DBMS — MCQ Practice

Hindi aur English dono mein practice karo — click karo answer check karne ke liye

📚 138 Questions 🌐 Hindi + English ✅ Free
भाषा / Language:
138 questions
121
EN + हिं Medium
GB What is the fundamental difference between conceptual, logical, and physical data models?
IN वैचारिक, तार्किक और भौतिक डेटा मॉडल के बीच मूलभूत अंतर क्या है?
A
Conceptual: high-level business concepts; logical: entities, attributes, keys, DBMS-agnostic; physical: exact DBMS-specific implementation (tables, indexes, partitions) वैचारिक: उच्च स्तरीय व्यावसायिक अवधारणाएँ; तार्किक: इकाइयाँ, विशेषताएँ, कुंजियाँ, DBMS-अज्ञेयवादी; भौतिक: सटीक DBMS-विशिष्ट कार्यान्वयन (तालिकाओं, अनुक्रमणिका, विभाजन)
B
Conceptual is implemented first; logical and physical are theoretical संकल्पनात्मक को पहले क्रियान्वित किया जाता है; तार्किक और भौतिक सैद्धांतिक हैं
C
They are the same model at different levels of completeness पूर्णता के विभिन्न स्तरों पर वे एक ही मॉडल हैं
D
Conceptual for SQL; logical for NoSQL; physical for files एसक्यूएल के लिए संकल्पनात्मक; NoSQL के लिए तार्किक; फ़ाइलों के लिए भौतिक
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Three-level data modeling: Conceptual (business entities and relationships, technology-agnostic), Logical (entities, attributes, primary/foreign keys, normalized - DBMS-agnostic), Physical (actual tables, data types, indexes, partitioning - DBMS-specific implementation).
व्याख्या (हिन्दी) तीन-स्तरीय डेटा मॉडलिंग: वैचारिक (व्यावसायिक संस्थाएं और रिश्ते, प्रौद्योगिकी-अज्ञेयवादी), तार्किक (इकाइयां, गुण, प्राथमिक/विदेशी कुंजी, सामान्यीकृत - डीबीएमएस-अज्ञेयवादी), भौतिक (वास्तविक तालिकाएं, डेटा प्रकार, अनुक्रमित, विभाजन - डीबीएमएस-विशिष्ट कार्यान्वयन)।
122
EN + हिं Medium
GB Which data model best supports multi-valued attributes natively without normalization?
IN कौन सा डेटा मॉडल सामान्यीकरण के बिना मूल रूप से बहु-मूल्यवान विशेषताओं का सबसे अच्छा समर्थन करता है?
A
Hierarchical model पदानुक्रमित मॉडल
B
Network model नेटवर्क मॉडल
C
Object-oriented model and document model ऑब्जेक्ट-ओरिएंटेड मॉडल और दस्तावेज़ मॉडल
D
Relational model संबंधपरक मॉडल
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Relational model requires normalization to handle multi-valued attributes (separate table + foreign key). Object-oriented and document models natively support arrays, collections, and nested objects for multi-valued attributes.
व्याख्या (हिन्दी) संबंधपरक मॉडल को बहु-मूल्यवान विशेषताओं (अलग तालिका + विदेशी कुंजी) को संभालने के लिए सामान्यीकरण की आवश्यकता होती है। ऑब्जेक्ट-ओरिएंटेड और दस्तावेज़ मॉडल मूल रूप से बहु-मूल्यवान विशेषताओं के लिए सरणी, संग्रह और नेस्टेड ऑब्जेक्ट का समर्थन करते हैं।
123
EN + हिं Medium
GB What is the purpose of a junction table (bridge or associative entity)?
IN जंक्शन टेबल (ब्रिज या सहयोगी इकाई) का उद्देश्य क्या है?
A
To store computed/derived attributes परिकलित/व्युत्पन्न विशेषताओं को संग्रहीत करने के लिए
B
To store audit logs of data changes डेटा परिवर्तनों के ऑडिट लॉग संग्रहीत करने के लिए
C
To cache frequently accessed data बार-बार एक्सेस किए गए डेटा को कैश करने के लिए
D
To resolve many-to-many relationships between two entities into two one-to-many relationships in the relational model संबंधपरक मॉडल में दो संस्थाओं के बीच अनेक-से-अनेक संबंधों को दो एक-से-अनेक संबंधों में हल करना
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Many-to-many relationships cannot be directly represented in relational tables. A junction/bridge table sits between two entities, holding foreign keys to both, effectively breaking the M:N into two 1:N relationships.
व्याख्या (हिन्दी) अनेक-से-अनेक संबंधों को सीधे संबंधपरक तालिकाओं में प्रदर्शित नहीं किया जा सकता है। एक जंक्शन/ब्रिज टेबल दो संस्थाओं के बीच बैठती है, दोनों के लिए विदेशी कुंजी रखती है, प्रभावी ढंग से एम: एन को दो 1: एन रिश्तों में तोड़ देती है।
124
EN + हिं Easy
GB What is the temporal data model and what problem does it solve?
IN अस्थायी डेटा मॉडल क्या है और यह किस समस्या का समाधान करता है?
A
A model for time-series sensor data only केवल समय-श्रृंखला सेंसर डेटा के लिए एक मॉडल
B
A model that stores only timestamps एक मॉडल जो केवल टाइमस्टैम्प संग्रहीत करता है
C
A model that optimizes time-based query performance एक मॉडल जो समय-आधारित क्वेरी प्रदर्शन को अनुकूलित करता है
D
A model that tracks time-varying data recording history with valid-time (when true in reality) and transaction-time (when recorded in DB) dimensions एक मॉडल जो समय-भिन्न डेटा रिकॉर्डिंग इतिहास को वैध-समय (वास्तविकता में सही होने पर) और लेनदेन-समय (डीबी में दर्ज होने पर) आयामों के साथ ट्रैक करता है
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Temporal databases model data that changes over time. Bitemporal data has valid time (when a fact was true in the real world) and transaction time (when it was recorded in the database). Enables historical queries, auditing, and what-if analysis.
व्याख्या (हिन्दी) टेम्पोरल डेटाबेस मॉडल डेटा जो समय के साथ बदलता है। बिटेम्पोरल डेटा में वैध समय (जब कोई तथ्य वास्तविक दुनिया में सत्य था) और लेनदेन का समय (जब यह डेटाबेस में दर्ज किया गया था) होता है। ऐतिहासिक प्रश्न, ऑडिटिंग और क्या-क्या विश्लेषण सक्षम बनाता है।
125
EN + हिं Medium
GB What is the entity-attribute-value (EAV) data models main disadvantage?
IN इकाई-विशेषता-मूल्य (ईएवी) डेटा मॉडल का मुख्य नुकसान क्या है?
A
Data retrieval requires complex pivoting, referential integrity is difficult to enforce, and performance is poor for queries accessing multiple attributes डेटा पुनर्प्राप्ति के लिए जटिल पिवोटिंग की आवश्यकता होती है, संदर्भात्मक अखंडता को लागू करना मुश्किल होता है, और एकाधिक विशेषताओं तक पहुंचने वाले प्रश्नों के लिए प्रदर्शन खराब होता है
B
It does not support text values यह पाठ मानों का समर्थन नहीं करता
C
It can only store numeric attributes यह केवल संख्यात्मक विशेषताओं को संग्रहीत कर सकता है
D
It cannot store NULL values यह NULL मान संग्रहीत नहीं कर सकता
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) EAV is flexible for sparse/dynamic attributes but has severe drawbacks: querying multiple attributes requires many self-joins or pivots (extremely slow), no type safety on values, no easy referential integrity, poor query performance, and complex SQL.
व्याख्या (हिन्दी) ईएवी विरल/गतिशील विशेषताओं के लिए लचीला है, लेकिन इसमें गंभीर कमियां हैं: कई विशेषताओं को क्वेरी करने के लिए कई सेल्फ-जॉइन या पिवोट्स (बेहद धीमी) की आवश्यकता होती है, मूल्यों पर कोई प्रकार की सुरक्षा नहीं, कोई आसान संदर्भात्मक अखंडता नहीं, खराब क्वेरी प्रदर्शन और जटिल एसक्यूएल।
126
EN + हिं Medium
GB In property graph models (Neo4j) what can both nodes and edges have?
IN प्रॉपर्टी ग्राफ़ मॉडल (Neo4j) में नोड्स और किनारों दोनों में क्या हो सकता है?
A
Only nodes can have properties; edges cannot केवल नोड्स में गुण हो सकते हैं; किनारे नहीं कर सकते
B
Only edges can have properties केवल किनारों में ही गुण हो सकते हैं
C
Neither nodes nor edges can have properties न तो नोड्स और न ही किनारों में गुण हो सकते हैं
D
Both nodes and edges can have key-value property maps and labels/types नोड्स और किनारों दोनों में कुंजी-मूल्य संपत्ति मानचित्र और लेबल/प्रकार हो सकते हैं
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) In property graph model: nodes (vertices) have labels (types) and properties (key-value pairs). Edges (relationships) also have types and properties. This makes it highly expressive - relationships can carry meaningful metadata.
व्याख्या (हिन्दी) प्रॉपर्टी ग्राफ़ मॉडल में: नोड्स (शीर्ष) में लेबल (प्रकार) और गुण (कुंजी-मूल्य जोड़े) होते हैं। किनारों (रिश्ते) के भी प्रकार और गुण होते हैं। यह इसे अत्यधिक अभिव्यंजक बनाता है - रिश्ते सार्थक मेटाडेटा ले जा सकते हैं।
127
EN + हिं Easy
GB What is data denormalization and when is it appropriate?
IN डेटा असामान्यीकरण क्या है और यह कब उचित है?
A
Deliberate introduction of redundancy to improve read query performance appropriate in read-heavy analytical systems where write overhead is acceptable रीड-हैवी विश्लेषणात्मक प्रणालियों में जहां राइट ओवरहेड स्वीकार्य है, रीड क्वेरी प्रदर्शन को बेहतर बनाने के लिए अतिरेक का जानबूझकर परिचय
B
Converting a database from one DBMS to another डेटाबेस को एक DBMS से दूसरे DBMS में परिवर्तित करना
C
Removing all constraints from a database table डेटाबेस तालिका से सभी बाधाओं को हटाना
D
Always a mistake that violates database principles हमेशा एक गलती जो डेटाबेस सिद्धांतों का उल्लंघन करती है
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Denormalization adds controlled redundancy: combining tables or duplicating data to reduce JOINs and improve read performance. Appropriate for OLAP/data warehouses, reporting databases, and NoSQL document stores where reads vastly outnumber writes.
व्याख्या (हिन्दी) असामान्यकरण नियंत्रित अतिरेक जोड़ता है: JOIN को कम करने और पढ़ने के प्रदर्शन में सुधार करने के लिए तालिकाओं का संयोजन या डेटा की डुप्लिकेटिंग। OLAP/डेटा वेयरहाउस, रिपोर्टिंग डेटाबेस और NoSQL दस्तावेज़ स्टोर के लिए उपयुक्त जहां पढ़ने की संख्या लिखने की तुलना में बहुत अधिक है।
128
EN + हिं Medium
GB What distinguishes a fact table from a dimension table in a dimensional data model?
IN एक आयामी डेटा मॉडल में एक तथ्य तालिका को एक आयाम तालिका से क्या अलग करता है?
A
Fact tables store quantitative measurable business events with foreign keys; dimension tables store descriptive context attributes (who, what, where, when) about those events तथ्य तालिकाएँ विदेशी कुंजियों के साथ मात्रात्मक मापने योग्य व्यावसायिक घटनाओं को संग्रहीत करती हैं; आयाम तालिकाएँ उन घटनाओं के बारे में वर्णनात्मक संदर्भ विशेषताएँ (कौन, क्या, कहाँ, कब) संग्रहीत करती हैं
B
They are identical in structure वे संरचना में समान हैं
C
Fact tables store historical data; dimension tables store current data only तथ्य तालिकाएँ ऐतिहासिक डेटा संग्रहीत करती हैं; आयाम तालिकाएँ केवल वर्तमान डेटा संग्रहीत करती हैं
D
Fact tables are indexed; dimension tables are not तथ्य तालिकाएँ अनुक्रमित हैं; आयाम तालिकाएँ नहीं हैं
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Fact table: measurable numerical metrics (revenue, quantity, clicks) and foreign keys to dimensions. Dimension tables: descriptive, textual, hierarchical attributes (Customer name, Product category, Date month/year) providing context.
व्याख्या (हिन्दी) तथ्य तालिका: मापने योग्य संख्यात्मक मेट्रिक्स (राजस्व, मात्रा, क्लिक) और आयामों के लिए विदेशी कुंजी। आयाम तालिकाएँ: वर्णनात्मक, पाठ्य, श्रेणीबद्ध विशेषताएँ (ग्राहक का नाम, उत्पाद श्रेणी, दिनांक माह/वर्ष) संदर्भ प्रदान करती हैं।
129
EN + हिं Medium
GB The RDF (Resource Description Framework) data model represents data as:
IN आरडीएफ (संसाधन विवरण फ्रेमवर्क) डेटा मॉडल डेटा को इस प्रकार दर्शाता है:
A
Relational tables with XML serialization XML क्रमांकन के साथ संबंधपरक तालिकाएँ
B
Binary files with metadata headers मेटाडेटा हेडर के साथ बाइनरी फ़ाइलें
C
Subject-Predicate-Object triples forming a semantic graph विषय-विधेय-वस्तु त्रिगुण एक अर्थपूर्ण ग्राफ बनाते हैं
D
Key-value pairs with resource identifiers संसाधन पहचानकर्ताओं के साथ कुंजी-मूल्य जोड़े
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) RDF represents knowledge as triples: (Subject, Predicate, Object) e.g., (John, hasAge, 30). These triples form a directed labeled graph. Used in semantic web, linked data, and knowledge graphs (like Wikidata).
व्याख्या (हिन्दी) आरडीएफ ज्ञान को त्रिगुणों के रूप में दर्शाता है: (विषय, विधेय, वस्तु) उदाहरण के लिए, (जॉन, हैज़एज, 30)। ये त्रिगुण एक निर्देशित लेबल ग्राफ बनाते हैं। सिमेंटिक वेब, लिंक्ड डेटा और नॉलेज ग्राफ़ (जैसे विकिडेटा) में उपयोग किया जाता है।
130
EN + हिं Easy
GB What is a recursive relationship in data modeling?
IN डेटा मॉडलिंग में पुनरावर्ती संबंध क्या है?
A
A relationship spanning multiple databases अनेक डेटाबेस तक फैला हुआ संबंध
B
A relationship defined in stored procedures संग्रहित प्रक्रियाओं में परिभाषित एक संबंध
C
A relationship where an entity is associated with itself e.g., Employee manages Employee (manager-subordinate hierarchy) एक रिश्ता जहां एक इकाई स्वयं से जुड़ी होती है, उदाहरण के लिए, कर्मचारी कर्मचारी का प्रबंधन करता है (प्रबंधक-अधीनस्थ पदानुक्रम)
D
A relationship involving more than three entities ऐसा संबंध जिसमें तीन से अधिक इकाइयां शामिल हों
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) A recursive (unary) relationship is between instances of the same entity type. Classic example: Employee entity with manages relationship (an employee manages other employees), or Category entity with is_subcategory_of relationship.
व्याख्या (हिन्दी) एक पुनरावर्ती (एकात्मक) संबंध एक ही इकाई प्रकार के उदाहरणों के बीच होता है। उत्कृष्ट उदाहरण: कर्मचारी इकाई रिश्ते का प्रबंधन करती है (एक कर्मचारी अन्य कर्मचारियों का प्रबंधन करता है), या श्रेणी इकाई is_subcategory_of रिश्ते के साथ।
131
EN + हिं Easy
GB What distinguishes a weak entity from a strong entity and what is a discriminator?
IN एक कमजोर इकाई को एक मजबूत इकाई से क्या अलग करता है और एक विभेदक क्या है?
A
Weak entities do not participate in relationships कमज़ोर संस्थाएँ रिश्तों में भाग नहीं लेतीं
B
Weak entities have more attributes than strong entities कमजोर संस्थाओं में मजबूत संस्थाओं की तुलना में अधिक गुण होते हैं
C
A weak entity cannot be uniquely identified by its own attributes alone and depends on a parent entity for identification; the discriminator is the partial key distinguishing weak entities with the same owner एक कमजोर इकाई को केवल उसकी अपनी विशेषताओं के आधार पर विशिष्ट रूप से पहचाना नहीं जा सकता है और पहचान के लिए मूल इकाई पर निर्भर करता है; विभेदक एक आंशिक कुंजी है जो कमजोर संस्थाओं को एक ही मालिक से अलग करती है
D
Weak entities cannot have primary keys at all कमज़ोर संस्थाओं के पास प्राथमिक कुंजियाँ बिल्कुल नहीं हो सकतीं
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Weak entity: has no complete primary key of its own. Identified by combining its discriminator (partial key) with the primary key of its identifying/owner strong entity. Example: Order_Item (identified by item_number + Order_ID).
व्याख्या (हिन्दी) कमजोर इकाई: इसकी अपनी कोई पूर्ण प्राथमिक कुंजी नहीं है। इसकी पहचान/स्वामी मजबूत इकाई की प्राथमिक कुंजी के साथ इसके विवेचक (आंशिक कुंजी) को जोड़कर इसकी पहचान की जाती है। उदाहरण: ऑर्डर_आइटम (आइटम_नंबर + ऑर्डर_आईडी द्वारा पहचाना गया)।
132
EN + हिं Easy
GB What is polyglot persistence in modern application data architecture?
IN आधुनिक एप्लिकेशन डेटा आर्किटेक्चर में पॉलीग्लॉट पर्सिस्टेंस क्या है?
A
Using multiple programming languages to query a single database एकल डेटाबेस को क्वेरी करने के लिए एकाधिक प्रोग्रामिंग भाषाओं का उपयोग करना
B
Storing data in multiple geographic locations अनेक भौगोलिक स्थानों में डेटा संग्रहीत करना
C
Using different types of databases (relational, document, graph, key-value) for different parts of an application based on data requirements डेटा आवश्यकताओं के आधार पर किसी एप्लिकेशन के विभिन्न भागों के लिए विभिन्न प्रकार के डेटाबेस (संबंधपरक, दस्तावेज़, ग्राफ़, कुंजी-मूल्य) का उपयोग करना
D
Using multiple SQL dialects in the same application एक ही एप्लिकेशन में एकाधिक SQL बोलियों का उपयोग करना
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Polyglot persistence: using the right database technology for each use case. E.g., PostgreSQL for transactional data, Redis for caching/sessions, Neo4j for social graphs, Elasticsearch for full-text search, Cassandra for time-series data.
व्याख्या (हिन्दी) पॉलीग्लॉट दृढ़ता: प्रत्येक उपयोग के मामले के लिए सही डेटाबेस तकनीक का उपयोग करना। उदाहरण के लिए, लेन-देन संबंधी डेटा के लिए PostgreSQL, कैशिंग/सत्रों के लिए Redis, सामाजिक ग्राफ़ के लिए Neo4j, पूर्ण-पाठ खोज के लिए Elasticsearch, समय-श्रृंखला डेटा के लिए कैसेंड्रा।
133
EN + हिं Medium
GB What is the open world assumption and how does it differ from the closed world assumption?
IN खुली दुनिया की धारणा क्या है और यह बंद दुनिया की धारणा से कैसे भिन्न है?
A
Open world is for distributed databases; closed world for centralized खुली दुनिया वितरित डेटाबेस के लिए है; केंद्रीकृत के लिए बंद दुनिया
B
Open world means anyone can access data; closed world restricts access खुली दुनिया का मतलब है कि कोई भी डेटा तक पहुंच सकता है; बंद दुनिया पहुंच को प्रतिबंधित करती है
C
Open world: absence of information means unknown (ontologies/semantic web); closed world: absence means false (RDBMS). Open world allows incomplete information without assuming falsehood खुली दुनिया: जानकारी के अभाव का अर्थ है अज्ञात (ऑन्टोलॉजी/सिमेंटिक वेब); बंद दुनिया: अनुपस्थिति का अर्थ है मिथ्या (आरडीबीएमएस)। खुली दुनिया झूठ को माने बिना अधूरी जानकारी की अनुमति देती है
D
They are identical assumptions with different names वे भिन्न-भिन्न नामों वाली समान धारणाएँ हैं
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) CWA (RDBMS): if a fact is not in the database, it is assumed false (Joe has no phone if not listed). OWA (ontologies/RDF): absence means we simply do not know (Joe might have a phone). This affects query semantics.
व्याख्या (हिन्दी) सीडब्ल्यूए (आरडीबीएमएस): यदि कोई तथ्य डेटाबेस में नहीं है, तो इसे गलत माना जाता है (यदि सूचीबद्ध नहीं है तो जो के पास कोई फोन नहीं है)। ओडब्ल्यूए (ऑन्टोलॉजीज/आरडीएफ): अनुपस्थिति का मतलब है कि हम बस नहीं जानते (जो के पास फोन हो सकता है)। यह क्वेरी शब्दार्थ को प्रभावित करता है.
134
EN + हिं Medium
GB What columnar data model characteristic makes it suitable for OLAP?
IN कौन सी स्तंभ डेटा मॉडल विशेषता इसे OLAP के लिए उपयुक्त बनाती है?
A
It eliminates the need for indexes यह अनुक्रमणिका की आवश्यकता को समाप्त कर देता है
B
It can only store one column per table यह प्रति टेबल केवल एक कॉलम स्टोर कर सकता है
C
Storing values of each column contiguously enables high compression ratios and allows reading only required columns dramatically reducing I/O for aggregation queries प्रत्येक कॉलम के मूल्यों को लगातार संग्रहीत करने से उच्च संपीड़न अनुपात सक्षम हो जाता है और एकत्रीकरण प्रश्नों के लिए नाटकीय रूप से I/O को कम करके केवल आवश्यक कॉलम पढ़ने की अनुमति मिलती है।
D
It stores data in alphabetical order यह डेटा को वर्णानुक्रम में संग्रहीत करता है
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Columnar storage stores each column values contiguously. Benefits: same-type data compresses well (run-length encoding, dictionary encoding), analytical queries that touch few columns only read those columns I/O, vectorized processing of column data.
व्याख्या (हिन्दी) कॉलमर स्टोरेज प्रत्येक कॉलम मानों को सन्निहित रूप से संग्रहीत करता है। लाभ: समान प्रकार का डेटा अच्छी तरह से संपीड़ित होता है (रन-लेंथ एन्कोडिंग, डिक्शनरी एन्कोडिंग), विश्लेषणात्मक प्रश्न जो कुछ कॉलमों को छूते हैं, केवल उन कॉलम I/O को पढ़ते हैं, कॉलम डेटा का वेक्टरकृत प्रसंस्करण।
135
EN + हिं Medium
GB What is schema evolution in data modeling and why is it challenging?
IN डेटा मॉडलिंग में स्कीमा विकास क्या है और यह चुनौतीपूर्ण क्यों है?
A
The process of modifying the database schema over time as requirements change challenging because it requires updating existing data, queries, application code, and possibly complex data migrations समय के साथ आवश्यकताएँ बदलने पर डेटाबेस स्कीमा को संशोधित करने की प्रक्रिया चुनौतीपूर्ण होती है क्योंकि इसमें मौजूदा डेटा, क्वेरीज़, एप्लिकेशन कोड और संभवतः जटिल डेटा माइग्रेशन को अपडेट करने की आवश्यकता होती है।
B
Changing the ER diagram colors and notation ईआर आरेख के रंग और अंकन को बदलना
C
Converting ER models between different notations विभिन्न नोटेशन के बीच ईआर मॉडल परिवर्तित करना
D
Adding new ER models to complement existing ones मौजूदा मॉडलों के पूरक के लिए नए ईआर मॉडल जोड़ना
✅ Correct Answer:
💡 Explanation / व्याख्या
Explanation (English) Schema evolution: changing database schema over time (adding columns, changing types, restructuring relationships). Challenging because: existing data must be migrated, application queries must be updated, changes must be backward compatible, and migrations in production systems risk data loss.
व्याख्या (हिन्दी) स्कीमा विकास: समय के साथ डेटाबेस स्कीमा बदलना (कॉलम जोड़ना, प्रकार बदलना, रिश्तों का पुनर्गठन)। चुनौतीपूर्ण है क्योंकि: मौजूदा डेटा को माइग्रेट किया जाना चाहिए, एप्लिकेशन क्वेरीज़ को अपडेट किया जाना चाहिए, परिवर्तन पिछड़े संगत होने चाहिए, और उत्पादन प्रणालियों में माइग्रेशन से डेटा हानि का जोखिम होता है।
121–135 of 138