કોગ્નોસ ઓડિટિંગ બ્લોગ - મોટા અને ઉચ્ચ વોલ્યુમ વાતાવરણ માટે ટિપ્સ અને યુક્તિઓ

જ્હોન બોયર અને માઇક નોરિસનો બ્લોગ.

પરિચય

તમારા વપરાશકર્તા સમુદાય દ્વારા કોગ્નોસનો ઉપયોગ કેવી રીતે કરવામાં આવે છે તે જાણવા અને સમજવા માટે કોગ્નોસ ઓડિટિંગ ક્ષમતા કાર્યરત હોવી જરૂરી છે અને પ્રશ્નોના જવાબ આપવા માટે મદદ કરો:

• • સિસ્ટમનો ઉપયોગ કોણ કરે છે?
  • તેઓ કયા અહેવાલો ચલાવી રહ્યા છે?
  • રિપોર્ટ ચલાવવાનો સમય શું છે?
  • અન્ય સાધનોની મદદથી, જેમ કે MotioCI, કઈ સામગ્રી બિનઉપયોગી છે?

તંદુરસ્ત કોગ્નોસ એનાલિટિક્સ વાતાવરણ જાળવવું કેટલું જટિલ છે તે ધ્યાનમાં લેતા, આશ્ચર્યજનક રીતે પ્રમાણભૂત ઉત્પાદન દસ્તાવેજીકરણની બહાર તેના ઓડિટિંગ ડેટાબેઝ વિશે થોડું લખાયું છે. કદાચ, તે માન્ય ગણવામાં આવે છે, પરંતુ જે સંસ્થાઓ તેનો ઉપયોગ કરે છે તેઓ જાણે છે કે સમય જતાં ઓડિટ ડેટાબેઝ કોષ્ટકોની પૂછપરછ ધીમી થવાનું શરૂ થશે - ખાસ કરીને જો તમારી સંસ્થામાં ઘણા બધા વપરાશકર્તાઓ ઘણા બધા અહેવાલો ચલાવે છે અને તેમાં ઘણો ઇતિહાસ છે. વધુ શું છે કે ઓડિટ પ્રવૃત્તિ લોગિંગ પોતે વિલંબિત થઈ શકે છે કારણ કે જ્યારે તે ડેટાબેઝમાં પૂરતી ઝડપથી ઉમેરી શકાતી નથી ત્યારે તે કતારબદ્ધ છે, ઉદાહરણ તરીકે. તે જ સમયે જ્યારે તમે ડેટાબેઝ કામગીરી વિશે વિચારવાનું શરૂ કરો છો કારણ કે તમે કોઈપણ ઓપરેશનલ ડેટાબેઝ સાથે રિપોર્ટિંગ આવશ્યકતાઓ ધરાવો છો.

મોટા કોષ્ટકો સામાન્ય રીતે ક્વેરીનું પ્રદર્શન ધીમું કરે છે. કોષ્ટક જેટલું મોટું છે, તે શામેલ કરવા અને પૂછવામાં વધુ સમય લે છે. યાદ રાખો કે આ કોષ્ટકો અને ઓડિટ ડેટાબેઝ મૂળભૂત રીતે ઓપરેશનલ ડેટાબેઝ છે; લખવાનું વારંવાર થઈ રહ્યું છે અને અમારી સામે કામ કરે છે કારણ કે અમે તેમને ફક્ત વાંચન કામગીરી માટે ધ્યાન કેન્દ્રિત કરી શકતા નથી, જેમ કે તમે ડેટા માર્ટ સાથે કરશો.

કન્ટેન્ટ સ્ટોરની જેમ, કોગ્નોસ પર્યાવરણનું સ્વાસ્થ્ય પણ ઓડિટ ડેટાબેઝના સ્વાસ્થ્યને ધ્યાનમાં લેવું જોઈએ. ઓડિટ ડેટાબેઝની અનહદ વૃદ્ધિ સમય જતાં એક મુદ્દો બની શકે છે અને છેવટે કોગ્નોસ પર્યાવરણના એકંદર પ્રદર્શનને પણ અસર કરી શકે છે. બાહ્ય નિયમનો ધરાવતી ઘણી સંસ્થાઓમાં તેમના પર ભાર મૂકવામાં આવે છે, સંપૂર્ણ ઓડિટ રેકોર્ડ ન હોવાને કારણે તેઓ ભારે પ્રતિકૂળતા સાથે બિન-પાલન પરિસ્થિતિમાં ઉતરી શકે છે. તો આપણે historicalતિહાસિક ઓડિટિંગ હેતુઓ માટે કેટલો ડેટા જાળવી રાખવા સાથે વ્યવહાર કરીએ છીએ - કેટલાક કિસ્સાઓમાં 10 વર્ષ સુધી - હજુ પણ પર્યાવરણ જાળવવા અને પ્રદર્શનથી વપરાશકર્તાઓને ખુશ રાખવા માટે જરૂરી રિપોર્ટિંગ મેળવો.

પડકાર

• • ઓડિટ ડેટાબેઝની અનબાઉન્ડ વૃદ્ધિ કોગ્નોસ પર્યાવરણના સ્વાસ્થ્ય પર નકારાત્મક અસર કરી રહી છે
  • ઓડિટ ડેટાબેઝની જાણ કરવી ધીમી અથવા બિનઉપયોગી બની છે
  • કોગ્નોસ ઓડિટ ડેટાબેઝમાં લખવામાં આવતા રેકોર્ડમાં વિલંબ અનુભવે છે
  • ઓડિટ ડેટાબેઝમાં ડિસ્કની જગ્યા સમાપ્ત થઈ રહી છે

આ બધાનો અર્થ એ છે કે તે માત્ર અહેવાલો નથી જે ઓડિટ ડેટાબેઝ પર આધાર રાખે છે જે ભોગ બને છે, પરંતુ ઘણી વખત સમગ્ર સિસ્ટમ. જો ઓડિટ ડેટાબેઝ કોગ્નોસ કન્ટેન્ટ સ્ટોર જેવા જ સર્વર પર હોય, તો કોગનોસની તમામ બાબતોનું પ્રદર્શન તે વાતાવરણમાં પ્રભાવિત થશે.

સેટઅપ

અમે ધારીએ છીએ:

1. 1. કોગ્નોસ એનાલિટિક્સ ઇન્સ્ટોલ અને ચાલી રહ્યું છે
   2. કોગ્નોસ ઓડિટ ડેટાબેઝમાં લોગ કરવા માટે ગોઠવેલ છે
   1. • જગ્યાએ ઓડિટ ડેટાબેઝ રાખો
      • કોગ્નોસ એડમિનિસ્ટ્રેશનમાં યોગ્ય ઓડિટ લોગિંગ લેવલ સેટ કરો
      • કોગ્નોસ દ્વારા ડેટાબેઝમાં રેકોર્ડ લખાઈ રહ્યો છે
   3. ઓડિટ ડેટાબેઝ એક વર્ષથી વધુ સમયથી ઉપયોગમાં છે
   4. પર્યાવરણ વપરાશકર્તાઓ અને અમલ સાથે ખૂબ જ સક્રિય છે
   5. ઓડિટ પેકેજનો ઉપયોગ કોગ્નોસ વપરાશ ડેટાને સપાટી પર લાવવા માટે કરવામાં આવી રહ્યો છે
   6. અમે ઓડિટ ડેટાબેઝ રિપોર્ટિંગ કામગીરીને સુધારવા માટે વિચારી રહ્યા છીએ
   7. જૂના રેકોર્ડ્સને શરૂ કરવું અથવા કા deleી નાખવું હંમેશા એક વિકલ્પ નથી

જો તમે, હજી સુધી, કોગ્નોસ ઓડિટ ઇન્સ્ટોલ અને ગોઠવેલું નથી, લોડેસ્ટાર સોલ્યુશન્સ, એ Motio ભાગીદાર, એક ઉત્તમ છે પોસ્ટ કોગ્નોસ BI /CA માં ઓડિટ સક્ષમ કરવા પર.

ઉકેલ

કેટલાક સંભવિત ઉકેલો છે જે ઝડપથી પોતાને રજૂ કરે છે:

1. 1. આના દ્વારા ડેટાનું પ્રમાણ ઘટાડવું:
   1. • કેટલાક જૂના ડેટાને બીજા ડેટાબેઝમાં ખસેડવું
      • કેટલાક જૂના ડેટાને સમાન ડેટાબેઝમાં બીજા ટેબલ પર ખસેડવું
   2. ફક્ત કા deleteી નાખો અથવા ચાપ કરોhive કેટલાક ડેટા અને તેના વિશે ચિંતા કરશો નહીં
   3. તેની સાથે જીવો. કેન નીચે લાત road અને કામગીરી માટે ડેટાબેઝ એડમિનિસ્ટ્રેટરને દબાણ કરો
      સ્કીમામાં ફેરફાર કરવાની મંજૂરી ન આપીને તેમને હાથકડી લગાવતી વખતે સુધારો
      અનુક્રમણિકાઓ

અમે વિકલ્પ 3 સાથે વ્યવહાર કરવા જઈ રહ્યા નથી. વિકલ્પ 2, ડેટા કાtingી નાખવો, સારો વિકલ્પ નથી અને હું ઓછામાં ઓછા 18 મહિનાની કિંમત ઓછામાં ઓછી રાખવાની ભલામણ કરું છું. પરંતુ, જો તમે આટલા વલણ ધરાવતા હો, તો IBM એક ઉપયોગિતા પૂરી પાડે છે, ઓડિટDBCcleanup (કોગ્નોસ બીઆઈ) અથવા એ સ્ક્રિપ્ટ (કોગ્નોસ એનાલિટિક્સ) જે બરાબર તે જ કરશે. કોગ્નોસ BI માટેની ઉપયોગિતા ટાઇમસ્ટેમ્પના આધારે રેકોર્ડ્સ કા deી નાખે છે જ્યારે કોગ્નોસ એનાલિટિક્સ માટેની સ્ક્રિપ્ટો માત્ર અનુક્રમણિકાઓ અને કોષ્ટકો કા deleteી નાખે છે.

અમે અગાઉ આ અંગે ગ્રાહકોને જે ભલામણો કરી હતી તે બે ડેટાબેઝમાં અલગ પાડવાની હતી:

1. 1. ઓડિટ - લાઇવ: તાજેતરના અઠવાડિયાના મૂલ્યના ડેટા ધરાવે છે
   2. ઓડિટ - Histતિહાસિક: historicalતિહાસિક ડેટા ધરાવે છે (N વર્ષ સુધી)

ટૂંકમાં, પ્રક્રિયા તાજેતરના રેકોર્ડ્સને ઓડિટ લાઇવથી ઓડિટ હિસ્ટોરિકલ સુધી ખસેડવા માટે સાપ્તાહિક ચાલે છે. આ પ્રક્રિયા ચાલે પછી ખાલી સ્લેટ તરીકે ઓડિટ લાઇવ શરૂ થાય છે.

1. 1. લાઇવ ડીબી ઝડપી અને ચુસ્ત છે, શક્ય તેટલી ઝડપથી ઇન્સર્ટ્સ થવા દે છે
   2. ઓડિટ પ્રશ્નો ફક્ત orતિહાસિક DB ને નિર્દેશિત કરવામાં આવે છે

આ અભિગમનો ઉપયોગ કરીને, લાઇવ ડેટા અને Histતિહાસિક ડેટાના "એકસાથે ટાંકા" નથી. હું દલીલ કરીશ કે તમે કદાચ તેને તે રીતે રાખવા માંગો છો.

કોગ્નોસ એડમિનિસ્ટ્રેશનમાં, તમે ઓડિટ ડેટા સ્રોત માટે બે અલગ અલગ જોડાણો ઉમેરી શકો છો. જ્યારે વપરાશકર્તા ઓડિટ પેકેજ સામે રિપોર્ટ ચલાવે છે, ત્યારે તેમને પૂછવામાં આવે છે કે તેઓ કયા જોડાણ માટે ઉપયોગ કરવા માગે છે:

જો તમે historicalતિહાસિક ઓડિટ ડેટાને બદલે લાઇવ ઓડિટ ડેટા જોવા માંગતા હોવ તો, જ્યારે પૂછવામાં આવે ત્યારે તમે ફક્ત "ઓડિટ - લાઇવ" કનેક્શન પસંદ કરો (અપવાદ હોવો જોઈએ, ધોરણ નહીં.)

જો તમે ખરેખર જીવંત અને bothતિહાસિક બંનેનો એકીકૃત દૃષ્ટિકોણ પણ આપવા માંગો છો, તો તમે આમ કરી શકો છો, પરંતુ તે પ્રભાવને અસર કરશે.

ઉદાહરણ તરીકે, તમે "ઓડિટ - કોન્સોલિડેટેડ વ્યૂ" નામનો 3 જી ડેટાબેઝ બનાવી શકો છો અને પછી, ઓડિટ સ્કીમામાં દરેક ટેબલ માટે: લાઇવ ડીબીમાં ટેબલ અને કોષ્ટક વચ્ચે એક સમાન નામનું દૃશ્ય બનાવો જે એસક્યુએલ યુનિયન છે. historicalતિહાસિક DB. એ જ રીતે, આ ફ્રેમવર્ક મેનેજર મોડેલમાં પણ હાંસલ કરી શકાય છે, પરંતુ, ફરીથી, કામગીરી મુખ્ય વિચારણા હશે.

અમારા કેટલાક ગ્રાહકોએ એકીકૃત દૃશ્ય બનાવ્યું છે. તે અમારો અભિપ્રાય છે કે આ સંભવિત ઓવરકિલ છે. આ એકીકૃત દૃષ્ટિકોણથી પ્રદર્શન હંમેશા ખરાબ રહેશે અને અમને ઘણા ઉપયોગના કેસો મળ્યા નથી જે લાઇવ ડેટા સેટ અને orતિહાસિક બંનેનો ઉપયોગ કરે છે. મુશ્કેલીનિવારણ માટે લાઇવનો ઉપયોગ અને ટ્રેન્ડ રિપોર્ટિંગ માટે orતિહાસિક.

કોગ્નોસ એનાલિટિક્સ 11.1.7 મુજબ, ઓડિટ ડેટાબેઝ 21 કોષ્ટકો સુધી વધ્યું છે. તમે ઓડિટ ડેટાબેઝ, નમૂના ઓડિટ રિપોર્ટ્સ અને ફ્રેમવર્ક મેનેજર મોડેલ પર અન્યત્ર વધુ માહિતી મેળવી શકો છો. ડિફ defaultલ્ટ લોગિંગ લેવલ ન્યૂનતમ છે, પરંતુ તમે ઉપયોગની વિનંતીઓ, વપરાશકર્તા ખાતાનું સંચાલન અને રનટાઇમ વપરાશ મેળવવા માટે આગલા સ્તર, મૂળભૂતનો ઉપયોગ કરી શકો છો. તમે સિસ્ટમ કામગીરી જાળવી શકો તે એક રીત છે લોગિંગ લેવલને સૌથી નીચલા સ્તર સુધી રાખવું. દેખીતી રીતે, સર્વર દ્વારા વધુ લોગિંગ કરવામાં આવે છે, વધુ સર્વર કામગીરી પ્રભાવિત થઈ શકે છે.

મોટાભાગના સંચાલકોને જે મુખ્ય કોષ્ટકોમાં રસ હશે તે 6 કોષ્ટકો છે જે વપરાશકર્તા પ્રવૃત્તિ અને સિસ્ટમમાં પ્રવૃત્તિની જાણ કરે છે.

• COGIPF_USERLOGON: વપરાશકર્તા લોગન (લોગ ઓફ સહિત) માહિતી સ્ટોર કરે છે
• COGIPF_RUNREPORT: રિપોર્ટ એક્ઝેક્યુશન વિશેની માહિતી સ્ટોર કરે છે
• COGIPF_VIEWREPORT: રિપોર્ટ જોવા માટેની વિનંતીઓ વિશે માહિતી સ્ટોર કરે છે
• COGIPF_EDITQUERY: ક્વેરી રન વિશે માહિતી સ્ટોર કરે છે
• COGIPF_RUNJOB: નોકરીની વિનંતીઓ વિશે માહિતી સ્ટોર કરે છે
• COGIPF_ACTION: કોગ્નોસમાં વપરાશકર્તા ક્રિયાઓ રેકોર્ડ કરે છે (આ કોષ્ટક અન્ય કરતા વધુ ઝડપથી વધી શકે છે)

આઉટ ઓફ ધ બોક્સ રૂપરેખાંકન આના જેવો દેખાય છે:

ભલામણ કરેલ રૂપરેખાંકન:

કોગ્નોસ ઓડિટ ડેટાબેઝ - લાઈવમાં 1 સપ્તાહનો ઓડિટ ડેટા હોય છે. 1 અઠવાડિયાથી જૂનો ડેટા કોગ્નોસ ઓડિટ ડેટાબેઝ - orતિહાસિકમાં ખસેડવામાં આવે છે.

કોગ્નોસ ઓડિટ ડેટાબેઝમાંથી લાઇન - લાઇવથી કોગ્નોસ ઓડિટ ડેટાબેઝ - આકૃતિમાં orતિહાસિક આ માટે જવાબદાર છે:

• લાઇવ ઓડિટથી Histતિહાસિક ઓડિટમાં ડેટાની નકલ કરવી
• લાઇવ itડિટમાં 1 અઠવાડિયા કરતાં જૂની બધી પંક્તિઓ દૂર કરો
• Yearsતિહાસિક ઓડિટમાં તમામ પંક્તિઓ દૂર કરો જે x વર્ષથી જૂની છે
• COGIPF_ACTION માં 6 મહિના કરતા જૂની બધી પંક્તિઓ દૂર કરો

સૂચકાંકો

વિવિધ ડેટાબેઝ પ્રકારો વિવિધ અનુક્રમણિકા પ્રકારો ધરાવે છે. ડેટાબેઝ અનુક્રમણિકા એ ડેટા સ્ટ્રક્ચર છે, જે કોષ્ટક (અથવા દૃશ્ય) સાથે સંકળાયેલું છે, જે તે કોષ્ટક (અથવા દૃશ્ય) માંથી ડેટા પુનvingપ્રાપ્ત કરતી વખતે પ્રશ્નોના અમલીકરણના સમયને સુધારવા માટે વપરાય છે. મહત્તમ વ્યૂહરચના બનાવવા માટે તમારા DBA સાથે કામ કરો. કઇ કnsલમને અનુક્રમિત કરવા માટે શ્રેષ્ઠ નિર્ણયો લેવા તેઓ આ જેવા પ્રશ્નોના જવાબો જાણવા માંગશે. દેખીતી રીતે, ડેટાબેઝ એડમિનિસ્ટ્રેટર તમારી મદદ વિના કેટલાક અથવા બધા પ્રશ્નોના જવાબો શોધી શકે છે, પરંતુ તેમાં થોડું સંશોધન અને થોડો સમય લાગશે:

• કોષ્ટકો પાસે કેટલા રેકોર્ડ છે અને તમે તેમને કયા કદમાં વધવાની અપેક્ષા રાખો છો? (કોષ્ટકને અનુક્રમણિકા ઉપયોગી થશે નહીં સિવાય કે કોષ્ટકમાં મોટી સંખ્યામાં રેકોર્ડ હોય.)
• શું તમે જાણો છો કે કઈ કumલમ અનન્ય છે? શું તેઓ શૂન્ય મૂલ્યોને મંજૂરી આપે છે? કઈ કોલમમાં ડેટા પ્રકારનો પૂર્ણાંક અથવા મોટો પૂર્ણાંક હોય છે? (આંકડાકીય માહિતીના પ્રકારો સાથેની કumલમ અને જે અનન્ય છે અને શૂન્ય નથી તે ઇન્ડેક્સ કીમાં ભાગ લેવા માટે મજબૂત ઉમેદવારો છે.)
• આજે તમારી મુખ્ય પ્રદર્શન સમસ્યાઓ ક્યાં છે? શું તેઓ ડેટા પુનvingપ્રાપ્ત કરી રહ્યા છે? શું કોઈ ચોક્કસ પ્રશ્નો અથવા અહેવાલો છે જે વધુ સમસ્યા છે? (આ ડેટાબેઝ એડમિનિસ્ટ્રેટરને અમુક ચોક્કસ કumલમ તરફ દોરી શકે છે જે optimપ્ટિમાઇઝ કરી શકાય છે.)
• રિપોર્ટિંગ માટે કોષ્ટકોમાં જોડાવા માટે કયા ક્ષેત્રોનો ઉપયોગ થાય છે?
• ફિલ્ટરિંગ, સ sortર્ટિંગ, ગ્રુપિંગ અને એકત્રીકરણ માટે કયા ક્ષેત્રોનો ઉપયોગ થાય છે?

આશ્ચર્યજનક નથી, આ તે જ પ્રશ્નો છે જે કોઈપણ ડેટાબેઝ કોષ્ટકોની કામગીરી સુધારવા માટે જવાબ આપવાની જરૂર છે.

આઇબીએમ સપોર્ટ ભલામણ કરે છે પ્રભાવ સુધારવા માટે નીચેના કોષ્ટકો માટે "COGIPF_REQUESTID", "COGIPF_SUBREQUESTID" અને "COGIPF_STEPID" ક colલમ પર અનુક્રમણિકા બનાવી રહ્યા છે:

• COGIPF_NATIVEQUERY
• COGIPF_RUNJOB
• COGIPF_RUNJOBSTEP
• COGIPF_RUNREPORT
• COGIPF_EDITQUERY

અન્ય ઓછા ઉપયોગમાં લેવાતા કોષ્ટકો પર પ્લસ:

• COGIPF_POWERPLAY
• COGIPF_HUMANTASKSERVICE
• COGIPF_HUMANTASKSERVICE_DETAIL

તમે આનો ઉપયોગ પ્રારંભિક બિંદુ તરીકે કરી શકો છો, પરંતુ હું તમારી સંસ્થા માટે શ્રેષ્ઠ જવાબ મેળવવા માટે ઉપરના પ્રશ્નોના જવાબ આપવાની કવાયતમાંથી પસાર થઈશ.

અન્ય બાબતો

1. એફએમ મોડેલનું ઓડિટ કરો. યાદ રાખો કે ફ્રેમવર્ક મેનેજર મોડેલ જે IBM પ્રદાન કરે છે તે મૂળભૂત કોષ્ટકો અને ક્ષેત્રો પર મોડેલ થયેલ છે. તમે રિપોર્ટિંગ કોષ્ટકોમાં કરો છો તે કોઈપણ ફેરફારને મોડેલમાં પ્રતિબિંબિત કરવાની જરૂર પડશે. આ ફેરફારોની સરળતા અથવા જટિલતા - અથવા આ ફેરફારો કરવા માટેની તમારી સંસ્થાકીય ક્ષમતા - તમે પસંદ કરેલા સોલ્યુશનને અસર કરી શકે છે.
2. વધારાના ક્ષેત્રો. જો તમે તે કરવા જઈ રહ્યા છો, તો હવે ઓડિટ રિપોર્ટિંગને સુધારવા માટે સંદર્ભ અથવા સંદર્ભ ડેટા માટે વધારાના ક્ષેત્રો ઉમેરવાનો સમય છે.
3. સારાંશ કોષ્ટકો. ફક્ત તમારા historicalતિહાસિક કોષ્ટકમાં ડેટાની નકલ કરવાને બદલે, તેને સંકુચિત કરો. તમે ડેટાને દિવસના સ્તરે એકત્રિત કરી શકો છો જેથી તેને રિપોર્ટિંગ માટે વધુ કાર્યક્ષમ બનાવી શકાય.
4. કોષ્ટકોને બદલે દૃશ્યો. અન્ય લોકો કહે છે, "તેથી, 'વર્તમાન' ડેટાબેઝ અને 'historicalતિહાસિક' ડેટાબેઝ હોવાને બદલે, તમારી પાસે માત્ર એક ડેટાબેઝ હોવો જોઈએ, અને તેમાંના તમામ કોષ્ટકો 'historicalતિહાસિક' સાથે ઉપસર્ગ હોવા જોઈએ. તે પછી, તમારે દૃશ્યોનો સમૂહ બનાવવો જોઈએ, દરેક કોષ્ટક માટે એક કે જેને તમે 'વર્તમાન' તરીકે જોવા માંગો છો, અને દરેક દૃશ્યને તે historicalતિહાસિક પંક્તિઓને ફિલ્ટર કરો કે જેને તમે જોવા માંગતા નથી અને ફક્ત વર્તમાનને જ પસાર થવા દો. "
   https://softwareengineering.stackexchange.com/questions/276395/two-database-architecture-operational-and-historical/276419#276419

ઉપસંહાર

નીચે લીટી એ છે કે અહીં આપેલી માહિતી સાથે તમારે તમારા DBA સાથે ઉત્પાદક વાતચીત કરવા માટે સારી રીતે તૈયાર રહેવું જોઈએ. તકો સારી છે કે તેણીએ અગાઉ સમાન સમસ્યાઓ હલ કરી છે.

કોગ્નોસ ઓડિટ ડેટાબેઝ આર્કિટેક્ચરમાં સૂચિત ફેરફારો સીધા રિપોર્ટિંગ તેમજ તૃતીય-પક્ષ એપ્લિકેશન્સ જે તેના પર આધાર રાખે છે, બંનેમાં કામગીરીમાં સુધારો કરશે, જેમ કે Motio'ઓ ReportCard અને ઈન્વેન્ટરી.

માર્ગ દ્વારા, જો તમે તમારા DBA સાથે તે વાતચીત કરી હોય, તો અમને તેના વિશે સાંભળવું ગમશે. અમને એ પણ સાંભળવું ગમશે કે જો તમે ખરાબ પ્રદર્શન કરતા ઓડિટ ડેટાબેઝના મુદ્દાને હલ કર્યો છે અને તમે તે કેવી રીતે કર્યું છે.