Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Validasi data adalah proses membandingkan data dari tabel database sumber dan
tujuan untuk memastikan keduanya cocok.
Alat Validasi Data (DVT)
adalah alat open source yang dapat terhubung ke penyimpanan data dan melakukan pemeriksaan
antara database sumber dan Spanner. Sebaiknya gunakan untuk melakukan
validasi dasar sebagai bagian dari migrasi Anda, seperti berikut:
Pastikan semua tabel telah dibuat dan semua pemetaan skema sudah
benar.
Mencocokkan jumlah total baris untuk setiap tabel.
Ekstrak baris acak untuk memverifikasi konsistensi.
Validasi kolom Anda, misalnya, gunakan count, sum, avg, min, max, atau group by.
Bandingkan cyclic redundancy check atau fungsi hash di tingkat baris.
Untuk melakukan validasi yang lebih spesifik, buat pemeriksaan kustom selama migrasi.
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Sulit dipahami","hardToUnderstand","thumb-down"],["Informasi atau kode contoh salah","incorrectInformationOrSampleCode","thumb-down"],["Informasi/contoh yang saya butuhkan tidak ada","missingTheInformationSamplesINeed","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],["Terakhir diperbarui pada 2025-08-17 UTC."],[],[],null,["# Validate your data migration\n\nData validation is the process of comparing data from both the source and the\ndestination database tables to ensure they match.\n\nThe [Data Validation Tool (DVT)](https://pypi.org/project/google-pso-data-validator/#:%7E:text=The%20Data%20Validation%20Tool%20is,with%20multi%2Dleveled%20validation%20functions)\nis an open source tool that can connect to data stores and perform checks\nbetween your source database and Spanner. We recommend using it to perform\nbasic validations as a part of your migration, such as the following:\n\n- Check that all tables were created and that all schema mappings are correct.\n- Match the total number of rows for each table.\n- Extract random rows to verify consistency.\n- Validate your columns, for example, use `count`, `sum`, `avg`, `min`, `max`, or `group by`.\n- Compare any cyclic redundancy checks or hash functions at the row level.\n\nTo perform more specific validations, build custom checks during migration."]]
