并行对比测试

时间:2023年09月16日 来源:

敏感数据管理是ADM功能模块之一,主要针对敏感数据的变形处理使用,提供集敏感数据自动识别、仿真处理与数据交付为一体的敏感数据管理功能,覆盖了敏感数据使用与管理的全部场景。针对敏感数据识别提供通用数据特征库覆盖个人身份信息、组织机构信息、资质资格证信息、金融、医疗等行业信息,包括数据内容、字段类型、约束关系均可以实现自动识别,并依据类型特征加以分类;针对敏感数据的仿真处理,ADM内置大量数据算法对敏感数据进行随机化、模糊化、仿真度高的替换,保证处理后数据的完整性、仿真性以及数据间的关联关系保持不变,具备灵活的数据抽取组合与自助式向导敏感数据处理流程,有效降低敏感数据处理工作的复杂度。上讯信息的ADM产品怎么样?并行对比测试

并行对比测试,上讯敏捷数据管理平台ADM

ADM 构建的双重敏感数据处理模式在行业内排名靠前,在保证处理性能优势的前提下,兼容通用关系型数据库、分布式数据库、文本文件,支持不同数据库间的异构处理,支持 FTP 和 SFTP 的远程文件处理,支持即时与定时处理,支持 Windows/Linux/Unix 等操作系统平台,支持 IPV4/IPV6 网络协议,提供灵活的敏感数据处理策略参数设置及定制化开发变形规则。ADM 的敏感数据处理引擎既可以封装在敏捷数据管理流程的中间环节,也可以单独作为敏感数据处理的抽取系统,两种模式满足了当前用户对敏感数据处理的全部需求。普通上讯ADM产品的合规性体现在数据申请审批流程控制数据外流,每一次数据申请有迹可循。

并行对比测试,上讯敏捷数据管理平台ADM

通过部署敏捷数据管理平台ADM产品的数据副本管理模块,实现了测试数据版本迭代管理,提升了数据使用过程中的应用效率。随着移动互联网技术的不断革新,移动应用业务不断扩张,企业面临着前台业务频繁更新升级的现状,为保证既有业务稳定,需要对新提出的升级需求开展仿真测试与回归测试,因此亟需一套能够对测试环境的测试数据进行版本灵活切换的解决方案,便于测试数据版本的即时调用,迅速适应不同业务程序提供不同版本的测试数据。ADM的虚拟数据库快照功能解决了这一问题,通过对数据库状态进行定时或即时的记录,管理和维护当前虚拟数据库的数据,使用人员可以随时通过记录的虚拟数据库快照提供一个版本的测试数据,经过测试后保存当前的数据库使用状态,便于开发测试的数据版本迭代,通过这一功能明显提升了程序升级测试、版本迭代的效率。

ADM备份校验功能的价值优势在于备份数据的恢复资源集中统一管理、备份数据的使用简单高效、备份数据的恢复实现自动化、备份数据的有效性验证实现自动化、盘活备份数据实现跨平台恢复。备份校验管理可以满足用户对当前备份数据的可恢复性验证、恢复后的完整性验证两方面的需求,能够覆盖用户现有全部业务系统的备份数据,包括备份集和备份文件,实现跨操作系统平台的数据恢复(如AIX到Linux),达到验证工作的高覆盖率,提高有效性验证的频率。CDM是指副本数据管理。

并行对比测试,上讯敏捷数据管理平台ADM

ADM数据库虚拟化技术的优势在于多份虚拟数据库之间的读写操作互不影响,完全满足测试环境多场景同步测试的需求,ADM内置的智能读写缓存机制,能够满足压力测试的性能要求,高效的虚拟数据库管理功能,通过可视化的虚拟数据库拓扑结构图对系统全局数据使用关系进行预览,有助于完善测试数据的组织关系,优化测试数据的资源分配;通过虚拟数据库资源的分组管理实现了同组人员的操作权限共享。通过可视化的数据使用流程拓扑跟踪数据流向,识别虚拟数据库使用状态,实时在线或定时拍摄快照,保留数据版本,通过对数据版本的灵活管理,满足回归测试等业务场景。唤醒大量沦为暗数据的备份数据,让数据备份即可用。数据合法利用

上讯ADM产品的灵活性体现在异构引擎可以将大数据中心数据抽取至多类型数据库,输出格式多样化。并行对比测试

ADM内置独有的高效压缩存储池,压缩比高达3:1,存储即压缩,降低了基础数据源获取的存储成本与持续增长的副本数据存储成本,ADM的数据库虚拟化**技术,能够做到只需一份基础数据源,即可快速拉起多份虚拟数据库作为数据副本,拉起时不占用物理存储空间,节约了存储成本10倍以上,通常情况下,ADM将TB量级数据库拉起时间控制在分钟级,响应速度快,可满足开发测试、查询分析、合规审计、应急恢复等场景对数据交付效率的要求。因此,ADM同时具备快速交付副本数据和节约副本数据存储的目标,相对于传统的副本数据交付,1份10TB的数据库交付10个应用场景,则需要100TB的存储空间,大约需要花费1个星期的时间,通过应用ADM产品,只需分钟级即可同时在线交付10份10TB的副本数据,而且在未产生新数据写入的情况下,存储空间相较于耗费的100TB几乎是0占用,具体占用级别为GB级别。并行对比测试

上一篇: 日志合规审计

下一篇: 日志解析

信息来源于互联网 本站不为信息真实性负责