Outil générateur de données

Objectif et intention utilisateur: L’outil génère des ensembles de données synthétiques structurés pour les tests, le développement et les flux QA, sans exposer de données réelles. Utilisateurs principaux: développeurs, data engineers, data scientists et ingénieurs QA qui ont besoin d’échantillons reproductibles conformes à un schéma défini. Il sert à valider les pipelines de données, évaluer les performances de traitement ou alimenter des environnements de test avec des données réalistes mais non productionnelles. Hypothèses: schéma cible fourni et taille du jeu de données souhaitée. Règles centrales et fonctionnalités: L’outil accepte un schéma (nom du champ, type, contraintes) et une taille cible, et produit un ensemble de données qui respecte les règles de type et les contrôles de distribution. Fonctions requises: analyse de schéma, contraintes de champ, graine reproductible et formats d’exportation. Fonctions optionnelles/avancées: générateurs personnalisés par champ, dépendances inter-champ, options de confidentialité (hachage déterministe, modes d’anonymisation), profils de distribution (uniforme, normal, catégorique) et exports multi-format (CSV, JSON, SQL). Supporte les types courants et permet le formatage localisé. Entrées et sorties: entrées: objet schema, taille, distribution (presets), graine (entier, optionnel), format de sortie (CSV/JSON/SQL). Sorties: fichier de données et résumé de métadonnées (types de champ, comptages, distributions utilisées). Des lignes d’exemple peuvent être émises pour validation rapide. Algorithmes et calculs: génération via RNG avec graine pour reproductibilité. Pour chaque type de champ: entiers avec min/max, réels avec précision, chaînes via alphabet et longueur, dates dans une plage, booléens selon probabilité, et énumérations par probabilités pondérées. Étapes de confidentialité: hachage déterministe pour identifiants lorsque activé et modes d’anonymisation optionnels. Dépendances entre champs exprimées via règles. Erreurs et cas limites: schéma invalide ou manquant, types non pris en charge, taille zéro ou négative, contraintes conflictuelles ou sources externes indisponibles. Grands volumes: écriture en streaming. Distributions incompatibles ou seeds invalides: defaults déterministes. Région et localisation: formats locaux (dates et nombres), fuseaux horaires et devises si présents dans les champs. Conformité confidentialité lorsque applicable et contraintes régionales par schéma. Hypothèses et exclusions: données synthétiques uniquement; exclut données réelles de production, dérivation directe de données utilisateurs réelles, ou garanties de conformité légale. Sources externes optionnelles; champs binaires non générés sauf indication.