答案只有一個——使用工具：）。這方面的商業工具有 Quest 公司的 DataFactory 工具，幾乎可以產生任何你所需要的數據。不過，作為開源工具的提倡者，我今天要介紹的，是一個可用于這個目的的開源測試工具 DBMonster。
DBMonster ( http://dbmonster.kernelpanic.pl )是一個Java的開源項目，通過JDBC方式連接數據庫，因此可以在任何支持Java和JDBC的平臺上運行。DBMonster開發的原意是為數據庫開發者服務，可以協助產生大量的規則或不規則數據，便于數據庫開發者基于這些數據進行數據庫的調優。
DBMonster通過兩個XML文件（配置文件 和 schema文件）控制數據產生的行為，配置文件指明需要連接的數據庫、連接使用的用戶名和口令、需要操作的sheme、重試次數等全局設置，而scheme文件則指明針對每張數據表的每個字段產生數據的規則。
DBMonster的下載和安裝
DBMonster的下載和安裝非常簡單，直接從sourceforge上下載dbmonster-core，解壓到本地的任一目錄即可。如果需要DBMonster和Ant的集成，則還需下載dbmonster-ant。DBMonster的運行
DBMonser的運行也很簡單，DBMonster解壓后的bin目錄中有dbmonster.bat和dbmonster文件，如果是在windows平臺上，則可以直接運行dbmonster.bat文件；如果是在Unix平臺上，則運行dbmonster文件。DBMonster運行時的主要參數是-c和-s，分別指明配置文件和schema文件的位置。缺省的配置文件位于DBMonster的安裝目錄下，名稱是dbmonster.properties。例如，如果我們使用缺省的配置文件，指明schema文件為test-schema.xml，則命令行為：
dbmonster -s test-schema.xml
DBMonster的配置文件
缺省的配置文件位于DBMonster的安裝目錄下，名稱是dbmonster.properties。其內容如下（以Oracle為例，其他的數據庫類型請自行修改JDBC驅動名稱、數據庫連接字符串等內容）：dbmonster.jdbc.driver=oracle.jdbc.driver.OracleDriver dbmonster.jdbc.url=jdbc:oracle:thin:@testdb:1521:test dbmonster.jdbc.username=student dbmonster.jdbc.password=123456 dbmonster.jdbc.transaction.size=50 # for Oracle and other schema enabled databases dbmonster.jdbc.schema=student # maximal number of (re)tries dbmonster.max-tries=1000 # default rows number for SchemaGrabber dbmonster.rows=1000 # progres monitor class dbmonster.progress.monitor=pl.kernelpanic.dbmonster.ProgressMonitorAdapter
DBMonster的schema文件
schema文件描述了產生數據的規則，在DBMonster中，數據的產生是通過Generator生成的，DBMonster中缺省的數據Generator包括兩個Key Generator（用于產生不重復的數據，分別為MaxKeyGenerator和StringKeyGenerator）和 10 個Data Generator。以下簡單說明一下Data Generator的使用。BinaryGenerator用于從外部文件中獲取二進制數據并插入相應字段，該Generator有兩個屬性，分別為file和nulls，file屬性描述數據來源，而nulls屬性則給出該字段生成null的幾率。
BooleanGenerator用于產生bool型數據，該Generator包括兩個屬性，分別為probability和nulls，probability屬性描述產生true值數據的幾率，nulls屬性給出生成null的幾率。
ConstantGenerator用于產生固定值的數據，該Generator只有一個屬性constant，給出要插入數據庫的值；
DateTimeGenerator用于產生DateTime型數據，該Generator包括四個屬性，分別是startDate，endDate，returnedType和nulls，startDate描述開始時間，endDate描述終止時間，格式為“yyyy-mm-dd hh24:MM:ss”；returnedType描述生成數據的類型，可以為date、time或是timestamp；
DirectoryGenerator用于根據本地文件（字典）的條目向數據庫插入數據，該Generator包括兩個屬性，分別為dictFile和unique，dictFile指明字典文件所在的位置，unique指明產生的數據是unique的還是random的；
ForeignKeyGenerator用于為設置了外鍵的字段生成數據，該Generator包含兩個屬性，分別是tableName和columnName，tableName指明外鍵引用的表名，columnName指明外鍵引用的字段名；
NullGenerator用于產生null類型的數據，該Generator不帶任何參數（只產生null）；
NumberGenerator用戶產生數值類型的數據，該Generator包括5個屬性，分別是minValue、maxValue、returnedType、scale和nulls。其中，minValue和maxValue分別給出產生值的下邊界和上邊界；returnedType給出生成數據的類型，可以是short、integer、long、float、double和numeric類型；scale指明小數位數；nulls表示產生null的幾率；
StringGenerator用于產生字符串類型的數據，該Generator包括5個屬性，分別是minLength、maxLength、allowSpaces、excludeChars和nulls。其中，minLength和maxLength限定了字符串長度；allowSpaces控制字符串中是否包含空格；excludeChars排除產生字符串時不使用的字符；nulls表示產生null的幾率；
StringChoiceGenerator用于從給定的字符串中隨機挑選一個作為字段內容，該Generator包含兩個屬性，分別是choice和nulls。其中choice是以逗號分隔的字符串，逗號分隔開的每個內容是一個字段可用的內容。
例如，如果我們有一張數據表的DDL如下：
CREATE TABLE "TEST"."TEST_DATA" ("INT_ID" NUMBER NOT NULL, "IPADDR" VARCHAR2(15 byte) NOT NULL, "COMPRESS_DAY" DATE NOT NULL, "CPUIDLE" NUMBER, "CPUSYSUTIL" NUMBER, "CPUUSRUTIL" NUMBER, "SYSTEM_LOAD" NUMBER, "MEMRATIO" NUMBER, "MEMFREE" NUMBER, "SWAPFREE" NUMBER, "SWAPRATIO" NUMBER, "BUSY_FLAG" NUMBER(5)) TABLESPACE "TS_IPWEB" PCTFREE 10 PCTUSED 0 INITRANS 1 MAXTRANS 255 STORAGE ( INITIAL 120K NEXT 512K MINEXTENTS 1 MAXEXTENTS 2147483645 PCTINCREASE 0) LOGGING
<?xml version="1.0" encoding="iso-8859-1"?> <!DOCTYPE dbmonster-schema PUBLIC "-//kernelpanic.pl//DBMonster Database Schema DTD 1.1//EN" "http://dbmonster.kernelpanic.pl/dtd/dbmonster-schema-1.1.dtd"> <dbmonster-schema> <name>ipnms</name> <table name="test.test_data" rows="500"> <column name="int_id"> <generator type="pl.kernelpanic.dbmonster.generator.NumberGenerator"> <property name="nulls" value="0"/> <property name="minValue" value="20"/> <property name="maxValue" value="20"/> <property name="returnedType" value="numeric"/> <property name="scale" value="0"/> </generator> </column> <column name="ipaddr"> <generator type="pl.kernelpanic.dbmonster.generator.ConstantGenerator"> <property name="constant" value="10.1.200.201"/> </generator> </column> <column name="compress_day"> <generator type="pl.kernelpanic.dbmonster.generator.DateTimeGenerator"> <property name="nulls" value="0"/> <property name="startDate" value="2006-03-01 00:00:00"/> <property name="endDate" value="2006-03-31 00:00:00"/> <property name="returnedType" value="date"/> </generator> </column> <column name="disk_dir"> <generator type="pl.kernelpanic.dbmonster.generator.ConstantGenerator"> <property name="constant" value="/var/mqm"/> </generator> </column> <column name="disk_device"> <generator type="pl.kernelpanic.dbmonster.generator.ConstantGenerator"> <property name="constant" value="/dev/c0s0t1"/> </generator> </column> <column name="disk_used_rate"> <generator type="pl.kernelpanic.dbmonster.generator.NumberGenerator"> <property name="nulls" value="0"/> <property name="minValue" value="1"/> <property name="maxValue" value="80"/> <property name="returnedType" value="numeric"/> <property name="scale" value="0"/> </generator> </column> </table> </dbmonster-schema>
DBMonster 和 DataFactory 的對比
作為一款開源的數據產生工具，DBMonster與Data Factory想比較，在功能方面DBMonster顯得弱一些，例如，在產生composite類型的字段、在自動查找關聯表方面，DBMonster都只能讓用戶自己解決；另外，在使用的便利性方面DBMonster也沒有提供漂亮的GUI界面，因此肯定會有些人覺得這個工具不好用（但對我來說，我似乎更加習慣于這種用xml描述數據產生的方式）。不過，DBMonster其實已經可以勝任大多數情況下的數據庫數據產生了，我在使用中發現的它的最大的局限性是在針對具有多字段約束（例如，包含多個字段的unique index約束）時數據產生的不便，當然，在DBMonster的Manual中也提到了，可以通過自己寫代碼來擴展這些，而且也給出了相應的代碼示例，但對普通用戶來說，還是希望工具能夠用起來更加方便吧。
結語
如果你正在尋找一個能夠為你產生大量數據庫數據的免費的工具，毫無疑問，DBMonster可以幫助你；如果你希望找到一個可以和Ant工具協作的數據產生器，DBMonster是一個很好的選擇；如果更進一步，你希望找到一個可以自行擴展的數據產生工具，那么相信我，DBMonster一定是你的最佳選擇：）
延伸閱讀
文章來源于領測軟件測試網 http://www.kjueaiud.com/
