L'historisation peut se faire pour collecter les changements de données sous trois formes différentes : en mode ligne, en mode colonne, en mode transactionnel.
| Contenu complémentaire : Frédéric Brouard, alias SQLpro MVP SQL Server Expert langage SQL, SGBDR, modélisation de données Auteur de : • SQLpro http://sqlpro.developpez.com/ • "SQL", coll. Synthex, avec C. Soutou, Pearson Education 2005 • "SQL" coll. Développement, Campus Press 2001 Enseignant aux Arts & Métiers et à l'ISEN Toulon |
En mode ligne, il s’agit de stocker les lignes modifiées ou supprimées d’une table dans une table de même structure en y ajoutant certaines informations, comme la date/heure de l’événement de modification ou l’utilisateur qui a entrepris la mise à jour.
En mode colonne, il s’agit de stocker chacune des valeurs atomiques modifiées ou toutes les valeurs atomiques de toutes les lignes supprimées. De la même façon que précédemment on collectera des méta données de modification : qui, quand…
En mode transactionnel, il s’agit de capturer, non pas les données, mais l’ordre SQL de modification. On y ajoutera de même les données que l’on jugera nécessaire pour le traitement. Il conviendra préalablement d’associer à ce mode, une sauvegarde de la base de données (cliché) à l’instant d’avant le démarrage du mécanisme d’historisation.
Le mode ligne est à préférer lorsqu’il y a beaucoup de suppression. Le mode colonne est à préférer lorsqu’il y a beaucoup de modifications (UPDATE). Le mode transactionnel est intéressant lorsque la base source doit être performante et que le SGBDR permet de mettre en oeuvre un tel mécanisme ! La présente série d’articles étudie ces trois modes avec un exemple concret à l’aide de MS SQL Server 2005. Le présent article parle de l’historisation en mode ligne.
Insight vous guide dans l’utilisation de la nouvelle expérience de création d’agents dans Microsoft Copilot Studio, disponible dans Copilot Chat. Découvrez les étapes clés pour concevoir, configurer et déployer ces nouveaux agents et injecter la puissance de l’IA directement dans le flux de travail.
Intelligence Artificielle : DeepKube sécurise en profondeur les données des entreprises
Les projets d’intégration augmentent la charge de travail des services IT
ActiveViam fait travailler les data scientists et les décideurs métiers ensemble
10 grandes tendances Business Intelligence
La blockchain en pratique
