从Data Masking看Oracle体贴的一面

seaisi 2008-12-26 06:17:07
一直以来Oracle在我们心目中的形象总是一个技术高超的大师,或者是一个精明的商人,又或者因为连续的大笔收购而得来的新称号“大胃王”。总之无论如何是跟“体贴”扯不上半毛钱关系。



但是当我了解到Oracle Data Masking,我仿佛看到了Oracle从未在世人面前展示过的温柔体贴的一面。



有人要问了,何为Data Masking?它的诞生起源于解决从生产环境的数据向测试环境(或者开发环境)导入时可能会产生的数据内容安全问题。为什么要说这个功能很体贴呢。做过大型企业信息化项目实施的同学应该都深有体会。在做项目的时候,为了测试系统需要大量的数据做功能测试、性能测试和模拟测试。这些数据的要求是,首先要够真实,其次要很大量。这样才能完全模拟实际应用中的环境。



企业是不会把真实的数据拿出来给你随便使用的,这里面涉及商业机密和数据安全的问题。那么怎么办,只能是在了解数据规则、格式和关联关系的基础上凭空捏造。或者自己写转换程序把生产数据导出、转换。自己编数据工作量太大,正确性也没有保证。写转换程序也难免出错。



现在这些问题,Oracle都替你想到了,还给你找了个小蜜叫Data Masking。通过克隆原始数据,然后做Masking转换,最后输出一个和原数据格式、关联一模一样的虚拟数据。可以说是最“真实”的“假数据”。



如果说假证,假药,假酒是祸害,那克隆真实的“假数据”就是是名副其实的贤内助。
...全文
276 13 打赏 收藏 转发到动态 举报
写回复
用AI写文章
13 条回复
切换为时间正序
请发表友善的回复…
发表回复
changemy 2008-12-31
  • 打赏
  • 举报
回复
真想知道Data Masking是怎样做成的哦~ 就连身份证和手机号都伪装像真的一样
h303100958 2008-12-31
  • 打赏
  • 举报
回复
如果将来需要重新克隆和Mask数据,这些独立于数据库保存的模板可以重用??masking定义可重用??
lishayang 2008-12-31
  • 打赏
  • 举报
回复
接触ODM前想过自己制造数据,虽然勉强完成功能测试,但由于制造的数据量有限,完全不能满足应用上线前的性能测试,支撑能力测试,试运行,甚至会误导测试结果。结果在工作汇报中露馅了 你说晕不~ 所以说这方面最讲究的是真实了
chuquannvlang 2008-12-31
  • 打赏
  • 举报
回复
晕! 那不是说Masking可以让人不要再去做费力不讨好的事了~ o(∩_∩)o...大快人心
jiakechonga 2008-12-31
  • 打赏
  • 举报
回复
很同意楼主的观点。。。
filec75 2008-12-30
  • 打赏
  • 举报
回复
jf
kuahuijing 2008-12-30
  • 打赏
  • 举报
回复
Data Masking-克隆“真实”的假数据 哈哈 俺公司也在用
jingugoyingxiong 2008-12-30
  • 打赏
  • 举报
回复
Oracle也许是最流行的服务器,占有最大的市场份额.难怪Data Masking这么好用
siledouyaosha 2008-12-30
  • 打赏
  • 举报
回复
编测试数据绝对是个费力不讨好的活。但是人家甲方怕泄密,就不给你生产数据,这也是没办法的事情。苦就苦了我们这些干活的马仔。一定要弄一个Data Masking试试。
jianhuolo 2008-12-30
  • 打赏
  • 举报
回复
难得啊~JS也有体贴的一面。Data Masking虽说是个小功能,但能解决我们的大问题。
changemy 2008-12-30
  • 打赏
  • 举报
回复
告诉你吧~~ 如果你是开发商的DBA,不要再去做费力不讨好的事了,Data masking可以帮你快速生成一份不包含敏感信息的“真实”测试数据;
seaisi 2008-12-26
  • 打赏
  • 举报
回复
关于Oracle 的数据库有很多新资料现在可以在官网下载,还有官方提供的试用软件,想要的直接下载吧:http://wmdata.com.cn/oracle/iwom-DBO/index.asp?frm=2
内容概要:本文系统研究了基于豪猪优化算法(CPO)的多无人机协同集群在三维空间中的避障路径规划问题,聚焦于实现以最低成本为目标的航迹优化,综合考虑路径长度、飞行高度、威胁规避及转弯角度等多个关键因素。通过构建精细化的三维环境模型与多无人机协同机制,采用Matlab平台实现CPO算法的仿真与验证,充分展示了该算法在复杂动态障碍环境下的高效搜索能力与全局优化性能。研究不仅涵盖了路径规划的数学建模与目标函数设计,还深入探讨了算法的收敛特性与鲁棒性,为智能群体系统在实际场景中的应用提供了理论依据与技术支撑。; 适合人群:具备一定编程基础和优化算法背景,从事无人机系统控制、智能路径规划、群体协同、人工智能与自动化等相关领域的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于多无人机协同执行侦察、灾害监测、应急救援、区域巡检等复杂任务中的自主路径规划;②为智能优化算法在三维动态环境下的路径决策问题提供可复现的技术范例;③支持研究人员对CPO算法与其他主流群智能算法(如PSO、GWO、WOA等)进行性能对比与改进研究,推动路径规划技术的发展。; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解目标函数的多维度建模方式与CPO算法的迭代优化流程,可通过调整环境参数与约束条件进行仿真实验,对比不同算法在相同场景下的路径质量与收敛速度,从而深入掌握其优势与适用边界。
内容概要:本文围绕电动汽车参与电力系统运行备用的能力评估展开深入研究,利用Matlab代码实现对电动汽车集群提供运行备用服务的建模与仿真分析。研究重点在于量化电动汽车作为分布式灵活资源参与电网辅助服务的潜力,通过构建精细化的数学模型,分析其可调功率容量、响应速度、时空分布特性及聚合能力,并采用多面体聚合、内近似模型与闵可夫斯基和等先进方法精确刻画其可调度能力边界。研究进一步结合大规模电动汽车接入场景,探讨其在多时间尺度调度框架下参与调峰、调频等辅助服务的优化策略,评估其对提升高比例可再生能源电网灵活性与稳定性的贡献,最终通过仿真验证所提模型与方法的有效性与实用性。; 适合人群:具备电力系统分析、智能电网、新能源汽车或优化调度等相关专业背景,熟悉Matlab/Simulink仿真工具,从事科研、工程应用的高校研究生、科研人员及电力行业工程师。; 使用场景及目标:①精确评估大规模电动汽车集群在不同约束条件下可提供的运行备用容量;②研究电动汽车在日前、日内及实时调度中的动态响应能力与优化调度策略;③为高渗透率新能源电力系统提供基于移动储能的灵活性资源解决方案,支撑电网安全经济运行。; 阅读建议:建议结合Matlab代码与技术文档同步学习,重点关注多面体聚合建模、能力边界计算及优化调度算法的设计与实现,可进一步拓展至V2G(车辆到电网)、需求响应等互动场景进行二次开发与应用验证。

1,619

社区成员

发帖
与我相关
我的任务
社区描述
Oracle 非技术区
社区管理员
  • 非技术区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧