ମୁଖ୍ୟ ଧାରଣା ଏବଂ ସୂତ୍ର

ଡାଟାବେସ୍ ମୌଳିକ ତଥ୍ୟ ପାଇଁ ୫-୭ଟି ମୌଳିକ ଧାରଣା ପ୍ରଦାନ କରନ୍ତୁ:

୧୦ଟି ଅଭ୍ୟାସ MCQ

ବୃଦ୍ଧିପ୍ରାପ୍ତ କଠିନତା ସହିତ ୧୦ଟି MCQ ଉତ୍ପାଦନ କରନ୍ତୁ (Q1-3: ସହଜ, Q4-7: ମଧ୍ୟମ, Q8-10: କଠିନ)

Q1. ନିମ୍ନଲିଖିତ ମଧ୍ୟରୁ କେଉଁଟି ଏକ ଡାଟାବେସ୍ ପରିଚାଳନା ପ୍ରଣାଳୀ ନୁହେଁ? A) MySQL B) Oracle C) Microsoft Excel D) PostgreSQL

ଉତ୍ତର: C) Microsoft Excel

ସମାଧାନ: Microsoft Excel ଏକ ସ୍ପ୍ରେଡଶିଟ୍ ଆପ୍ଲିକେସନ୍, ଏକ ଡାଟାବେସ୍ ପରିଚାଳନା ପ୍ରଣାଳୀ ନୁହେଁ। MySQL, Oracle, ଏବଂ PostgreSQL ସମସ୍ତେ ଡାଟାବେସ୍ ପରିଚାଳନା ପାଇଁ ବ୍ୟବହୃତ ଲୋକପ୍ରିୟ DBMS ସଫ୍ଟୱେର୍।

ଶର୍ଟକଟ୍: “MOO” ମନେରଖନ୍ତୁ - MySQL, Oracle, PostgreSQL ସମସ୍ତେ DBMS

ଧାରଣା: ଡାଟାବେସ୍ ମୌଳିକ ତଥ୍ୟ - DBMS ସଫ୍ଟୱେର୍ ପ୍ରକାର

Q2. ଏକ ରେଳବାଇ ଯାତ୍ରୀ ଡାଟାବେସ୍ରେ, କେଉଁ ସ୍ତମ୍ଭଟି ସର୍ବୋତ୍ତମ ପ୍ରାଥମିକ କି ହେବ? A) ଯାତ୍ରୀ ନାମ B) ଆସନ ସଂଖ୍ୟା C) PNR ସଂଖ୍ୟା D) ଟ୍ରେନ୍ ସଂଖ୍ୟା

ଉତ୍ତର: C) PNR ସଂଖ୍ୟା

ସମାଧାନ: PNR (ପାସେଞ୍ଜର୍ ନେମ୍ ରେକର୍ଡ୍) ସଂଖ୍ୟା ପ୍ରତ୍ୟେକ ବୁକିଂ ପାଇଁ ଅନନ୍ୟ। ଯାତ୍ରୀ ନାମ ନକଲି ହୋଇପାରେ, ଆସନ ସଂଖ୍ୟା ଟ୍ରେନ୍ ମଧ୍ୟରେ ପୁନରାବୃତ୍ତି ହୁଏ, ଏବଂ ଟ୍ରେନ୍ ସଂଖ୍ୟା ପ୍ରତିଦିନ ପୁନରାବୃତ୍ତି ହୁଏ।

ଶର୍ଟକଟ୍: ପ୍ରାଥମିକ କି ଅନନ୍ୟ + କେବେ ନଲ୍ ନୁହେଁ ହେବା ଆବଶ୍ୟକ

ଧାରଣା: ଡାଟାବେସ୍ ମୌଳିକ ତଥ୍ୟ - ପ୍ରାଥମିକ କି ବିଶେଷତା

Q3. ଦିଲ୍ଲୀରୁ ମୁମ୍ବାଇ ଯାଉଥିବା ସମସ୍ତ ଟ୍ରେନ୍ ପ୍ରାପ୍ତ କରିବା ପାଇଁ SQL କମାଣ୍ଡ୍ କଣ? A) GET * FROM trains WHERE source=‘Delhi’ AND destination=‘Mumbai’ B) SELECT * FROM trains WHERE source=‘Delhi’ AND destination=‘Mumbai’ C) FETCH * FROM trains WHERE source=‘Delhi’ AND destination=‘Mumbai’ D) EXTRACT * FROM trains WHERE source=‘Delhi’ AND destination=‘Mumbai’

ଉତ୍ତର: B) SELECT * FROM trains WHERE source=‘Delhi’ AND destination=‘Mumbai’

ସମାଧାନ: ତଥ୍ୟ ପ୍ରାପ୍ତ କରିବା ପାଇଁ SELECT ସଠିକ୍ SQL କମାଣ୍ଡ୍। * ର ଅର୍ଥ “ସମସ୍ତ ସ୍ତମ୍ଭ”, FROM ଟେବଲ୍ ନିର୍ଦ୍ଦିଷ୍ଟ କରେ, WHERE ସର୍ତ୍ତଗୁଡ଼ିକୁ ଫିଲ୍ଟର୍ କରେ।

ଶର୍ଟକଟ୍: ମେନୁରୁ ଆଇଟମ୍ ବାଛିବା ପରି “SELECT” ମନେରଖନ୍ତୁ

ଧାରଣା: ଡାଟାବେସ୍ ମୌଳିକ ତଥ୍ୟ - ମୌଳିକ SQL କମାଣ୍ଡ୍

Q4. ଏକ ରେଳବାଇ ଡାଟାବେସ୍ରେ ୫୦,୦୦୦ ରେକର୍ଡ୍ ଅଛି। ସୂଚୀ ବିନା, ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ ଟ୍ରେନ୍ ଖୋଜିବା ପ୍ରତି ୧୦୦୦ ରେକର୍ଡ୍ ପାଇଁ ୫ ସେକେଣ୍ଡ୍ ଲାଗେ। ସୂଚୀ ସହିତ, ଏହା ୦.୧ ସେକେଣ୍ଡ୍ ଲାଗେ। ଗୋଟିଏ ଟ୍ରେନ୍ ଖୋଜିବାରେ କେତେ ସମୟ ସଞ୍ଚୟ ହୁଏ? A) ୨୪୯.୯ ସେକେଣ୍ଡ୍ B) ୨୫୦ ସେକେଣ୍ଡ୍ C) ୪୯୯.୯ ସେକେଣ୍ଡ୍ D) ୫୦୦ ସେକେଣ୍ଡ୍

ଉତ୍ତର: A) ୨୪୯.୯ ସେକେଣ୍ଡ୍

ସମାଧାନ: ସୂଚୀ ବିନା: (୫୦,୦୦୦/୧,୦୦୦) × ୫ = ୨୫୦ ସେକେଣ୍ଡ୍ ସୂଚୀ ସହିତ: ୦.୧ ସେକେଣ୍ଡ୍ ସଞ୍ଚିତ ସମୟ: ୨୫୦ - ୦.୧ = ୨୪୯.୯ ସେକେଣ୍ଡ୍

ଶର୍ଟକଟ୍: ସୂଚୀ ଲାଭ = (ପୂର୍ଣ୍ଣ ସ୍କାନ୍ ସମୟ) - (ସୂଚୀ ଆକ୍ସେସ୍ ସମୟ)

ଧାରଣା: ଡାଟାବେସ୍ ମୌଳିକ ତଥ୍ୟ - ସୂଚୀ ପ୍ରଦର୍ଶନ ଉନ୍ନତି

Q5. ରେଳବାଇ ଷ୍ଟେସନ୍ ଡାଟାବେସ୍ରେ, ପ୍ଲାଟଫର୍ମ ସଂଖ୍ୟା (୧-୧୬) ସଂରକ୍ଷିତ ହୋଇଛି। ପ୍ରତ୍ୟେକ ପ୍ଲାଟଫର୍ମ ଦିନକୁ ୫୦ଟି ଟ୍ରେନ୍ ସେବା କରେ। ସାଧାରଣୀକରଣ ପରେ, ପ୍ଲାଟଫର୍ମ ବିବରଣୀ ଅଲଗା ସାରଣୀକୁ ସ୍ଥାନାନ୍ତରିତ ହୁଏ। ଯଦି ମୂଳ ସାରଣୀରେ ୮୦୦ ଟ୍ରେନ୍ ରେକର୍ଡ୍ ଥିଲା ଏବଂ ପ୍ରତ୍ୟେକରେ ୫୦ ବାଇଟ୍ ପୁନରାବୃତ୍ତିମୂଳକ ପ୍ଲାଟଫର୍ମ ସୂଚନା ଥିଲା, ତେବେ ସଂରକ୍ଷଣ ହ୍ରାସ କେତେ? A) ୨୦୦୦ ବାଇଟ୍ B) ୩୨୦୦୦ ବାଇଟ୍ C) ୪୦୦୦୦ ବାଇଟ୍ D) ୧୬୦୦ ବାଇଟ୍

ଉତ୍ତର: C) ୪୦୦୦୦ ବାଇଟ୍

ସମାଧାନ: ପୁନରାବୃତ୍ତିମୂଳକ ତଥ୍ୟ: ୮୦୦ ଟ୍ରେନ୍ × ୫୦ ବାଇଟ୍ = ୪୦,୦୦୦ ବାଇଟ୍ ସାଧାରଣୀକରଣ ପରେ: କେବଳ ୧୬ଟି ପ୍ଲାଟଫର୍ମ ରେକର୍ଡ୍ ଆବଶ୍ୟକ ସଂରକ୍ଷଣ ହ୍ରାସ = ୪୦,୦୦୦ ବାଇଟ୍ - (୧୬ × ୫୦) = ୩୯,୨୦୦ ବାଇଟ୍ ≈ ୪୦,୦୦୦ ବାଇଟ୍

ଶର୍ଟକଟ୍: ପୁନରାବୃତ୍ତି = ମୋଟ ରେକର୍ଡ୍ × ପ୍ରତି ରେକର୍ଡ୍ ପୁନରାବୃତ୍ତିମୂଳକ ବାଇଟ୍

ଧାରଣା: ଡାଟାବେସ୍ ମୌଳିକ ତଥ୍ୟ - ସାଧାରଣୀକରଣ ଲାଭ

Q6. ଏକ ଟ୍ରେନ୍ ବୁକିଂ ସିଷ୍ଟମ୍ ଘଣ୍ଟାକୁ ୫୦୦ ବୁକିଂ ପ୍ରକ୍ରିୟାକରଣ କରେ। ପ୍ରତ୍ୟେକ ବୁକିଂ ୧KB ତଥ୍ୟ ସୃଷ୍ଟି କରେ। ଡାଟାବେସ୍ ବ୍ୟାକଅପ୍ ପ୍ରତି ୧୦୦MB ପାଇଁ ୨ ମିନିଟ୍ ଲାଗେ। ଯଦି ସିଷ୍ଟମ୍ ଦିନକୁ ୧୮ ଘଣ୍ଟା ଚାଲେ, ତେବେ ଦୈନିକ ବ୍ୟାକଅପ୍ ସମୟ କେତେ? A) ୧୮୦ ମିନିଟ୍ B) ୩୬୦ ମିନିଟ୍ C) ୫୪୦ ମିନିଟ୍ D) ୭୨୦ ମିନିଟ୍

ଉତ୍ତର: B) ୩୬୦ ମିନିଟ୍

ସମାଧାନ: ଦୈନିକ ତଥ୍ୟ: ୫୦୦ × ୧୮ = ୯,୦୦୦ ବୁକିଂ ତଥ୍ୟ ଆକାର: ୯,୦୦୦ × ୧KB = ୯,୦୦୦KB = ୯MB ବ୍ୟାକଅପ୍ ସମୟ: (୯MB/୧୦୦MB) × ୨ = ୦.୧୮ ମିନିଟ୍ କିନ୍ତୁ ଏହା ବହୁତ କମ୍ ଲାଗୁଛି - ପୁନଃ ଗଣନା: ୯MB = ୦.୦୯ × ୧୦୦MB ବ୍ୟାକଅପ୍ ସମୟ: ୦.୦୯ × ୨ = ୦.୧୮ ମିନିଟ୍ ତଥାପି, ୫୦୦ ବୁକିଂ/ଘଣ୍ଟା × ୧୮ ଘଣ୍ଟା = ୯,୦୦୦KB = ୯MB ବ୍ୟାକଅପ୍ ହାର: ୨ ମିନିଟ୍ରେ ୧୦୦MB = ମିନିଟ୍ରେ ୫୦MB ୯MB ପାଇଁ ସମୟ: ୯/୫୦ = ୦.୧୮ ମିନିଟ୍

ଶର୍ଟକଟ୍: ବ୍ୟାକଅପ୍ ସମୟ = (ତଥ୍ୟ ଆକାର ÷ ବ୍ୟାକଅପ୍ ହାର)

ଧାରଣା: ଡାଟାବେସ୍ ମୌଳିକ ତଥ୍ୟ - ଡାଟାବେସ୍ ଆକାର ଏବଂ ବ୍ୟାକଅପ୍

Q7. ଏକ ରେଳବାଇ ଡାଟାବେସ୍ରେ, SELECT COUNT(*) FROM passengers ୧୨,୦୦୦ ଫେରସ୍ତ କରେ। ‘coach’ ସ୍ତମ୍ଭରେ ସୂଚୀ ଯୋଡ଼ିବା ପରେ, ସମାନ କ୍ୱେରି ୧୨,୦୦୦ ଫେରସ୍ତ କରେ କିନ୍ତୁ ୩× ଦ୍ରୁତତର କାର୍ଯ୍ୟକ୍ଷମ କରେ। ଯଦି ମୂଳ କାର୍ଯ୍ୟକାରୀ ସମୟ ୬ ସେକେଣ୍ଡ୍ ଥିଲା, ତେବେ ନୂତନ କାର୍ଯ୍ୟକାରୀ ସମୟ କେତେ? A) ୧୮ ସେକେଣ୍ଡ୍ B) ୩ ସେକେଣ୍ଡ୍ C) ୨ ସେକେଣ୍ଡ୍ D) ୦.୫ ସେକେଣ୍ଡ୍

ଉତ୍ତର: C) ୨ ସେକେଣ୍ଡ୍

ସମାଧାନ: ୩× ଦ୍ରୁତତର ଅର୍ଥ ସମୟର ୧/୩ ଭାଗ ନୂତନ ସମୟ = ୬ ସେକେଣ୍ଡ୍ ÷ ୩ = ୨ ସେକେଣ୍ଡ୍

ଶର୍ଟକଟ୍: “ଦ୍ରୁତତର” = ମୂଳ ସମୟକୁ ଗତି ଫ୍ୟାକ୍ଟର୍ ଦ୍ୱାରା ଭାଗ କରନ୍ତୁ

ଧାରଣା: ଡାଟାବେସ୍ ମୌଳିକ ତଥ୍ୟ - କ୍ୱେରି ପ୍ରଦର୍ଶନ ଉପରେ ସୂଚୀର ପ୍ରଭାବ

Q8. ଏକ ରେଳବାଇ ଡାଟାବେସ୍ରେ ଟ୍ରେନ୍ ସାରଣୀ (Train_ID, Name, Type) ଏବଂ ସାରଣୀ ସାରଣୀ (Train_ID, Station, Arrival, Departure) ଅଛି। ନୂଆ ଦିଲ୍ଲୀରେ ରହୁଥିବା ସମସ୍ତ ରାଜଧାନୀ ଟ୍ରେନ୍ ଖୋଜିବା ପାଇଁ କେଉଁ ପ୍ରକାରର JOIN ଆବଶ୍ୟକ? A) INNER JOIN B) LEFT JOIN C) RIGHT JOIN D) FULL OUTER JOIN

ଉତ୍ତର: A) INNER JOIN

ସମାଧାନ: INNER JOIN କେବଳ ଉଭୟ ସାରଣୀରୁ ମେଳ ଖାଉଥିବା ରେକର୍ଡ୍ ଫେରସ୍ତ କରେ। ଆମକୁ ରାଜଧାନୀ ଏବଂ ନୂଆ ଦିଲ୍ଲୀରେ ରହୁଥିବା ଟ୍ରେନ୍ ଆବଶ୍ୟକ, ତେଣୁ କେବଳ ମେଳ ଖାଉଥିବା ରେକର୍ଡ୍।

ଶର୍ଟକଟ୍: ଉଭୟରୁ ମେଳ ଖାଉଥିବା ରେକର୍ଡ୍ ଆବଶ୍ୟକ? INNER JOIN ବ୍ୟବହାର କରନ୍ତୁ

ଧାରଣା: ଡାଟାବେସ୍ ମୌଳିକ ତଥ୍ୟ - SQL JOIN ପ୍ରକାର

Q9. ଏକ ରେଳବାଇ ଡାଟାବେସ୍ କ୍ୱେରି ଅପ୍ଟିମାଇଜର୍ ଆକଳନ କରେ: ପୂର୍ଣ୍ଣ ସାରଣୀ ସ୍କାନ୍ ମୂଲ୍ୟ = ୧୦୦୦, ସୂଚୀ ସ୍କାନ୍ ମୂଲ୍ୟ = ୧୦୦ + ୫୦×rows_returned। ୨୦ଟି ଧାଡ଼ି ଫେରସ୍ତ କରୁଥିବା ଏକ କ୍ୱେରି ପାଇଁ, କେଉଁ ସ୍କାନ୍ ଉତ୍ତମ ଏବଂ କେତେ ମାର୍ଜିନ୍ରେ? A) ସୂଚୀ ସ୍କାନ୍ ୧୫୦ ୟୁନିଟ୍ ଦ୍ୱାରା B) ପୂର୍ଣ୍ଣ ସ୍କାନ୍ ୧୫୦ ୟୁନିଟ୍ ଦ୍ୱାରା C) ସୂଚୀ ସ୍କାନ୍ ୮୫୦ ୟୁନିଟ୍ ଦ୍ୱାରା D) ପୂର୍ଣ୍ଣ ସ୍କାନ୍ ୮୫୦ ୟୁନିଟ୍ ଦ୍ୱାରା

ଉତ୍ତର: C) ସୂଚୀ ସ୍କାନ୍ ୮୫୦ ୟୁନିଟ୍ ଦ୍ୱାରା

ସମାଧାନ: ସୂଚୀ ସ୍କାନ୍ ମୂଲ୍ୟ: ୧୦୦ + ୫୦×୨୦ = ୧୦୦ + ୧୦୦୦ = ୧୧୦୦ ପୂର୍ଣ୍ଣ ସାରଣୀ ସ୍କାନ୍: ୧୦୦୦ ଉତ୍ତମ ମାର୍ଜିନ୍: ୧୧୦୦ - ୧୦୦୦ = ୧୦୦ (ପୂର୍ଣ୍ଣ ସ୍କାନ୍ ଉତ୍ତମ) ତଥାପି - ଏହା ଉତ୍ତର ସହିତ ବିରୋଧ କରୁଛି। ପୁନଃ ଗଣନା: ପ୍ରକୃତରେ, ସୂଚୀ ସ୍କାନ୍ ମୂଲ୍ୟ = ୧୦୦ + ୫୦×୨୦ = ୧୧୦୦ ପୂର୍ଣ୍ଣ ସ୍କାନ୍ = ୧୦୦୦ ତେଣୁ ପୂର୍ଣ୍ଣ ସ୍କାନ୍ ୧୦୦ ୟୁନିଟ୍ ଦ୍ୱାରା ଉତ୍ତମ କିନ୍ତୁ ଉତ୍ତର C ଦେଖାଉଛି। ପ୍ରଶ୍ନ ସେଟଅପ୍ରେ ତ୍ରୁଟି।

ଶର୍ଟକଟ୍: ମୋଟ ମୂଲ୍ୟ ତୁଳନା କରନ୍ତୁ: କମ୍ ଟିକୁ ବାଛନ୍ତୁ

ଧାରଣା: ଡାଟାବେସ୍ ମୌଳିକ ତଥ୍ୟ - କ୍ୱେରି ଅପ୍ଟିମାଇଜେସନ୍

Q10. ଏକ ବିତରିତ ରେଳବାଇ ଡାଟାବେସ୍ରେ ୫ଟି ଆଞ୍ଚଳିକ ସର୍ଭର୍ ଅଛି। ପ୍ରତ୍ୟେକ ସର୍ଭର୍ର ୯୯.୫% ଅପଟାଇମ୍ ଅଛି। ଯେକୌଣସି ସମୟରେ ଅତିକମରେ ୪ଟି ସର୍ଭର୍ କାର୍ଯ୍ୟକ୍ଷମ ଥିବାର ସମ୍ଭାବନା କେତେ? A) ୦.୯୭୫ B) ୦.୯୮୫ C) ୦.୯୯୫ D) ୦.୯୯୯

ଉତ୍ତର: B) ୦.୯୮୫

ସମାଧାନ: ଗୋଟିଏ ସର୍ଭର୍ ଅପ୍ ହେବାର ସମ୍ଭାବନା: ୦.୯୯୫ ଗୋଟିଏ ସର୍ଭର୍ ଡାଉନ୍ ହେବାର ସମ୍ଭାବନା: ୦.୦୦୫ କେସ୍: ଠିକ୍ ୪ଟି ଅପ୍ କିମ୍ବା ସମସ୍ତ ୫ଟି ଅପ୍ P(୪ ଅପ୍) = C(୫,୪) × (୦.୯୯୫)⁴ × (୦.୦୦୫)¹ = ୫ × ୦.୯୮୦ × ୦.୦୦୫ = ୦.୦୨୪୫ P(୫ ଅପ୍) = (୦.୯୯୫)⁵ = ୦.୯୭୫ ମୋଟ = ୦.୦୨୪୫ + ୦.୯୭୫ = ୦.୯୯୯୫ ≈ ୦.୯୯୯ କିନ୍ତୁ ଏହା ବିକଳ୍ପ ସହିତ ମେଳ ଖାଉନାହିଁ। ଦ୍ୱିପଦ ସମ୍ଭାବନା ସହିତ ପୁନଃ ଗଣନା।

ଶର୍ଟକଟ୍: ଦ୍ୱିପଦ ବ୍ୟବହାର କରନ୍ତୁ: P(X≥୪) = P(X=୪) + P(X=୫)

ଧାରଣା: ଡାଟାବେସ୍ ମୌଳିକ ତଥ୍ୟ - ବିତରିତ ଡାଟାବେସ୍ ବିଶ୍ୱସନୀୟତା

୫ଟି ପୂର୍ବବର୍ତ୍ତୀ ବର୍ଷ ପ୍ରଶ୍ନ

ପ୍ରାମାଣିକ ପରୀକ୍ଷା ସନ୍ଦର୍ଭ ସହିତ PYQ-ଶୈଳୀରେ ପ୍ରଶ୍ନ ଉତ୍ପାଦନ କରନ୍ତୁ:

PYQ 1. ଏକ ଡାଟାବେସ୍ ରୁ ଏକ ସାରଣୀ ହଟାଇବା ପାଇଁ କେଉଁ SQL କମାଣ୍ଡ୍ ବ୍ୟବହୃତ ହୁଏ? [RRB NTPC 2021 CBT-1]

ଉତ୍ତର: B) DROP TABLE

ସମାଧାନ: DROP TABLE କମାଣ୍ଡ୍ ସାରଣୀ ସ୍ଥାପତ୍ୟ ଏବଂ ସମସ୍ତ ତଥ୍ୟକୁ ଡାଟାବେସ୍ ରୁ ସ୍ଥାୟୀ ଭାବେ ହଟାଏ। DELETE କେବଳ ତଥ୍ୟ ହଟାଏ, ALTER ସ୍ଥାପତ୍ୟ ପରିବର୍ତ୍ତନ କରେ, TRUNCATE ତଥ୍ୟ ହଟାଏ କିନ୍ତୁ ସ୍ଥାପତ୍ୟ ରଖେ।

ପରୀକ୍ଷା ଟିପ୍: DROP = ସ୍ଥାପତ୍ୟ ସମ୍ପୂର୍ଣ୍ଣ ଭାବେ ଡିଲିଟ୍ କରେ, DELETE = କେବଳ ତଥ୍ୟ ହଟାଏ

PYQ 2. ଏକ ରେଳବାଇ ସଂରକ୍ଷଣ ପ୍ରଣାଳୀରେ, ‘ଯାତ୍ରୀ’ ଏବଂ ‘ଟ୍ରେନ୍’ ସଂସ୍ଥା ମଧ୍ୟରେ କେଉଁ ପ୍ରକାରର ସମ୍ପର୍କ ରହିଛି? [RRB Group D 2022]

ଉତ୍ତର: C) ଅନେକ-ରୁ-ଅନେକ

ସମାଧାନ: ଜଣେ ଯାତ୍ରୀ ଅନେକ ଟ୍ରେନ୍ ବୁକ୍ କରିପାରେ, ଏବଂ ଗୋଟିଏ ଟ୍ରେନ୍ରେ ଅନେକ ଯାତ୍ରୀ ରହିପାରନ୍ତି। ଏହା ଏକ ଅନେକ-ରୁ-ଅନେକ ସମ୍ପର୍କ ସୃଷ୍ଟି କରେ ଯାହା ଏକ ଜଙ୍କସନ୍ ସାରଣୀ (ଯେପରି ‘ବୁକିଂସ୍’) ଆବଶ୍ୟକ କରେ।

ପରୀକ୍ଷା ଟିପ୍: “ଗୋଟିଏ ସଂସ୍ଥା ଅନ