరీల నుండి వివరణలు ప్రదర్శించబడే అనుకూల వీక్షణగా ఉండనివ్వండి)
గుర్తించబడిన డీనార్మలైజేషన్ అంటే కొత్త పరిస్థితులకు అనుగుణంగా సిస్టమ్‌లను సవరించడం సాధ్యం కాదా? అస్సలు కానే కాదు. సున్నా సిబ్బంది టర్నోవర్‌తో అన్ని సమాచార వ్యవస్థలు ఒక బృందంచే సృష్టించబడిందని మేము ఊహించినట్లయితే, పరిణామాలు చక్కగా నమోదు చేయబడ్డాయి మరియు నష్టం లేకుండా జట్టులో సమాచారం బదిలీ చేయబడుతుంది, అప్పుడు అవసరమైన మార్పులు చాలా తక్కువ ప్రయత్నంతో చేయవచ్చు. కానీ మేము సమస్య యొక్క అసలు పరిస్థితులకు తిరిగి వస్తే, ఉమ్మడి చర్చల ప్రోటోకాల్‌లను ప్రింటింగ్ చేయడం కోసం 1,5 కీబోర్డ్‌లు మరియు ప్రాసెసింగ్ ప్రొక్యూర్‌మెంట్ విధానాల కోసం మరో 0,5 కీబోర్డ్‌లు తొలగించబడతాయి.
పై ఉదాహరణలో, మూడు సాధారణ రూపాలు ఉల్లంఘించబడ్డాయి, వాటిని విడిగా ఉల్లంఘించడానికి ప్రయత్నిద్దాం.
మొదటి సాధారణ రూపం యొక్క ఉల్లంఘన:
మీ చావడికి చెందిన ఒక 1.5-టన్ను గజెల్‌ని ఉపయోగించి పిక్-అప్ చేయడం ద్వారా సరఫరాదారుల గిడ్డంగుల నుండి వస్తువులు మీ వేర్‌హౌస్‌కు పంపిణీ చేయబడతాయని అనుకుందాం. మీ ఆర్డర్‌ల పరిమాణం సరఫరాదారుల టర్నోవర్‌కు సంబంధించి చాలా చిన్నది, ఉత్పత్తి కోసం వేచి ఉండకుండా అవి ఎల్లప్పుడూ ఒకదానికొకటి పూర్తి చేయబడతాయి. అటువంటి వ్యాపార ప్రక్రియతో మీకు ప్రత్యేక పట్టికలు అవసరమా: వాహనాలు, వాహనాల రకాలు, బయలుదేరిన సరఫరాదారులకు మీ ఆర్డర్‌లలో ప్రణాళిక మరియు వాస్తవాన్ని వేరు చేయడం అవసరమా?
మీరు ప్రోగ్రామ్‌ను అభివృద్ధి చేయడానికి దిగువ మోడల్‌ను ఉపయోగిస్తే, మీ ప్రోగ్రామర్లు ఎన్ని "అదనపు" కనెక్షన్‌లను వ్రాయవలసి ఉంటుందో ఊహించండి.
ప్రతిపాదిత నిర్మాణం అనవసరంగా క్లిష్టంగా ఉందని మేము నిర్ణయించుకున్నాము; మా విషయంలో, ప్లాన్ మరియు ఆర్డర్ రికార్డ్‌లోని వాస్తవాన్ని వేరు చేయడం అనవసరమైన సమాచారం, మరియు వచ్చిన వస్తువుల ఆమోదం ఫలితాల ఆధారంగా ఉత్పత్తి చేయబడిన ఆర్డర్ స్పెసిఫికేషన్ తిరిగి వ్రాయబడుతుంది. -గ్రేడింగ్ మరియు సరిపడా నాణ్యత లేని వస్తువుల రాక IS వెలుపల స్థిరపడింది.
ఆపై ఒక రోజు మీరు చావడి హాల్ మొత్తం కోపంగా మరియు అసంబద్ధమైన సముద్రపు దొంగలతో ఎలా నిండిపోయిందో చూస్తారు. ఏం జరిగింది?
మీ వ్యాపారం పెరిగేకొద్దీ, మీ వినియోగం కూడా పెరిగిందని తేలింది. ఒకప్పుడు, ఒక నిర్వహణ నిర్ణయం చాలా అరుదుగా ఉండే వాల్యూమ్ మరియు/లేదా బరువులో గజెల్ ఓవర్‌లోడ్ చేయబడితే, సరఫరాదారు పానీయాలకు అనుకూలంగా లోడ్‌కు ప్రాధాన్యత ఇస్తారు.
డెలివరీ చేయని వస్తువులు తదుపరి ఆర్డర్‌లో ముగిసి కొత్త విమానంలో బయలుదేరాయి; చావడి వద్ద ఉన్న గిడ్డంగిలో కనీస బ్యాలెన్స్ ఉండటం వల్ల తప్పిపోయిన కేసులను గమనించకుండా ఉండేలా చేసింది.
పోర్ట్ వద్ద చివరి పోటీదారు మూసివేయబడింది మరియు వాహనం యొక్క కనీస బ్యాలెన్స్ మరియు ఆవర్తన అండర్‌లోడింగ్ యొక్క సమృద్ధి యొక్క ఊహ ఆధారంగా ప్రాధాన్యత ద్వారా దాటవేయబడిన గజెల్ ఓవర్‌లోడ్ యొక్క పంక్చర్ కేసు సాధారణ పద్ధతిగా మారింది. సృష్టించబడిన వ్యవస్థ దానిలో పొందుపరిచిన అల్గారిథమ్‌లకు అనుగుణంగా ఆదర్శంగా పని చేస్తుంది మరియు ప్రణాళికాబద్ధమైన ఆర్డర్‌లను నెరవేర్చడంలో క్రమబద్ధమైన వైఫల్యాన్ని ట్రాక్ చేయడానికి ఏదైనా అవకాశాన్ని కోల్పోతుంది. దెబ్బతిన్న కీర్తి మరియు అసంతృప్తి చెందిన కస్టమర్‌లు మాత్రమే సమస్యను గుర్తించగలరు.
సెక్షన్ 2 మరియు సెక్షన్ 5లో ఆర్డర్ స్పెసిఫికేషన్ (T_ORDER_SPEC)లో ఆర్డర్ చేసిన పరిమాణం మొదటి సాధారణ ఫారమ్ యొక్క ఆవశ్యకతను తీర్చవచ్చు లేదా సరిపోకపోవచ్చు అని శ్రద్ధగల రీడర్ గమనించి ఉండవచ్చు. ఇది అన్ని వస్తువుల యొక్క ఎంచుకున్న కలగలుపును బట్టి, తప్పనిసరిగా వేర్వేరు యూనిట్ల కొలతలు ఒకే ఫీల్డ్‌లోకి వస్తాయి అనే దానిపై ఆధారపడి ఉంటుంది.
రెండవ సాధారణ రూపం యొక్క ఉల్లంఘన:
మీ అవసరాలు పెరిగేకొద్దీ, మీరు వేర్వేరు పరిమాణాల్లో మరికొన్ని వాహనాలను కొనుగోలు చేస్తారు. పై సందర్భంలో, వాహన డైరెక్టరీని సృష్టించడం అనవసరంగా పరిగణించబడింది; ఫలితంగా, డెలివరీ మరియు గిడ్డంగి అవసరాలను అందించే అన్ని డేటా ప్రాసెసింగ్ అల్గారిథమ్‌లు సరఫరాదారు నుండి గిడ్డంగికి సరుకు రవాణాను ప్రత్యేకంగా 1,5-టన్నుల విమానంగా గ్రహిస్తాయి. గజెల్. కాబట్టి, కొత్త వాహనాల కొనుగోలుతో పాటు, మీరు ఇప్పటికీ వాహన డైరెక్టరీని సృష్టిస్తారు, కానీ దానిని ఖరారు చేసేటప్పుడు, ప్రతి నిర్దిష్ట ప్రదేశంలో లక్షణాలు సూచించబడుతున్నాయో లేదో తెలుసుకోవడానికి మీరు కార్గో కదలికను సూచించే మొత్తం కోడ్‌ను విశ్లేషించాలి. వ్యాపారం ప్రారంభించిన వాహనం.
మూడవ సాధారణ రూపం యొక్క ఉల్లంఘన:
ఏదో ఒక సమయంలో మీరు లాయల్టీ ప్రోగ్రామ్‌ను సృష్టించడం ప్రారంభించండి, సాధారణ కస్టమర్ యొక్క రికార్డ్ కనిపిస్తుంది. ఉదాహరణకు, లాయల్టీ ప్రోగ్రామ్ ప్రారంభంలో కస్టమర్‌కు ఆసక్తి కలిగించే ప్రతిదాన్ని క్లయింట్ రికార్డ్‌లో ఉంచగలిగితే, రిపోర్టింగ్ మరియు విశ్లేషణాత్మక సిస్టమ్‌లకు బదిలీ చేయడం కోసం వ్యక్తిగత క్లయింట్‌కు అమ్మకాలపై సమగ్ర డేటాను నిల్వ చేసే మెటీరియల్ వీక్షణలను రూపొందించడానికి సమయాన్ని వెచ్చిస్తారు. ? మరియు, నిజానికి, మొదటి చూపులో, పాయింట్ లేదు. కానీ మీ వ్యాపారం కనెక్ట్ అయిన ప్రతిసారీ, ఉదాహరణకు, కొత్త విక్రయ ఛానెల్‌లు, అటువంటి అగ్రిగేషన్ లక్షణం ఉందని గుర్తుంచుకోవడానికి మీ విశ్లేషకులలో ఎవరైనా ఉండాలి.
ప్రతి కొత్త ప్రక్రియను రూపొందించేటప్పుడు, ఉదాహరణకు, ఇంటర్నెట్‌లో అమ్మకాలు, సాధారణ లాయల్టీ సిస్టమ్‌కు కనెక్ట్ చేయబడిన పంపిణీదారుల ద్వారా అమ్మకాలు, అన్ని కొత్త ప్రక్రియలు కోడ్ స్థాయిలో డేటా సమగ్రతను నిర్ధారించాలని ఎవరైనా గుర్తుంచుకోవాలి. వెయ్యి పట్టికలతో కూడిన పారిశ్రామిక డేటాబేస్ కోసం, ఇది అసాధ్యమైన పనిలా కనిపిస్తోంది.
ఒక అనుభవజ్ఞుడైన డెవలపర్, వాస్తవానికి, పైన పేర్కొన్న అన్ని సమస్యలను ఎలా ఆపాలో తెలుసు, కానీ, నా అభిప్రాయం ప్రకారం, అనుభవజ్ఞుడైన విశ్లేషకుడి పని వాటిని వెలుగులోకి తీసుకురావడం కాదు.
ప్రచురణ తయారీ సమయంలో తన విలువైన అభిప్రాయాన్ని అందించినందుకు ప్రముఖ డెవలపర్ ఎవ్జెని యరుఖిన్‌కి నా కృతజ్ఞతలు తెలియజేయాలనుకుంటున్నాను.
సాహిత్యం
కొన్నోలీ థామస్, బెగ్ కరోలిన్. డేటాబేస్. డిజైన్, అమలు మరియు మద్దతు. సిద్ధాంతం మరియు అభ్యాసం
మూలం: www.habr.com