আমি মাইএসকিউএল 5.6 ব্যবহার করছি। ওরাকলে আমি যেমন পারি তেমন কোনও বস্তুগত দৃষ্টি তৈরি করতে সক্ষম হচ্ছি না। আমি ফ্লেক্সভিউয়ের মতো একটি বা দুটি সমাধান দেখেছি।
কেউ কি আমাকে ন্যূনতম জটিলতার সাথে মাইএসকিউএল (ওরাকল-এর মতো অটো রিফ্রেশ) এ ম্যাটারিয়াল ভিউ তৈরির সর্বোত্তম উপায় বলতে পারেন?
উত্তর:
বস্তুভিত্তিক দর্শনগুলি মাইএসকিউএলে বিদ্যমান নেই।
এর আগে ডিবিএ স্ট্যাকএক্সচেঞ্জে ফ্লেক্সভিউগুলি সুপারিশ করা হয়েছিল
যেহেতু আপনার এটি ইতিমধ্যে রয়েছে, আপনার পক্ষ থেকে কিছু যথাযথ পরিশ্রম এবং কনুই গ্রিজ ব্যবহার করার প্রয়োজন হতে পারে (যদি আপনি ইতিমধ্যে এটি না করে থাকেন)
আপনি সংক্ষিপ্ত টেবিল সেট আপ করতে পারেন। সংক্ষিপ্ত টেবিলগুলি তৈরির আগে আপনার একত্রীকরণকে সমর্থন করার জন্য আপনাকে আপনার বেস টেবিলগুলি সূচীকরণ করতে হবে।
এখানে http://www.matoryized.info/ এর একটি পুরাতন পোস্ট রয়েছে যার মধ্যে ডাউন-টু-আর্থ কৌশল রয়েছে যা আকর্ষণীয় দেখায়। এটি ট্রিগার ব্যবহার জড়িত। দেখে মনে হচ্ছে এটি মজাদার হতে পারে ...
যদি আপনার বেস টেবিলগুলি বড় না হয় এবং আপনি সপ্তাহে একবারে পুরো টেবিলগুলি জিজ্ঞাসা করেই বেঁচে থাকতে পারেন তবে ধারণাগুলির জন্য মাইএসকিউএল ডকুমেন্টেশনUser Comments বিভাগটি তৈরি করুন দেখুন RE materializedএই পৃষ্ঠায় শব্দের জন্য অনুসন্ধান করুন।
আমি মাইএসকিউএলে বাস্তবায়িত দৃষ্টিভঙ্গির জন্য দুটি সম্ভাব্য সমাধান পেয়েছি:
প্রয়োজনীয় সমস্ত ডেটা সহ একত্রিতকরণ টেবিল তৈরি করুন এবং তারপরে যে তথ্যগুলি কোথা থেকে আসে সেই টেবিলে ট্রিগার তৈরি করুন।
একটি সময়সূচী তৈরি করুন যা পর্যায়ক্রমে একটি সারণিতে ডেটা একত্রিত করে
আমার ব্লগ পোস্টে 2 টি বিকল্পগুলি কীভাবে প্রয়োগ করতে হয় সে সম্পর্কে আরও বিশদটি দেখুন: বস্তুগত ভিউ মাইএসকিউএল
যদি আপনার অন্তর্নিহিত ডেটা বেশিরভাগ স্থিতিশীল থাকে বা আপনি ভিউ এবং ডেটার মধ্যে পার্থক্য সহ্য করতে পারেন তবে সাধারণ-রোল্যাপ সরঞ্জামগুলি ব্যবহার করার বিষয়টি বিবেচনা করুন , যা আমি এই ব্যবহারের ক্ষেত্রে সমাধান করার জন্য লিখেছিলাম। এগুলি আপনাকে আলাদা আলাদা ফাইলগুলিতে জটিল এসকিউএল কোয়েরি লিখতে দেয় যা সারণী তৈরি করে। প্রশ্নের মধ্যে সম্পর্কগুলি স্বয়ংক্রিয়ভাবে উদ্ভূত হয় এবং প্রশ্নগুলি ইউনিক্স মেক সরঞ্জামটির মাধ্যমে যথাযথ ক্রমে কার্যকর করা হয় । উত্পন্ন টেবিলগুলি রিফ্রেশ করার জন্য আপনাকে চালনা করতে হবে make clean all। এই সরঞ্জামটি বেশিরভাগই পরিশীলিত ক্যুরিয়ার তৈরির জন্য কার্যকর যা তাদের ইনপুটগুলির প্রাক-গণনা করা ফলাফলগুলির ভিত্তিতে দক্ষতার সাথে কার্যকর করে।