Potentiella problemområden i multibara SQL-databaser - dummies

Dataintegritet är föremål för överfall från en rad olika kvartaler. Några av dessa problem uppstår endast i flera SQL-databaser. andra kan hända även i databaser som bara innehåller ett enda bord. Du vill känna igen och minimera alla dessa potentiella hot.

Dålig inmatningsdata

Källdokumenten eller datafilerna som du använder för att fylla i din databas kan innehålla dåliga data. Denna data kan vara en skadad version av rätt data, eller det kan inte vara den information du vill ha. En intervallkontroll berättar om data har domänintegritet.

Denna typ av kontroll tar några - men inte alla - problem. Till exempel identifieras felaktiga fältvärden som ligger inom acceptabelt område - men fortfarande felaktiga - som problem.

Operatörsfel

Källdata kan vara korrekta, men datainmatningsoperatören kan felaktigt skriva om data. Denna typ av fel kan leda till samma slags problem som dåliga inmatningsdata. Några av lösningarna är desamma. Räckviddskontroller hjälper, men de är inte idiotsäkra. En annan lösning är att få en andra operatör att självständigt validera all data.

Detta tillvägagångssätt är dyrt eftersom oberoende validering tar dubbelt så mycket som antalet personer och dubbelt så mycket. Men i vissa fall där dataintegritet är kritiskt kan extraansträngningen och kostnaden visa sig vara värdig.

Mekaniskt fel

Om du upplever ett mekaniskt fel, till exempel en skadakrasch, kan data i tabellen förstöras. Bra säkerhetskopior är ditt främsta försvar mot detta problem.

Malice

Tänk på att någon kan vill korrumpera dina data. Din första försvarskod är att neka databasåtkomst till alla som kan ha skadlig avsikt och begränsa behöriga användare så att de endast kan få tillgång till de uppgifter de behöver. Ditt andra försvar är att upprätthålla säkerhetskopior på ett säkert ställe. Periodiskt omvärdera säkerhetsfunktionerna för din installation. Att vara lite paranoid gör inte ont.

Data redundans

Data redundans - samma dataposter som beskärs upp på flera ställen - är ett stort problem med den hierarkiska databasmodellen, men problemet kan också plåga relationella databaser. Inte bara gör sådant redundansavfall förvaringsutrymme och saktar bearbetningen, men det kan också leda till allvarlig datakorruption.

Om du lagrar samma dataobjekt i två olika tabeller i en databas kan föremålet i ett av dessa tabeller ändras medan motsvarande föremål i den andra tabellen förblir densamma.Denna situation genererar en skillnad, och du kan inte ha något sätt att bestämma vilken version som är korrekt. Det är en bra anledning att hålla data redundans till ett minimum.

Även om en viss redundans är nödvändig för att den primära nyckeln i ett bord ska fungera som en främmande nyckel i en annan, bör du försöka undvika upprepning av några dataobjekt bortom det.

När du har eliminerat mest redundans från en databasdesign kan det hända att prestanda nu är oacceptabelt. Operatörer använder ofta en viss redundans för att påskynda behandlingen.

En allmän praxis är att initialt utforma en databas med liten redundans och med hög grad av normalisering och sedan efter att ha upptäckt att viktiga applikationer går långsamt, att selektivt lägga till redundans och denormalisera. Nyckelordet här är selektivt.

Den redundans som du lägger till måste ha ett visst syfte och eftersom du är akut medveten om både redundansen och den risk det står för, tar du lämpliga åtgärder för att säkerställa att redundansen inte orsakar fler problem än det löser.

När du överstiger kapaciteten hos din DBMS

kan ett databasystem fungera ordentligt i flera år och börja sedan uppleva intermittenta fel som blir alltmer allvarliga. Det kan vara ett tecken på att du närmar dig ett av systemets kapacitetsgränser. Det finns ju gränser för antalet rader som en tabell kan ha. Det finns också gränser för kolumner, begränsningar och olika andra databasfunktioner.

Kontrollera nuvarande storlek och innehåll i din databas mot specifikationerna i dokumentationen för ditt DBMS. Om du är nära gränsen i något område, överväga att uppgradera till ett system med högre kapacitet. Eller du kanske vill arkivera äldre data som inte längre är aktiva och sedan ta bort den från din databas.