[2024 년 3 월 20 일] ACD300덤프 무료 최신 Appian 모의고사 [Q21-Q37] 합격

새 질문 21
설명된 각 시나리오에 대해 기대치를 충족하는 데 가장 적합한 도구를 선택합니다. 각 도구는 한 번만 사용됩니다. 참고: 응답을 변경하려면 선택 목록 상단의 빈 칸을 클릭하여 응답을 선택 취소할 수 있습니다.

새 질문 22
곧 릴리스될 애플리케이션의 일부로 고객 데이터가 포함된 테이블에 새로운 null 가능 필드가 추가됩니다. 새 필드는 곧 릴리스될 보고서에서 사용되며 다른 테이블의 데이터를 사용하여 계산됩니다.
새 필드를 추가하기 위해 스크립트를 만들 때 고려해야 할 두 가지 작업은 무엇인가요?

보류를 추가하고 널로 남겨두는 스크립트를 만듭니다.

필드를 제거하는 롤백 스크립트를 만듭니다.

필드를 추가하는 스크립트를 만든 다음 필드를 채우는 스크립트를 만듭니다.

필드에서 데이터를 지우는 롤백 스크립트 만들기

계산에 사용된 데이터에 고객 데이터를 조인하는 뷰를 추가합니다.

새 질문 23
당신은 Appian 프로젝트의 리드 개발자로, 백로그 개선 회의에서 다음과 같은 사용자 스토리가 제시됩니다.
레스토랑 고객으로서. 테이크아웃을 위해 줄을 서서 기다리지 않으려면 온라인으로 음식을 주문할 수 있어야 합니다. 어떤 두 가지 기능적 수용 기준이 '좋다'고 생각하시나요?

사용자가 저장을 클릭하면 주문 정보가 ORDER 테이블에 저장되고 감사 내역이 생깁니다.

주문이 완료되면 사용자에게 이메일 알림이 전송됩니다.

시스템 멧돼지는 하루에 최대 500건의 고유 주문을 처리합니다.

사용자는 모든 필수 입력란을 작성하지 않으면 양식을 제출할 수 없습니다.

새 질문 24
Applan Cloud 애플리케이션에 고가용성(HA)을 도입하면 어떤 두 가지 이점이 있나요?

Applan Cloud HA 인스턴스는 서로 다른 지역의 서로 다른 가용성 영역에서 실행되는 여러 개의 활성 노드로 구성됩니다.

데이터와 트랜잭션은 활성 노드에서 지속적으로 복제되어 이중화를 달성하고 단일 지점 장애를 방지합니다.

일반적인 Appian Cloud HA 인스턴스는 두 개의 활성 노드로 구성됩니다.

시스템 장애가 발생하면 Appian 인스턴스는 15분 이내에 복구되어 사용자가 사용할 수 있으며, 최근 1분 이상의 데이터 손실이 없어야 합니다.

설명
Appian Cloud 애플리케이션에 고가용성(HA)을 적용하면 두 가지 이점이 있습니다:
* B. 데이터와 트랜잭션이 활성 노드에 지속적으로 복제되어 이중화를 달성하고 단일 장애 지점을 방지합니다. 이는 노드 중 하나에 장애가 발생하거나 사용할 수 없게 되는 경우에도 데이터와 트랜잭션의 백업 복사본이 항상 존재하도록 보장하므로 HA의 장점입니다. 또한 한 노드에 대한 변경 사항이 다른 노드에 자동으로 전파되므로 노드 간 데이터 무결성과 일관성이 향상됩니다.
* D. 시스템 장애 발생 시 Appian 인스턴스는 최근 1분 이내의 데이터 손실 없이 15분 이내에 복원되어 사용자가 사용할 수 있습니다. 이는 Appian 인스턴스에 대한 높은 수준의 서비스 가용성과 안정성을 보장하는 HA의 장점입니다.
노드 중 하나에 장애가 발생하거나 사용할 수 없게 되면 다른 노드가 이를 이어받아 사용자에게 눈에 띄는 다운타임이나 데이터 손실 없이 요청을 계속 처리합니다.
다른 옵션은 다음과 같은 이유로 올바르지 않습니다:
* A. Appian Cloud HA 인스턴스는 여러 지역의 서로 다른 가용성 영역에서 실행되는 여러 개의 활성 노드로 구성됩니다. 이는 HA의 장점이라기보다는 Appian Cloud에서 HA가 작동하는 방식을 설명하는 것입니다. Appian Cloud HA 인스턴스는 서로 다른 리전이 아닌 동일한 리전 내의 서로 다른 가용성 영역에서 실행되는 두 개의 활성 노드로 구성됩니다.
* C. 일반적인 Appian Cloud HA 인스턴스는 두 개의 활성 노드로 구성됩니다. 이는 HA의 장점이라기보다는 Appian Cloud에서 HA가 작동하는 방식을 설명하는 것입니다. 일반적인 Appian Cloud HA 인스턴스는 동일한 리전 내의 서로 다른 가용성 영역에서 실행되는 두 개의 활성 노드로 구성되지만, 이것이 활성 노드가 하나일 때보다 반드시 이점을 제공하는 것은 아닙니다. 검증된 참조: Appian 설명서, "고가용성" 섹션.

새 질문 25
테스트에서 프로덕트로의 첫 번째 배포 프로세스의 일부로 검사를 실행하고 있습니다. 개체 중 하나가 다른 팀이 소유한 애플리케이션의 개체에 종속되어 있어 배포할 수 없다는 알림을 받습니다.
다음 단계는 무엇인가요?

동일한 코드베이스로 자신만의 오브젝트를 생성하고, 애플리케이션의 종속 오브젝트를 교체한 후 PROO에 배포하세요.

프로덕션 배포를 중단하고 다른 팀에 문의하여 개체를 PROD로 승격하는 방법에 대한 안내를 받습니다.

필요한 개체의 종속성 확인 종속성이 적고 위험이 낮은 경우 PROO로 배포합니다.

기능적으로 실행 가능한 패키지를 종속성 없이 PROD에 푸시하고, 다른 팀의 제약 조건에 따라 나머지 배포를 계획하세요.

새 질문 26
애자일 스크럼 프로젝트에서는 팀당 3명의 개발자로 구성된 두 팀을 관리해야 합니다. 두 팀은 동일한 애플리케이션을 동시에 작업해야 합니다.
상호 종속성으로 인한 문제를 피하기 위해 팀 간에 작업을 어떻게 나누어야 할까요?

각 팀에게 개인 취향에 따라 작업하고 싶은 스톤을 선택하게 합니다.

에픽과 스톤을 기술적 난이도에 따라 그룹화하고, 한 팀에게 더 어려운 스토리를 할당합니다.

에픽과 스톤을 기능별로 그룹화하고 기능별로 각 팀에 작업을 할당하세요.

팀원들의 누적 경력을 기준으로 각 팀에 스토리를 할당합니다.

새 질문 27
Appian 플랫폼에 5개의 애플리케이션이 프로덕션 환경에서 사용되고 있습니다. 이제 사용자가 플랫폼 전반에서 여러 애플리케이션을 사용하기 시작했고 클라이언트는 모든 애플리케이션에서 일관된 사용자 경험을 보장하고자 합니다. 일부 애플리케이션은 서식 있는 텍스트를 사용하고 일부는 섹션 레이아웃을 사용하며 다른 애플리케이션은 상자 레이아웃을 사용합니다. 그 결과 각 애플리케이션마다 헤더의 색상과 크기가 다릅니다.
플랫폼 전반에서 일관성을 유지하기 위해 어떤 것을 권장하시나요?

텍스트 크기와 색상에 대한 상수를 만들고 각 섹션을 업데이트하여 이 값을 참조하도록 합니다.

공통 애플리케이션에서 섹션 헤더에 대해 플랫폼 전체에서 사용할 수 있는 규칙을 만들고 각 애플리케이션이 이 새 규칙을 참조하도록 업데이트합니다.

공통 애플리케이션에서 각 애플리케이션에 대해 하나의 규칙을 만들고 각 애플리케이션이 해당 규칙을 참조하도록 업데이트합니다.

각 개별 애플리케이션에서 섹션 헤더를 많이 사용할 수 있는 규칙을 만들고, 각 애플리케이션이 해당 규칙을 참조하도록 업데이트합니다.

새 질문 28
현재 개발팀(A팀)이 애플리케이션(앱 X')의 개선 사항을 개발 중이며, 현재 UAT를 위해 테스트 환경을 사용하고 있습니다.
별도의 운영 팀('B팀')이 앱 X의 프로덕션 인스턴스에서 해결해야 하는 심각한 오류를 발견했습니다. 그러나 이 작업을 수행할 수 있는 핫픽스 스트림이 없습니다. 팀 6에는 이 작업을 수행할 수 있는 핫픽스 스트림이 없습니다. 사용 가능한 환경은 DEV. TEST 및 PROD입니다. 팀 AS 자본 프로젝트가 약간만 중단되고 팀 B의 중요 수정이 완료되어 최종 사용자에게 신속하게 배포될 수 있도록 하기 위해 두 팀이 어떤 위험 완화 노력을 기울여야 하나요?

8팀은 핫픽스에서 어떤 컴포넌트를 다룰지 A팀에 전달하여 변경 사항이 중복되지 않도록 해야 합니다. 중복되는 경우, 컴포넌트는 수정 및 배포하기 전에 PROD 상태로 버전을 변경한 다음 최신 개발 상태로 다시 버전을 변경해야 합니다. 중복되지 않는 경우, 버전 변경 없이 구성 요소를 수정 및 배포할 수 있습니다.

A팀은 OEV에서 현재 코드베이스를 분석하여 핫픽스 변경 사항을 최신 개선 사항으로 병합해야 합니다. 그런 다음 B 팀은 핫픽스가 DEV에서 PROO 환경으로 일반 배포 프로토콜에 따라 배포될 때까지 기다려야 합니다.

팀 8은 테스트 환경의 변경 사항을 해결해야 합니다. 이러한 변경 사항을 테스트하고 PROD에 직접 배포할 수 있습니다. 배포가 완료되면 그런 다음 B팀은 변경 사항을 Teams에 전달하여 다음 릴리즈의 일부로 포함되도록 할 수 있습니다.

8팀은 PROD에서 직접 변경 사항을 처리해야 합니다. 핫픽스 스트림이 없고 OEV와 TEST가 활성 개발에 활용되고 있으므로 구성 요소의 충돌을 피하는 것이 가장 좋습니다. A 팀이 개선 작업을 완료하면. 팀 6은 그에 따라 DEV 및 TEST를 업데이트할 수 있습니다.

설명
이는 두 팀이 모두 사용할 수 있는 최선의 위험 완화 노력으로, A팀의 중요한 프로젝트가 약간만 중단되고 B팀의 중요한 수정 사항이 완료되어 최종 사용자에게 신속하게 배포될 수 있도록 보장합니다. B팀은 A팀과의 커뮤니케이션을 통해 PROD에서 어떤 구성 요소가 중요한 오류를 일으키는지 파악하고, A팀의 개선 사항과 변경 사항이 겹치는 부분이 있는지 확인할 수 있습니다. 중복되는 부분이 있으면 B팀은 오류를 수정하기 위해 변경을 수행하기 전에 구성 요소를 마지막 안정 버전인 PROD 상태로 버전업할 수 있습니다. 그런 다음 B팀은 수정된 컴포넌트를 PROD에 배포하고 팀 A의 개선 사항이 포함된 최신 개발 상태로 다시 버전업할 수 있습니다. 이렇게 하면 B팀은 A팀의 작업을 덮어쓰거나 손실하지 않고 모든 환경에서 컴포넌트의 일관성을 유지할 수 있습니다. 겹치는 부분이 없는 경우 B팀은 A팀의 작업에 영향을 주지 않고 간단히 컴포넌트를 변경하고 PROD에 배포할 수 있습니다.
다른 옵션은 그다지 효과적이지 않습니다. 옵션 B는 팀 A가 DEV에서 현재 코드베이스를 분석하여 핫픽스 변경 사항을 최신 개선 사항에 병합하도록 하는 것으로, 팀 B는 팀 A가 분석을 완료하고 병합할 때까지 기다려야 하므로 중요 수정 사항의 배포가 지연될 수 있습니다. 옵션 C는 팀 B가 테스트에서 변경 사항을 처리하도록 하는 것으로, 팀 A의 UAT 프로세스가 중단되고 테스트 또는 PROD에서 충돌이나 오류가 발생할 수 있습니다. 옵션 D는 팀 B가 PROD에서 직접 변경 사항을 처리하도록 하는 것으로, PROD에 새로운 오류나 불일치가 발생할 수 있으므로 위험하므로 권장하지 않습니다.
검증된 참조: [Appian 배포 가이드], [Appian 모범 사례]

새 질문 29
적절한 프로세스 모델 데이터 관리 전략을 결정하고 있습니다.
각 요구 사항에 대해 구현할 적절한 전략을 일치시킵니다. 각 전략은 한 번만 사용됩니다.
참고: 응답을 변경하려면 선택 목록 상단의 빈 공간을 클릭하여 응답을 선택 취소할 수 있습니다.

설명

요구 사항: 완료 또는 취소 후 2일 후에 프로세스를 보관합니다. 정확한 일치: A. 완료 또는 취소 후 2일 동안 사용할 수 있어야 하며, 그 이후에는 더 이상 필요하지 않거나 액세스할 수 없는 프로세스 Appian 문서에서 가져온 정확한 일치에 대한 설명입니다: 이 전략은
"2일 후 보관"은 Appian에서 프로세스 모델 데이터 관리를 위한 옵션 중 하나입니다. 이 전략은 완료 또는 취소되는 프로세스를 2일 동안 사용할 수 있는 상태로 유지한 다음, 그 이후에는 보관되어 더 이상 액세스할 수 없음을 의미합니다. 이 전략을 사용하면 프로세스 데이터베이스의 크기를 줄이고 프로세스 보고의 성능을 개선하는 데 도움이 될 수 있습니다.
요구 사항: 시스템 기본값 사용(현재 완료 또는 취소 후 7일 후 자동 보관 처리).
정확한 일치: C. 완료 또는 취소 후 7일 동안 사용 가능한 프로세스로, 그 이후에는 액세스 시 보관됩니다. Appian 문서에서 가져온 정확한 일치에 대한 정확한 설명입니다: 이 전략은 "시스템 기본값 사용"이라고 하며 Appian에서 프로세스 모델 데이터 관리를 위한 옵션 중 하나입니다. 이 전략에 따르면 완료 또는 취소된 프로세스는 7일 동안 사용 가능한 상태로 유지되며 그 이후에는 액세스 시 아카이브됩니다. 이 전략을 사용하면 프로세스를 정해진 일정이 아닌 필요에 따라 아카이브할 수 있으므로 프로세스 데이터의 가용성과 성능의 균형을 맞추는 데 도움이 됩니다.
요구 사항: 완료 또는 취소 후 2일 후에 프로세스를 삭제합니다. 정확히 일치합니다: B. 완료 또는 취소 후 2일 동안 사용할 수 있어야 하며, 그 이후에는 계속 액세스할 수 있는 프로세스 Appian 문서에서 가져온 정확한 일치에 대한 설명입니다: 이 전략은 "2일 후 삭제"라고 하며 Appian에서 프로세스 모델 데이터 관리를 위한 옵션 중 하나입니다. 이 전략은 완료 또는 취소되는 프로세스를 2일 동안 사용할 수 있는 상태로 유지한 다음 그 이후에는 삭제되어 더 이상 액세스할 수 없음을 의미합니다. 이 전략을 사용하면 프로세스 데이터베이스의 크기를 줄이고 프로세스 보고 성능을 개선하는 데 도움이 될 수 있지만 프로세스 데이터가 영구적으로 손실된다는 의미이기도 합니다.
요구 사항: 프로세스를 자동으로 정리하지 마세요. 정확히 일치합니다: D. 아카이브를 해제할 필요 없이 계속 사용 가능한 상태로 유지해야 하는 프로세스 Appian 문서에서 가져온 정확한 일치에 대한 정확한 설명입니다: 이 전략은 "자동 정리 안 함"이라고 하며 Appian에서 프로세스 모델 데이터 관리를 위한 옵션 중 하나입니다. 이 전략은 완료 또는 취소된 프로세스를 보관하거나 삭제하지 않고 무기한 사용할 수 있도록 유지한다는 의미입니다. 이 전략은 프로세스 데이터의 가용성과 무결성을 보장하는 데 도움이 될 수 있지만, 시간이 지남에 따라 프로세스 데이터베이스가 증가하여 프로세스 보고 성능에 영향을 미칠 수 있습니다.

새 질문 30
대규모 사이트 집합에 대한 지원 사례를 관리하는 사례 관리 애플리케이션을 개발 중입니다. 이 애플리케이션 사이트의 탭 중 하나는 해당 사례에 해당하는 사이트에 대한 정보와 함께 사례의 기록 그리드입니다. 사용자는 우선 순위 수준 및 상태별로 사례를 필터링할 수 있어야 합니다.
다음 이미지에 표시된 것처럼 별도의 사례/사이트 테이블을 조인하는 엔터티 지원 레코드의 원본으로 뷰를 만들기로 결정합니다.

어떤 세 개의 열을 색인화해야 하나요?

사이트_ID

상태

이름

수정된 날짜

우선순위

case_id

새 질문 31
행이 많은(10만 개 이상) MySQL 테이블의 검색된 필드에 인덱스를 추가합니다.
다음 세 가지 시나리오 중 어떤 분야에서 인덱스를 통해 큰 이점을 얻을 수 있을까요?

이 필드에는 텍스트 샷 비즈니스 코드가 포함되어 있습니다.

필드에 해시 같은 긴 비정형 텍스트가 포함되어 있습니다.

필드에는 넓은 범위를 포괄하는 많은 날짜 시간이 포함되어 있습니다.

추가에는 0보다 크고 작은 Dig 정수가 포함됩니다.

필드에는 구조화된 JSON이 포함되어 있습니다.

설명
이 필드는 다음과 같은 시나리오에서 인덱스를 통해 큰 이점을 얻을 수 있습니다:
* A. 필드에 짧은 텍스트 비즈니스 코드가 포함되어 있습니다. 이 시나리오는 인덱스가 필드에서 정확히 일치하는 값 또는 범위의 값을 검색하는 쿼리의 성능을 향상시킬 수 있는 시나리오입니다. 짧은 텍스트 비즈니스 코드는 카디널리티가 높을 가능성이 높으며, 이는 고유한 값이 많고 중복이 적다는 것을 의미합니다. 따라서 검색 기준에 따라 결과 범위를 빠르게 좁힐 수 있으므로 인덱스의 선택성과 효율성이 높아집니다.
* C. 필드에 많은 날짜 시간이 포함되어 있고 범위가 넓습니다. 이 시나리오는 인덱스가 필드에서 정확히 일치하는 값 또는 범위의 값을 검색하는 쿼리의 성능을 향상시킬 수 있는 시나리오입니다. 날짜/시간 필드는 카디널리티가 높을 가능성이 높으며, 이는 고유한 값이 많고 중복이 적다는 것을 의미합니다. 따라서 검색 기준에 따라 결과 범위를 빠르게 좁힐 수 있으므로 인덱스가 더 선택적이고 효율적입니다.
* D. 필드에 0보다 크고 작은 큰 정수가 포함되어 있습니다. 이 시나리오는 인덱스가 필드에서 정확히 일치하는 값 또는 값 범위를 검색하는 쿼리의 성능을 향상시킬 수 있는 시나리오입니다. 큰 정수 필드는 카디널리티가 높을 가능성이 높으며, 이는 고유한 값이 많고 중복이 적다는 것을 의미합니다. 따라서 검색 기준에 따라 결과를 빠르게 좁힐 수 있으므로 인덱스가 더 선택적이고 효율적입니다.
다른 옵션은 다음과 같은 이유로 올바르지 않습니다:
* B. 필드에 해시와 같은 긴 비정형 텍스트가 포함되어 있습니다. 이 시나리오는 필드에서 정확히 일치하는 값이나 범위의 값을 검색하는 쿼리의 성능을 개선하지 못할 수 있는 시나리오입니다. 긴 비정형 텍스트 필드는 카디널리티가 낮을 가능성이 높으며, 이는 고유한 값이 거의 없고 중복이 많다는 것을 의미합니다. 따라서 검색 기준에 따라 결과의 범위를 빠르게 좁힐 수 없기 때문에 색인의 선택성과 효율성이 떨어집니다. 또한 긴 비정형 텍스트 필드를 색인하면 데이터베이스의 저장 공간과 유지 관리 비용이 증가하여 전체 성능에 영향을 미칠 수 있습니다.
* E. 필드에 구조화된 JSON이 포함되어 있습니다. 이 시나리오는 필드에서 정확히 일치하는 값이나 범위의 값을 검색하는 쿼리의 성능을 인덱스로 개선하지 못할 수 있는 경우입니다. 구조화된 JSON 필드는 MySQL의 기본 데이터 유형이 아니며, 해당 요소에 액세스하거나 조작하려면 특수 함수나 연산자가 필요합니다. 구조화된 JSON 필드를 색인하면 데이터베이스의 복잡성과 오버헤드가 증가하여 전체 성능에 영향을 미칠 수 있습니다. 검증된 참조: Appian 설명서, "쿼리 최적화" 섹션.

새 질문 32
유명 고객을 위한 대규모 고객 확보 애플리케이션을 구축하는 임무를 맡았습니다. 고객 확보 프로세스는 구매 요청을 처리하는 데 걸리는 시간을 추적하여 보상을 제공합니다.
고객이 여러 애플리케이션 개발 팀을 구성하도록 계약을 구성했습니다.
반복되는 코드를 최소화하면서 여러 프로세스와 양식에 맞게 디자인하려면 어떻게 해야 할까요?

CoE(센터 오브 엑설런스) 만들기

공통 개체 애플리케이션을 만듭니다.

팀 리더를 위한 스크럼 스프린트 회의 만들기

필요에 따라 중복 프로세스 및 양식 만들기

새 질문 33
MySQL 데이터베이스를 쿼리하고 쓰는 Appian 애플리케이션의 데이터 볼륨 테스트에 대한 전략을 계획하고 있습니다.
Appian 애플리케이션 및 데이터베이스에 대한 관리자 액세스 권한이 있습니다.
데이터 볼륨 테스트 전략을 설계할 때 고려해야 할 두 가지 주요 사항은 무엇인가요?

미리 채워진 데이터를 로드하기 전에 이전 테스트의 데이터가 테스트 환경에 남아 있어야 합니다.

Applan 프로세스를 통해 대규모 데이터 세트를 로드해야 합니다.

채워야 하는 데이터의 양은 프로젝트 후원자와 이해 관계자가 추정에 따라 결정해야 합니다.

정확한 양의 데이터로 테스트하는 것은 각 스프린트의 일부로 수행되는 것으로 정의해야 합니다.

데이터 모델 변경은 보호가 끝날 때까지 기다려야 합니다.

설명
MySQL 데이터베이스를 쿼리하고 쓰는 Appian 애플리케이션에 대한 데이터 볼륨 테스트 전략을 설계할 때는 두 가지 주요 고려 사항을 고려해야 합니다:
* 정확한 양의 데이터로 테스트하는 것은 각 스프린트의 일부로 수행해야 한다는 정의에 포함되어야 합니다. 데이터 볼륨 테스트는 애플리케이션이 대량의 데이터를 처리할 때 얼마나 잘 작동하는지 검증하는 테스트 유형입니다. 데이터 볼륨 테스트는 애플리케이션이 사용자와 이해 관계자의 성능 및 품질 요구 사항을 충족하는지 확인하는 데 중요합니다. 각 스프린트의 일부로 수행되는 정의에 데이터 볼륨 테스트를 포함하면 애플리케이션의 각 기능을 프로덕션에 배포하기 전에 실제 데이터 볼륨으로 테스트할 수 있습니다. 이렇게 하면 개발 주기 초기에 잠재적인 문제나 병목 현상을 파악하여 해결하고 나중에 예상치 못한 문제나 지연을 방지할 수 있습니다.
* 데이터 모델 변경은 프로젝트가 끝날 때까지 기다려야 합니다. 데이터 모델 변경은 테이블, 열, 인덱스 또는 제약 조건을 추가, 수정 또는 삭제하는 등 데이터베이스의 구조나 스키마에 영향을 주는 변경 작업입니다. 데이터 모델 변경은 특히 대량의 데이터를 다룰 때 위험하고 비용이 많이 듭니다. 데이터 모델 변경은 성능, 기능 또는 무결성에 영향을 미칠 수 있습니다.
* 애플리케이션 및 데이터베이스. 따라서 데이터 모델 변경은 요구 사항과 설계 결정을 마무리하고 데이터 볼륨 테스트 작업을 최소화한 후 프로젝트가 끝날 때까지 기다려야 합니다. 프로젝트가 끝날 때까지 기다렸다가 데이터 모델을 변경하면 변경으로 인한 영향과 복잡성을 줄이고 불필요한 재작업이나 회귀를 피할 수 있습니다.
다른 옵션은 그다지 효과적이지 않습니다. 미리 채워진 데이터를 로드하기 전에 이전 테스트의 데이터가 테스트 환경에 남아 있어야 하는 옵션 A는 데이터 볼륨 테스트 전략을 설계할 때 핵심 고려 사항이 아니라 테스트 환경을 준비하기 위한 모범 사례에 해당합니다. 옵션 B, 대규모 데이터 세트는 Appian 프로세스를 통해 로드해야 함은 데이터 볼륨 테스트 전략을 설계할 때 핵심 고려 사항이 아니라 애플리케이션에 적합하거나 적합하지 않을 수 있는 기술적 구현 세부 사항입니다. 옵션 C, 프로젝트 스폰서와 이해 관계자가 추정에 따라 채워야 하는 데이터의 양을 결정해야 하는 경우 데이터 볼륨 테스트 전략을 설계할 때 핵심 고려 사항이 아니라 데이터 볼륨 테스트를 수행하기 전에 검증해야 하는 입력 또는 가정에 해당합니다.

새 질문 34
애플리케이션에는 매일 특정 시간에 실행되도록 예약된 프로세스 모델이 포함되어 있으며, 오전 데이터 수집을 위해 첫 번째 시간대에 지정된 사용자에게 사용자 입력 작업을 시작합니다. 시간대는 (기본값) 오후!시간대로 설정되어 있습니다.
이 상황에서 오후!티네존은 무엇을 반영할까요?

Applan이 직관되는 서버의 표준 시간대

가장 최근에 프로세스 모델을 게시한 사용자의 회선 영역입니다.

관리 콘솔에 지정된 환경의 기본 표준 시간대입니다.

입력 작업을 완료하는 사용자의 표준 시간대입니다.

새 질문 35
즉시 사용 가능한 Appian 스마트 서비스를 사용하여 데이터를 내보내야 합니다. 어떤 두 가지 형식을 사용할 수 있나요?

CSV

XML

Excel

JSDN