Consistent mapping
Last updated
Was this helpful?
French (AI Translated)
Last updated
Was this helpful?
Consistent mapping vous permet de générer les mêmes valeurs de données fictives pour un ensemble donné de valeurs de données originales chaque fois que le simulateur est appliqué. Cette fonctionnalité peut s'étendre à différents types de bases de données, ce qui permet d'obtenir des résultats cohérents. Elle est particulièrement utile lorsqu'il s'agit de générer systématiquement les mêmes valeurs fictives à partir des mêmes valeurs d'entrée, par exemple à des fins de test ou de démonstration.
Pour activer le mappage cohérent, ouvrez les configurations de colonne en cliquant sur les paramètres de colonne pour la table sélectionnée. Voir ci-dessous pour savoir comment ouvrir la fenêtre.
Il est également possible de cliquer sur le bouton "ConfigureLe bouton "PII" après une recherche d'IIP ouvre également la fenêtre de configuration des colonnes.
Cliquez sur la case située à côté du bouton "Consistent Mapping"pour permettre une correspondance cohérente avec mocker. Gardez à l'esprit que vous devez sélectionner "Mocker" comme "Generation Method".
Linking data: Même si votre base de données n'impose pas certaines règles sur la façon dont les données sont connectées (comme s'assurer que les adresses électroniques correspondent), la cohérence vous permet de faire correspondre les choses entre elles. Par exemple, vous pouvez vous moquer des noms de famille pour les garder privés, tout en reliant les colonnes connexes.
Keeping variety in data: Si vous avez une liste d'éléments différents, par exemple 20 titres d'emploi dans une colonne, et que vous voulez les mélanger sans perdre la variété globale (toujours autour de 20 titres d'emploi), la cohérence est votre amie. Elle permet de conserver la même variété.
Cependant, n'oubliez pas que si la cohérence permet de conserver la variété, elle ne permet pas forcément de conserver chaque élément unique. La variété n'augmentera pas, mais elle pourrait changer légèrement. Si vous avez besoin que chaque élément corresponde à une nouvelle valeur unique, vous devrez modifier la valeur de l'élément pour qu'il corresponde à une nouvelle valeur unique. Mocker unique.
Matching data across places: Si vous traitez des données réparties dans différentes bases de données, comme des noms à un endroit et des adresses électroniques à un autre, la cohérence vous permet de conserver les mêmes noms partout, même après les avoir rendus privés. De cette façon, tout est toujours correctement mis en correspondance sans que des informations privées soient partagées.
Supposons que nous ayons une table dans laquelle le prénom "Mavis612" apparaît deux fois. Si vous activez le mappage cohérent, ces deux noms seront mappés au même nom, de manière cohérente, dans toutes les tables. Les illustrations ci-dessous montrent des tables MySQL dans lesquelles les mockers ayant activé la conversion cohérente ont converti le nom "Mavis612" en "Jillian". Veuillez noter que d'autres noms peuvent également être associés à Jillian. Consistent mapping ne suggère pas que seule et unique "Mavis612" sera remplacée par "Jillian".
Consistent mapping equals predictability: Si vous introduisez les mêmes données dans un mocker avec la fonction consistent mapping Si l'on utilise une méthode de travail qui a été validée, on obtient toujours le même résultat. C'est comme si vous utilisiez toujours la même recette pour faire un gâteau ; le résultat est prévisible.
Uniqueness not guaranteed: Ce n'est pas parce que le processus est cohérent que chaque donnée sera différente. Deux entrées distinctes peuvent conduire au même résultat. C'est comme si des ingrédients différents donnaient parfois le même goût à un gâteau.
No mappings stored: La plateforme Syntho ne stocke aucune information sur la transformation des valeurs d'entrée en valeurs de sortie. Ainsi, vous pouvez voir que "Karl" apparaît 10 fois, mais pas que "Karl" était à l'origine "Immanuel". De plus, vous pouvez modifier la façon dont les valeurs d'entrée sont transformées en valeurs de sortie.
Reduced privacy: Utilisation consistent mapping peut révéler certaines informations, comme la fréquence d'apparition de certaines données. Par exemple, si "Karl" apparaît 10 fois, ce schéma reste le même après le traitement des données.
Whole database application: La cohérence s'applique à l'ensemble de votre base de données, et pas seulement à une seule table. Si vous utilisez consistent mapping pour les noms à la fois dans un Customers et un Employees le même nom d'origine sera toujours mis à jour avec le même nouveau nom dans les deux tables.
Not automatically across multiple jobs: Par défaut, si vous générez des données plus d'une fois, la cohérence est automatiquement reportée d'un travail de génération à l'autre. Si vous ne le souhaitez pas et que vous voulez modifier la cohérence entre les travaux, vous pouvez définir une valeur de départ différente. Vous pouvez le faire en allant dans le menu Workspace Default Settingsen sélectionnant CTRL + ALT + SHIFT + 0, et mettre à jour la seed_value avec une autre valeur entière.
En résumé, la cohérence dans la génération des données permet de s'assurer que vos données se comportent de manière prévisible, tout en assurant l'équilibre entre le maintien de modèles utiles et la protection de la vie privée.
Pour garantir un classement précis, il est essentiel que l'application dispose d'un index ou d'une clé primaire dans la table source. En l'absence de ces éléments, l'application effectue par défaut un tri basé sur la première colonne de la table. Toutefois, si la première colonne contient des valeurs dupliquées, l'ordre ne peut être garanti, car il repose sur l'algorithme de tri de la base de données pour traiter les valeurs dupliquées. L'ajout d'un index à la table source résoudra ce problème.
Il est important de noter que l'utilisation du mappage cohérent dans une table sans clés primaires ou index définis peut donner des résultats inattendus. Dans de tels cas, l'application utilise la première colonne pour le tri, qui peut ne pas contenir de valeurs uniques, ce qui conduit à des résultats non déterministes.
Consistent mapping ne garantit pas la cohérence des données générées sous différentes versions de la plate-forme Syntho.
