Datagenerator-Verktøy

Formål og brukerintensjon: Verktøyet genererer strukturerte syntetiske datasett for tester, utvikling og QA-arbeidsflyt uten å avsløre ekte brukerdata. Hovedbrukere er programvareutviklere, dataingeniører, dataforskere og QA-ingeniører som trenger gjentakbare prøver som følger et definert skjema. Bruken er å validere datapipelines, benchmarke behandlingsytelse eller fylle testmiljøer med realistiske, men ikke-produksjonsdata. Antakelser: mål-schema og ønsket dataset-størrelse er oppgitt. Kjerne-logikk & funksjoner: Verktøyet godtar et skjema (feltNavn, datatype, begrensninger) og en målstørrelse, og produserer et datasett som følger typeregler og distribusjonskontroller. Nødvendige funksjoner: skjema-parsing, feltbegrensninger, reproduerbar seed og eksportformater. Valgfrie/avanserte funksjoner: per-felt tilpassede generatorer, avhengigheter mellom felt, personverninnstillinger (deterministisk hashing, anonymiseringsmoduser), distribusjonsprofiler (uniform, normal, kategorisk) og multi-format eksport (CSV, JSON, SQL). Understøtter vanlige datatyper og lokal tilpasning av formatering. Inndata & Utdata: Inndata inkluderer skjema (strukturert objekt), størrelse (heltall), distribusjon (fordefinerte presets), seed (heltall, valgfri) og output_format (CSV/JSON/SQL). Utdata er en datasettfil og metadata-sammendrag (felt typer, telleverdier, distribusjoner brukt). Eksempelrader kan genereres for rask validering. Algoritmer & Beregninger: Generering bruker seedet PRNG for reproduksjon. For hver felttype gjelder: heltall med min/max, flyttall med presisjon, strenger via bokstaver og lengde, datoer innenfor et intervall, booleans etter sannsynlighet og enum-typer etter vektet sannsynlighet. Personvern-trinn inkluderer deterministisk hashing for identifikatorer når aktivert og valgfrie anonymiseringsmoduser. Avhengigheter mellom felt uttrykkes via avhengighetsregler hvis tilstede. Feil & Kanttilfeller: Ugyldig eller manglende skjema, ikke-støttede typer, null eller negativ størrelse, motsigende begrensninger eller manglende eksterne maler håndteres av klare valideringer. Store datasett kan streames for å begrense minnebruk. Ugyldige distribusjoner eller ugyldige seeds gir deterministiske standarder. Bransje/Region & Lokalisering: Støtter lokale dato- og tallformater, tidszoner og valutaer hvis de finnes i felter. Følger personvernregler der det er relevant og tillater regionale begrensninger per skjema. Antakelser & eksklusjoner: Antas at dataene er syntetiske; ekskluderer produksjonsdata, avledede data fra ekte brukere eller garantier for juridisk overholdelse. Eksterne datakilder er valgfrie; binære felt genereres ikke med mindre angitt.