Datagenerator-verktyg

Syfte och användarens avsikt: Verktyget skapar strukturerade syntetiska dataset för tester, utveckling och QA-arbetsflöden utan att avslöja verkliga användardata. Huvudbrukare är mjukvaruutvecklare, dataingenjörer, data scientists och QA-ingenjörer som behöver upprepbara prover som följer ett definierat schema. Användningen är att validera datarörledningar, bedöma bearbetningsprestanda eller fylla testmiljöer med realistiska men icke-produktiva data. Antaganden inkluderar ett tillhandahållet mål-schema och önskad dataset-storlek. Kärnlogik & Funktioner: Verktyget accepterar ett schema (fält namn, typ, begränsningar) och en målstorlek, och producerar en dataset som följer typreglerna och distributionskontroller. Nödvändiga funktioner: schema-parsning, fältbegränsningar, reproducerbar seed och exportformat. Valfria/avancerade funktioner: per-fält anpassade generators, beroenden mellan fält, integritetsalternativ (deterministisk hashning, anonymiseringslägen), distributionsprofiler (likformig, normal, kategorisk) och multipla exportformat (CSV, JSON, SQL). Stöder vanliga datatyper och möjliggör lokaliserad formatering. Ingång & Utgång: Inmatningar inkluderar schema (strukturerad objekt), storlek (heltal), distribution (fördefinierade inställningar), seed (heltal, valfri) och output_format (CSV/JSON/SQL). Utdata är en datasetfil och en metadata-sammanfattning (fält-typer, antal, distributioner som använts). Exempellinjer kan genereras för snabb validering. Algoritmer & Beräkningar: Genereringen använder seedad pseudorandom-number generator för reproducerbarhet. För varje fälttyp gäller: heltal med min/max, flyttal med precision, strängar via bokstäver och längd, datum inom ett intervall, booleans enligt sannolikhet och enumerations enligt viktade sannolikheter. Integritetsskyddande åtgärder inkluderar deterministisk hashning för identifierare när aktiverat och valfria anonymiseringslägen. Beroenden mellan fält uttrycks via beroenderegler om de tillhandahålls. Felsökning & Kantfall: Ogiltig eller saknad schema, ej stödta typer, noll eller negativ storlek, konfliktfyllda begränsningar eller avsaknad av externa mallar hanteras av tydlig datamodellvalidering. Stora storlekar kan streamas eller delas upp i chunkar för att begränsa minnesanvändning. Oekompatibla distributioner eller ogiltiga seeds ger deterministiska standarder. Bransch/Region & Lokalisering: Stöd för lokaliserade datum- och siffersformat, tidszoner och valutor om de finns i fälten. Följer integritetsriktlinjer där det är tillämpligt och tillåter regionala begränsningar per schema. Antaganden & undantag: Antagandet att data är syntetisk; exkluderar verkliga produktionsdata, avledningar från riktiga användare eller garantier för laglig efterlevnad. Externa datakällor är alternativ; binära fält genereras inte om inte anges.