Wann kommt es infrage?
Geeignet für Teams, die kleinere, realistische Kopien bestehender Anwendungsdatenbanken benötigen, in denen sensible Felder transformiert und Beziehungen erhalten bleiben.
Redaktionelle Einordnung anhand der unten genannten Quellen.Welche Grenzen sind wichtig?
Das Produkt arbeitet mit vorhandenen Quelldaten. Für ein Zielschema ohne repräsentative Quelldatensätze eignet sich ein Generator für Daten von Grund auf. Die Connector-Unterstützung für Subsetting variiert.
Welche Fähigkeiten sind dokumentiert?
Dokumentiert bedeutet: Eine zitierte Herstellerquelle beschreibt diese eingegrenzte Fähigkeit. Nicht verifiziert bedeutet: Die geprüften Belege bestätigen sie nicht. Beides ist kein praktisches Testergebnis.
Wie wird es betrieben und lizenziert?
Die aktuellen öffentlichen Produktseiten beschreiben Structural, legen jedoch kein einzelnes Bereitstellungsmodell fest. Hosting-Optionen sollten bei Tonic bestätigt werden.
Aktuelle öffentliche Preise und Lizenzbedingungen ließen sich in der geprüften Produktdokumentation nicht feststellen. Für ein Angebot ist Tonic zu kontaktieren.
Quellen und Geltungsbereich
- Tonic Structural | Test Data Management & Data Masking
Product positioning, masking techniques, and the distinction from from-scratch generation.
Quelle geprüft: 2026-10-01 - About subsetting | Tonic Structural documentation
Structural subsetting uses configured filters on target tables to form a related subset.
Quelle geprüft: 2026-10-01 - Table filtering for data warehouses and Spark-based data connectors
Some Structural connectors do not support subsetting, so avoid universal connector claims.
Quelle geprüft: 2026-10-01
Was solltest du im Proof of Concept prüfen?
- Deine Datenbankversion, Schema-Constraints und Zielformate.
- Konkretes Produkt, Edition, Deployment und Lizenzumfang.
- Fachliche Sollwerte und die Bedeutung von Wiederholbarkeit für deinen Output.
- Fehlgeschlagenen Lauf, Bereinigung und Wiederholung mit kontrollierten Eingaben.