testdatatools
Entwickler-Tools · Modell- und Szenario-Generierung

DATAMIMIC CE

DATAMIMIC CE ist eine lokale Python-Laufzeit für modellbasierte Testdaten. XML-Modelle beschreiben Regeln, Beziehungen und Ausgabeziele. Python- und CLI-Schnittstellen unterstützen Entwickler- und CI-Abläufe. 1

Quellen geprüft

Hersteller / Projekt: rapiddweller

Wann passt es?

Kommt für lokal versionierte XML-Modelle und explizite Testfälle infrage. Eine Wertebibliothek kann bei kleinen Fixtures weniger Einrichtung benötigen. 1

Die Eignung hängt weiterhin von euren Muss-Anforderungen ab.

Was solltest du vor der Auswahl prüfen?

Personenbezogene Felder und Transformationsregeln werden manuell festgelegt. Für Replay Versionen und Eingaben fixieren; ein Seed allein belegt keine identischen Ergebnisse in jeder Umgebung. Das veröffentlichte SQL-Auswahlbeispiel belegt keinen automatischen Mehrtabellen-Abschluss. 1 · 2

Was muss dein PoC beweisen?

Ein verbundenes Eltern-Kind-Fixture und einen bewusst ungültigen Fall erzeugen. Laufzeit und Abhängigkeiten fixieren. Mit explizitem Seed und Referenzzeit wiederholen, fachliche Ergebnisse getrennt von Hashes prüfen und das Modell lokal frisch wiederherstellen.

Abnahmeplan, kein Produkttestergebnis. Prüfumfang und Grenzen.

Betrieb und Lizenz

datamimic-ce mit pip installieren und in eigener Umgebung über Python oder CLI ausführen. Abhängigkeiten und Bereinigung bleiben eure Verantwortung. 1

CE unter MIT-Lizenz. Enterprise wird separat lizenziert. 1

Lizenzierte Version und Betriebsvoraussetzungen bestätigen.

So arbeitest du damit

Modelle und Eingaben versionieren, lokal oder in CI ausführen und Ausgaben prüfen. Enterprise ergänzt gemeinsame Projekt- und Task-Verwaltung. Exportierte Enterprise-Modelle benötigen CE-unterstützte Funktionen, Eingaben und Abhängigkeiten; Austauschbarkeit zuerst lokal prüfen. 1

Export belegt keine Kompatibilität mit einer anderen Laufzeit.

Dokumentierte Fähigkeiten

De-Identifizierung / MaskierungFeldersetzungen im Modell festlegen
Subsetting / TeilmengenplanungSQLite-SQL-Zeilenauswahl · CE 4.3.0
DatenvirtualisierungUngeklärt

Dokumentation ist kein gemessener Benchmark. Ungeklärt bedeutet fehlende Belege; die Vergleichsmatrix erklärt die Lücke.

Quellen und Geltungsbereich

Quellen können unterschiedliche Versionen beschreiben; sie belegen keine gemessene Leistung.

Zitierte Quellen öffnen (6)
  1. rapiddweller/datamimic repository

    CE package installation, Python/CLI APIs, optional local MCP adapter, MIT license, manual pseudonymization and the explicit CE replay test boundary.

    Quelle geprüft: 2026-10-11
  2. Upgrade your models from DATAMIMIC 3.5 to 4.0

    Exact replay boundary; requires same engine version, complete deterministic inputs, explicit seed, execution topology, deterministic serialization and ordering; ML is excluded; date behavior depends on the seeded reference clock.

    Quelle geprüft: 2026-10-11
  3. Date and Time Generation

    Relative date windows use a runtime clock anchor; seeded execution uses deterministic runtime clock, while unseeded execution reads live clock.

    Quelle geprüft: 2026-10-01
  4. Database and other source selection contracts

    SQL selectors and source read semantics; distinguishes Platform-owned environment configuration from model execution.

    Quelle geprüft: 2026-10-01
  5. Iterate source traversal

    Source records and parent context for explicit child transformations and target generation.

    Quelle geprüft: 2026-10-01
  6. Vendor-authored CE 4.3.0 SQLite selection example

    Public executable CE 4.3.0 model uses SQL WHERE/ORDER BY to select source rows. Used only for the vendor’s own code example, not claims about Delphix. Not independently repeated here; no automatic graph-closure inference.

    Quelle geprüft: 2026-10-11

Nutze dieselben Abnahmeprüfungen für deine engere Auswahl