Freigeben über

Speicherverwaltung in Dataverse und Finanz‑ und Betriebs-Apps

Da Unternehmen ihre digitale Transformation beschleunigen, wird die Fähigkeit, Daten effektiv zu verwalten, zu einer strategischen Geschäftsnotwendigkeit. Mit dem Aufkommen von KI-gestützten Anwendungen und Copilot-gesteuerten Workflows generieren und konsumieren Unternehmen Daten in einem noch nie dagewesenen Tempo. Diese Daten treiben Innovationen voran, ermöglichen personalisierte Erlebnisse und unterstützen wichtige Entscheidungen – aber nur, wenn sie intelligent verwaltet und gespeichert werden.

Um diesen sich wandelnden Geschäftsanforderungen gerecht zu werden, müssen Organisationen eine proaktive Speichermanagementstrategie einführen. Dadurch wird sichergestellt, dass Daten, die für den täglichen Betrieb nicht mehr benötigt werden, verantwortungsvoll gehandhabt werden, wodurch Kapazitäten für hochwertige Workloads freigesetzt werden, betriebliche Reibungsverluste reduziert und Compliance- und Audit-Anforderungen erfüllt werden.

Aus technischer Sicht verbessert ein effektives Speichermanagement in Dataverse und Dynamics 365 die Systemleistung, verbessert die Kosteneffizienz und gewährleistet die Einhaltung von Richtlinien für die Langzeitaufbewahrung (LTR). Beide Plattformen bieten Tools und Automatisierungsfunktionen, mit denen Unternehmen Speicher verwalten können.

Durch die Implementierung der in diesem Artikel beschriebenen Strategien können Unternehmen den Support-Overhead reduzieren, die Compliance optimieren und einen größeren Nutzen aus ihren Geschäftsanwendungen ziehen – und so Speicher von einer Einschränkung in einen Wettbewerbsvorteil verwandeln.

Wesentliche Vorteile

Ein effektives Speichermanagement in Dataverse und Dynamics 365 bietet mehrere wichtige Vorteile, die häufige Kundenprobleme beheben und die allgemeine betriebliche Effizienz verbessern.

  • Gesteigerte Compliance mit LTR: Ein effektives Speichermanagement stellt sicher, dass Daten in Übereinstimmung mit den LTR-Richtlinien gespeichert werden. Dies hilft nicht nur bei der Erfüllung gesetzlicher Anforderungen, sondern stellt auch sicher, dass kritische Daten erhalten bleiben und bei Bedarf zugänglich sind.

  • Verbesserte Leistung: Durch die Optimierung des Speichermanagements können Organisationen die Leistung ihrer Systeme erheblich verbessern. Eine effiziente Speicherzuweisung und -verwaltung reduziert die Latenz und verbessert die Geschwindigkeit des Datenabrufs, was zu reibungsloseren und schnelleren Vorgängen führt.

  • Kosteneffizienz steigern: Ein effektives Speichermanagement erlaubt es Organisationen, sich auf hochwertige Daten zu konzentrieren, indem sie ihre Speicherlandschaft rationalisieren und entrümpeln. Indem Unternehmen nur das Notwendige beibehalten, können sie ihren Speicherbedarf optimieren, was zu einer intelligenteren Ressourcennutzung und kostengünstigen Skalierbarkeit führt.

Hintergrund

Wenn Organisationen wachsen und immer mehr ihrer Abläufe digitalisieren, steigt das Volumen der Geschäftsdaten, die in Systemen wie Dataverse und Dynamics 365 gespeichert sind, stetig an. Dazu gehören nicht nur aktive, transaktionale Daten, sondern auch historische Aufzeichnungen, die zu Prüfungs-, Regulierungs- oder Geschäftskontinuitätszwecken aufbewahrt werden müssen. Im Laufe der Zeit kann diese Anhäufung zu Leistungseinbußen, erhöhtem Betriebsaufwand und steigenden Speicherkosten führen – insbesondere, wenn Daten, die nicht mehr aktiv verwendet werden, in Hochleistungsspeicherebenen verbleiben.

Eine klar definierte Speichermanagementstrategie hilft Unternehmen, diese Herausforderungen zu meistern, indem sie Daten identifiziert, die archiviert, bereinigt oder in kostengünstigeren, leseoptimierten Speicher verschoben werden können. Dies ist für Compliance-Szenarien wichtig, in denen Daten unveränderlich, mit geringem Zugriff und schreibgeschützt aufbewahrt werden müssen, wie z. B. Finanzunterlagen, Überwachungsprotokolle oder behördliche Einreichungen. Sicherzustellen, dass solche Daten auf konforme Weise aufbewahrt werden, ohne die Leistung von Live-Systemen zu beeinträchtigen, ist eine wichtige Anforderung für viele Unternehmen.

Durch den Einsatz der Tools und Strategien, die auf beiden Plattformen verfügbar sind, können Unternehmen einen besseren Überblick über ihren Speicherbedarf erhalten, unnötigen Verbrauch reduzieren und sicherstellen, dass Compliance-kritische Daten angemessen behandelt werden.

In diesem Artikel werden praktische Ansätze für das Speichermanagement vorgestellt, mit denen Kunden ihre Datenaufbewahrungspraktiken an geschäftliche und regulatorische Anforderungen anpassen können. Dies verbessert die Systemleistung, reduziert den Betriebsaufwand und stellt sicher, dass Compliance-Verpflichtungen ohne Kompromisse erfüllt werden.

Warum wir Daten speichern

Um das richtige Datenaufbewahrungsmuster für Ihre Daten auszuwählen und zu optimieren, ist es wichtig, über die Gründe und Verwendungszwecke nachzudenken, für die wir Daten speichern.

Betriebliche Daten

Bei einer Geschäftsanwendung werden Betriebsdaten verwendet, um Verkäufe oder Finanz- oder Lieferkettenaktionen nachzuverfolgen

Auf diese Daten muss in Echtzeit zugegriffen werden können, um Kunden- und interne Betriebsprozesse zu unterstützen, die granulare Aktionen wie Interaktionen mit Kunden, Bestellungen oder Bestandsaktivitäten aufzeichnen.

Im Laufe der Zeit können Betriebsdaten von einer aktiven zu einer seltenen Nutzung übergehen. Die Daten müssen möglicherweise nahezu in Echtzeit zugänglich sein, um einen Kunden bei einer Bestellung oder in einem Supportfall zu unterstützen. Stellen Sie sich beispielsweise folgende Szenarien vor:

  • Ein Kunde gibt eine Bestellung auf, während ein anderer Kunde, der seit einiger Zeit nicht mehr mit dem Unternehmen interagiert hat, eine Bestellung aufgibt.
  • Auf jede Bestellung, die aufgegeben wurde und versandt wird, wird ständig zugegriffen. Es gibt auch Bestellungen, für die eine Garantiezeit von drei Jahren gilt, die möglicherweise für den Support referenziert werden müssen und möglicherweise eine Rückerstattung erfordern.

Dies kann zu Phasen führen, in denen der Zugriff auf operative Daten erforderlich ist, wie z. B.:

  • Weniger als ein Jahr aktiv abgerufener Daten.
  • Weniger als drei Jahre selten abgerufener Daten.
  • Mehr als drei Jahre, in denen nicht mehr operativ auf Daten zugegriffen wird.

Die Echtzeit-Natur des Betriebsspeichers macht ihn im Vergleich zu anderen Speichermedien relativ teuer, daher ist es wichtig zu erkennen, wann auf Daten operativ zugegriffen werden muss und wann nicht, um Aufbewahrungsstrategien zu definieren.

Operative Integration

Da es sich um eine spezielle Kategorie der betrieblichen Nutzung handelt, kann es erforderlich sein, Daten zwischen mehreren betrieblichen Systemen zu replizieren, einschließlich Mustern wie:

  • Bankenwesen: Kundenbeziehungsmanagement für Kundeninteraktionen in Produktion und Service und Replikation auf mehrere Banksysteme. Sie haben zum Beispiel Girokonten, Kreditkarten, Hypotheken- und Bonitätsprüfungssysteme.
  • Produktion: Kundenbeziehungsmanagement für die Auftragsannahme in Service und Produktion und Enterprise-Resource-Management-System für das Supply Chain Management.
  • Polizeiliche Notrufe: Kundenbeziehungsmanagement für Kontakte mit Bürgern und Einsatzleitsysteme für Polizeidienststellen bieten Verwaltungsmöglichkeiten für die Bereitstellung.

In diesen Fällen kann zwar jedes System über einzigartige Daten verfügen, die es verfolgt, aber es gibt oft gemeinsame Stammdaten, die zwischen den Systemen ausgetauscht und synchronisiert werden müssen, was zu Integrationsanforderungen führt.

Überwachungsdaten

Ein Unternehmen hat in der Regel die behördliche Verantwortung, Daten für längere Zeiträume aufzubewahren – z. B. für durchschnittlich sieben Jahre – für interne oder externe Prüfungszwecke, z. B. zur Unterstützung von Finanzprüfungen, behördlicher Offenlegung oder Betrugsprüfung.

Diese Daten umfassen in der Regel sowohl Daten, die für betriebliche Zwecke benötigt werden, als auch Daten, die nicht mehr benötigt werden, da sie die Überprüfung des gesamten Datensatzes von einem Ort aus ermöglichen.

Analysedaten

Organisationen müssen den Zustand ihres Unternehmens überprüfen und analysieren. Sie müssen Statistiken im Laufe der Zeit messen und vergleichen, die mehrere oder alle Teile des Unternehmens umfassen.

Die großen Zeiträume und der Umfang der Daten, über die diese Analyse erfolgen kann, führen dazu, dass Betriebsdaten in spezialisierte Analysetools repliziert werden müssen. Dies verhindert, dass komplexe Analysen die Leistung operativer Systeme beeinträchtigen, ermöglicht aber auch die Analyse über Datensätze hinweg, die über den Zeitraum hinausgehen, für den Daten operativ benötigt werden. Beispielsweise müssen Sie möglicherweise Daten über einen Zeitraum von sieben Jahren statt über ein bis zwei Jahre vergleichen. Unterschiedliche Analyseanforderungen erfordern jedoch möglicherweise die gesamten Datenaufbewahrungszeiträume oder umfassen nur die in operativen Systemen gespeicherten Daten.

Analysedaten ermöglichen in der Regel die Aggregation von Daten über mehrere Teile des Unternehmens hinweg und kombinieren Daten aus mehreren Systemen.

Datenfluss

Die Daten dieser Typen bewege sich in der Regel im Laufe der Zeit von Betriebsdaten zu Transaktions- oder historische Daten, wie in der folgenden Abbildung gezeigt.

Der Verlauf der Daten.

Verschiedene Speichertypen

Dataverse-Speichertypen

Dataverse organisiert Speicher in drei Hauptkategorien mit jeweils unterschiedlichen Nutzungsmustern und Folgen für die Abrechnung.

Speichertyp Beschreibung Häufige Anwendungsfälle
Datenbankspeicher Speichert strukturierte Daten in Standard- und benutzerdefinierten Tabellen. Geschäftsdatensätze, Metadaten, Beziehungen und Konfigurationen
Dateispeicher Speichert Anhänge und Binärdaten. E-Mail-Anhänge, Bilder, Dokumente, die über Power Apps hochgeladen werden
Protokollspeicher Speichert Überwachungsprotokolle und Plug-In-Ablaufverfolgungsprotokolle. Änderungsnachverfolgung, Überwachung, Diagnose und Compliance

Speichertypen für Finanz- und Betriebsplattformen

Finanz- und Betriebsspeicher werden separat verwaltet, aber zunehmend in das Power Platform-Ökosystem integriert. Es umfasst die folgenden Speichertypen.

Speichertyp Beschreibung Häufige Anwendungsfälle
Operativer Datenbankspeicher Zentrale Transaktionsdaten für Finanzen, Lieferkette, Personalwesen und mehr Sachkontoeinträge, Bestand, Kundenaufträge
Dokumentenverwaltungsspeicherung In Azure Blob Storage gespeicherte binäre große Objekte (Blobs) Rechnungen, Quittungen, gescannte Dokumente
Telemetrie- und Diagnoseprotokolle Systemprotokolle und Telemetriedaten Leistungsüberwachung, Problemdiagnose.

Gemeinsam genutzte und integrierte Speicherszenarien

  • Speicher mit dualem Schreiben

    • Ermöglicht Echtzeit-Synchronisierung zwischen Dataverse und Finanz- und Betriebs-Apps.
    • Erfordert ein sorgfältiges Rollen- und Kapazitätsmanagement, um Doppelarbeit oder Überlastung zu vermeiden.

  • Langzeitaufbewahrung (LTR)

    • Verschiebt historische Daten in einen verwalteten Data Lake (MDL).
    • Reduziert die Nutzung von Primärspeicher bei gleichzeitiger Aufrechterhaltung von Compliance und Analysezugriff.
    • Kann integriert werden mit:
      • Schnellsuche (Dataverse-native Suche)
      • OneLake (Fabric-basierte Analysen)
      • Synapse Link (benutzerdefinierte Lake-Analyse)

Wie Ihre Daten im Laufe der Zeit wachsen

In dem Maße, in dem Organisationen die Nutzung von Dataverse und der Dynamics 365 Finanz- und Betriebsplattform skalieren, wird die Zunahme der Daten sowohl zu einem Zeichen des Erfolgs als auch zu einer strategischen Herausforderung. Was als schlanker, transaktionaler Datensatz beginnt, kann sich schnell zu einem komplexen, vielschichtigen Datenbestand entwickeln. In diesem Abschnitt werden die fünf wichtigsten Treiber des Datenwachstums und ihre Auswirkungen auf Speicher, Leistung und Governance untersucht.

Verwenden von Data Warehousing für Betriebsdaten

Um Erkenntnisse aus Betriebssystemen zu gewinnen, verwenden viele Organisationen Azure Synapse Link, OneLake oder den Datenexport, um Daten aus Dataverse und Finanz- und Betriebs-Apps in ein Analysesystem zu replizieren. Dies unterstützt zwar erweiterte Berichts- und KI-Workloads, führt aber auch zu Folgendem:

  • Redundanter Speicher über Betriebs- und Analyseebenen hinweg

    Daten werden häufig zwischen der operativen und der analytischen Umgebung dupliziert. Diese Redundanz erhöht den Gesamtspeicherverbrauch und kann zu höheren Kosten führen, insbesondere wenn historische Daten auf unbestimmte Zeit in beiden Systemen aufbewahrt werden.

  • Mehraufwand für Schemaduplizierung und Versionsverwaltung

    Um die Konsistenz zwischen den Systemen zu gewährleisten, müssen Organisationen Schemaänderungen – z. B. neue Felder und umbenannte Spalten – sowohl auf operativer als auch auf analytischer Ebene replizieren. Dies erhöht die Komplexität der Data Governance und erhöht das Risiko von Schemaabweichungen, die nachgelagerte Berichte oder Modelle beeinträchtigen können.

  • Erhöhte Aufbewahrung historischer Daten für Trendanalysen

    Analysesysteme bewahren Daten in der Regel über längere Zeiträume auf, um Trendanalysen, Prognosen und behördliche Berichte zu unterstützen. Diese langfristige Aufbewahrung ist zwar wertvoll, kann aber zu aufgeblähten Datensätzen führen, wenn sie nicht mit den richtigen Archivierungs- und Tiering-Strategien verwaltet wird.

Data Warehousing ist für Analysen unerlässlich, aber ohne Lebenszyklusrichtlinien kann es Ihren Speicherbedarf verdoppeln oder verdreifachen.

Die Suchfunktion auf die Daten anwenden

Features wie die Dataverse-Suche, Copilot-Indizierung und die Relevanzsuche erfordern die Indizierung großer Mengen strukturierter und unstrukturierter Daten. Für diese Indizes gilt oft Folgendes:

  • Protokoll- und Datenbankspeicher verbrauchen

    Suchindizes werden sowohl im Protokoll- als auch im Datenbankspeicher gespeichert. Je mehr Tabellen und Felder als durchsuchbar markiert werden, desto größer wird der Index. Dies kann sich erheblich auf die gesamte Speichernutzung auswirken, insbesondere in Umgebungen mit großen Datensatzmengen oder häufigen Schemaänderungen.

  • Auch für ungenutzte oder veraltete Tabellen beibehalten

    Selbst wenn bestimmte Tabellen veraltet sind oder nicht mehr aktiv verwendet werden, können die zugehörigen Suchindizes beibehalten werden, wenn sie nicht explizit entfernt werden. Dies führt zu unnötigem Speicherverbrauch und kann die Kapazitätsplanung erschweren.

  • Suchindizes werden häufig in Entwicklungs-, Test- und Produktionsumgebungen dupliziert, z. B. in Entwicklungs-, Test- und Produktionsumgebungen

    Suchindizes werden in der Regel über Entwicklungs-, Test- und Produktionsumgebungen hinweg repliziert. Dies sorgt zwar für ein konsistentes Suchverhalten, vervielfacht aber auch den Speicherbedarf, insbesondere wenn Umgebungen häufig geklont oder aktualisiert werden.

Die Suche verbessert die Benutzerfreundlichkeit und die KI-Bereitschaft, aber die Aufblähung des Index trägt stillschweigend zu Speicherüberschüssen bei.

Aktivieren der Datenprotokollierung

Überwachungsprotokolle, Plug-In-Ablaufverfolgungsprotokolle und Telemetriedaten sind für die Compliance, das Debuggen und die Überwachung von entscheidender Bedeutung. Beachten Sie jedoch die folgenden Punkte:

  • Der Protokollspeicher wächst linear mit der Nutzung und der Benutzeranzahl.

    Die Protokolldaten wachsen proportional mit:

    • Die Anzahl der Benutzer und deren Aktivitätslevel
    • Das Volumen der Transaktionen und Integrationen
    • Die Komplexität von Geschäftslogik wie Plug-Ins und Workflows

    In Umgebungen mit hoher Auslastung kann dies zu einer schnellen Erweiterung von Protokolltabellen führen, wodurch sowohl Datenbank- als auch Protokollspeicherkontingente belegt werden.

  • Die Standardaufbewahrungsfristen sind oft zu großzügig, z. B. 90 Tage oder mehr.

    Standardmäßig bewahren viele Protokollierungsfunktionen Daten über einen längeren Zeitraum auf, z. B. 90 Tage oder länger. Dies unterstützt zwar die langfristige Rückverfolgbarkeit, kann jedoch zu unnötigem Speicherverbrauch führen, insbesondere wenn Protokolle nicht aktiv überprüft oder exportiert werden.

  • Vom System generierte Protokolle werden dem Kunden in Dataverse in Rechnung gestellt.

    In Dataverse werden vom System generierte Protokolle, einschließlich Überwachungsprotokolle und Plug-In-Ablaufprotokolle, auf die Speicherberechtigung des Kunden angerechnet. Dies bedeutet, dass die Protokollierung ohne geeignete Bereinigungs- oder Exportstrategien direkt zu Speicherüberschreitungen und erhöhten Lizenzkosten beitragen kann.

Die Protokollierung ist für regulierte Branchen nicht verhandelbar, muss aber mit Aufbewahrungs- und Exportstrategien wie Azure Monitor oder Log Analytics kombiniert werden.

Mehrerer Kopien der Produktionsumgebung

Um Entwicklung, Tests, Schulungen und Fehlerbehebung zu unterstützen, erstellen Kunden häufig Sandbox- oder geklonte Umgebungen. Jede Kopie:

  • Repliziert den vollständigen Daten- und Index-Speicherbedarf.
  • Kann offensichtliche Abhängigkeiten wie Suchindizes, Überwachungsprotokolle und Metadaten enthalten.
  • Wird nach Gebrauch selten gereinigt.

Die Ausbreitung der Umgebung ist ein wesentlicher Treiber für Speicherkosten und Komplexität. Governance-Richtlinien und Automatisierung sind der Schlüssel zur Eindämmung.

Optimierung der Abfragen auf die Daten

Da das Datenvolumen wächst und die Reaktionsfähigkeit von Anwendungen immer wichtiger wird, implementieren Kunden und ISVs häufig verschiedene Techniken zur Abfrageoptimierung, um die Leistung in Dataverse und Dynamics 365 zu verbessern. Diese Strategien werden besonders häufig in Berichts-, Analyse- und integrationsintensiven Szenarien eingesetzt.

Um die Leistung zu verbessern, erstellen Kunden und ISVs häufig Folgendes:

  • Benutzerdefinierte Indizes und materialisierte Sichten

    Diese werden verwendet, um die Abfrageausführung zu beschleunigen, indem Verknüpfungen oder Aggregationen vorberechnet werden. Sie sind hilfreich in Szenarien mit komplexen Filtern oder großen Datensätzen.

  • Denormalisierte Tabellen für die Berichterstellung

    Um die Berichterstellung zu vereinfachen und die Komplexität von Abfragen zu reduzieren, erstellen Entwickler häufig vereinfachte Versionen relationaler Daten. Diese Tabellen verringern den Bedarf an Laufzeitverknüpfungen und verbessern die Dashboardleistung.

  • Zwischenspeicherebenen oder Aggregate

    Daten, auf die häufig zugegriffen wird, werden manchmal vorab aggregiert oder in Zwischentabellen oder externen Speichern zwischengespeichert, um die Auslastung der primären Datenbank zu reduzieren.

Diese verbessern zwar die Reaktionsfähigkeit, haben aber auch folgende Nachteile:

  • Erhöhter Speicherverbrauch

    Jede Optimierungsebene führt mehr Datenstrukturen ein, unabhängig davon, ob es sich um eine Kopie vorhandener Daten in einem denormalisierten Format, eine vorberechnete Ansicht oder eine Cache-Tabelle handelt. Diese Strukturen duplizieren häufig Daten, die bereits an anderer Stelle gespeichert sind, was zu einem größeren Gesamtspeicherbedarf führt. In Umgebungen mit strengen Speicherkontingenten oder kostenbasierten Lizenzmodellen wie Dataverse kann dies schnell zu vermeidbaren Überschreitungen führen.

  • Können verwaisen, wenn Apps weiterentwickelt werden

    Im Zuge der Weiterentwicklung von Anwendungen werden einige Optimierungsartefakte möglicherweise nicht mehr von aktiven Berichten, Dashboards oder Integrationen referenziert. Diese verwaisten Objekte verbrauchen, wenn sie nicht identifiziert und entfernt werden, weiterhin Speicherplatz und können sogar den Systembetrieb verlangsamen, z. B. bei Sicherungen oder Indizierungen. Ohne regelmäßige Audits können sie sich unbemerkt ansammeln und genau die Leistungssteigerungen untergraben, für die sie geschaffen wurden.

Die Abfrageoptimierung ist für die Skalierung unerlässlich, muss jedoch mit Speicherhygiene und telemetriegesteuerter Optimierung in Einklang gebracht werden.

Indizes und ihre Auswirkungen auf den Speicher

Indizes sind unerlässlich, um die Abfrageleistung zu verbessern und einen schnellen Datenabruf in großen Datasets zu ermöglichen. Sowohl in Dataverse als auch in Dynamics 365 Finanz- und Betriebs-Apps werden automatisch Indizes für Primärschlüssel und häufig abgefragte Felder erstellt. Andere benutzerdefinierte Indizes können festgelegt werden, um bestimmte Geschäftsszenarien zu unterstützen.

Indizes sind zwar entscheidend für die Leistung, haben aber auch einen direkten Einfluss auf den Speicherverbrauch, der beim Lösungsentwurf oft unterschätzt wird.

Speicherverbrauch durch Indizes

  • Physische Duplizierung von Daten: In jedem Index wird eine Kopie der indizierten Spalten zusammen mit Hinweisen zu den entsprechenden Zeilen gespeichert. Je mehr Spalten und Zeilen indiziert sind, desto größer ist die Indexgröße.

  • Wachstum mit dem Datenvolumen: Wenn die zugrunde liegende Tabelle wächst, wächst auch der Index. In Umgebungen mit hohen Transaktionsraten können Indizes schnell anwachsen, insbesondere bei großen, denormalisierten Tabellen oder Tabellen mit häufigen Einfügungen und Aktualisierungen.

  • Mehrere Indizes pro Tabelle: Es ist üblich, dass eine einzelne Tabelle mehrere Indizes hat, z. B. für Suche, Filterung, Sortierung und Verknüpfungen. Jeder andere Index erhöht den kumulativen Speicherbedarf.

  • Suchindizes in Dataverse: Features wie die Dataverse-Suche und die Copilot-Indizierung erstellen spezialisierte Indizes, die sich über mehrere Felder und Tabellen erstrecken. Diese werden in der DataverseSearch-Tabelle gespeichert und können viel Speicherplatz beanspruchen, insbesondere wenn sie in mehreren Umgebungen wie Entwicklungs-, Test- und Produktionsumgebungen verwendet werden.

  • Vom System generierte Indizes: Einige Indizes werden automatisch von der Plattform erstellt, z. B. für Suchfelder oder Beziehungen. Diese können auch dann bestehen bleiben, wenn die zugehörigen Tabellen veraltet sind, es sei denn, sie werden explizit entfernt.

Auswirkungen auf die Speicherung

  • Erhöhter Datenbank- und Protokollspeicher: Indizes tragen sowohl zur Datenbank- als auch zum Protokollspeicherverbrauch bei, was sich in Dataverse auf die Lizenzkosten auswirken kann.
  • Umgebungsduplizierung: Wenn Umgebungen kopiert oder aktualisiert werden, werden alle Indizes dupliziert, was den Speicherverbrauch in Entwicklungs-, Test- und Produktionsumgebungen erhöht.
  • Wartungsaufwand: Indizes müssen aktualisiert werden, wenn sich Daten ändern, was die Schreiblatenz und den Ressourcenverbrauch erhöhen kann.

Auswirkungen der serverseitigen Synchronisierung auf den Speicher

Die serverseitige Synchronisierung in Dataverse erlaubt eine nahtlose Integration von E-Mails, Terminen und Aufgaben zwischen Microsoft Exchange und Dataverse. Dies steigert nicht nur die Produktivität und Automatisierung, sondern trägt auch auf folgende Weise zum Speicherverbrauch bei.

  • Aktivitätsdatensatzerstellung: Jede synchronisierte E-Mail oder jeder synchronisierte Termin generiert einen Aktivitätsdatensatz in Dataverse, zu dem Metadaten, Textinhalte und möglicherweise Anhänge gehören.
  • Speicherung von Anhängen: Wenn Anhänge nicht gefiltert oder ausgelagert werden, werden sie direkt in Dataverse gespeichert, was den Speicherverbrauch erhöht.
  • Compliance und Aufbewahrung: Organisationen, welche die serverseitige Synchronisierung für die Nachverfolgung der Compliance verwenden, speichern möglicherweise mehr Daten als nötig, wodurch der Speicherplatz weiter aufgebläht wird.
  • Geschützte Inhalte: Selbst durch Purview geschützte E-Mails generieren Platzhalterdatensätze, die Speicherplatz verbrauchen, obwohl die Sichtbarkeit des Inhalts eingeschränkt ist.

Um diese Auswirkungen zu bewältigen, sollten Unternehmen Aufbewahrungsrichtlinien implementieren, das Auslagern von Anhängen in Betracht ziehen und das Volumen der Aktivitätsdatensätze regelmäßig überwachen.

Wie kann ich den ständig wachsenden Speicherplatz verwalten?

Unabhängig davon, ob Sie bereits mit Speicherüberschüssen zu kämpfen haben oder dem vorbeugen möchten, erfordert die Verwaltung des Datenwachstums in Dataverse und der Dynamics 365 Finance- und Operations-Plattform einen bewussten, an Richtlinien ausgerichteten Ansatz. In diesem Abschnitt werden zwei strategische Einstiegspunkte skizziert: reaktive Korrektur und proaktive Governance.

Es gibt zwei mögliche Szenarien:

  1. Sie möchten proaktiv Best Practices anwenden, um Speicher zu verwalten und hohe Kosten in Zukunft zu vermeiden.
  2. Sie befinden sich bereits in einer Situation, in der eine Reduzierung der Speichergröße und der Kosten erforderlich ist.

Wenden Sie Best Practices an, um Speichergröße und -kosten zu verwalten

Szenario 1: Sie möchten proaktiv Best Practices zur Speicherverwaltung anwenden

Wenn Sie sich noch nicht im Krisenmodus befinden, ist es jetzt an der Zeit, Tools und Techniken anzuwenden, um den Speicher proaktiv zu verwalten.

Die Analyse für Ihre Daten konfigurieren

Mit dem Wachstum von Unternehmen wächst auch die Notwendigkeit, Erkenntnisse aus Betriebsdaten zu gewinnen, ohne die Leistung der wichtigsten Geschäftsanwendungen zu beeinträchtigen. Microsoft bietet mehrere Möglichkeiten, Analysen von Dataverse- und Dynamics 365 Finance- und Operations-Daten zu ermöglichen, indem Sie eine Integration mit Ihrem eigenen Data Lake oder Data Warehouse herstellen.

Hierfür gibt es zwei leistungsstarke Optionen:

Option 1: Verwendung von Azure Synapse Link – eigenen Lake nutzenVerwendung Ihrer eigenen Lizenz

Mit Azure Synapse Link können Sie Dataverse direkt mit Ihrem eigenen Azure Data Lake- oder Synapse-Arbeitsbereich verbinden. Dies ermöglicht die Replikation von Betriebsdaten in einer analytischen Umgebung nahezu in Echtzeit, ohne komplexe ETL-Pipelines schreiben zu müssen.

Vorteile:

  • Führen Sie erweiterte Analyse- und KI-Modelle mit Live- oder Near-Live-Daten aus.
  • Vermeiden Sie Leistungseinbußen in Ihren Produktionssystemen.
  • Verwenden Sie vertraute Tools wie T-SQL, Spark oder Power BI für die Berichterstellung.

Anwendungsbeispiel: Ein Einzelhandelsunternehmen verwendet Synapse Link, um das Kaufverhalten von Kunden über Regionen hinweg zu analysieren und kombiniert dabei Daten aus dem Dataverse-Kundenbeziehungsmanagement mit externen Marktdaten in seinem eigenen Lake.

Option 2. OneLake verwenden – vereinheitlichte Analyse mit Microsoft Fabric

OneLake, der zu Microsoft Fabric gehört, bietet eine einheitliche Data-Lake-Erfahrung, in der Sie Daten aus mehreren Quellen, einschließlich Dataverse und Finanz- und Betriebs-Apps, ohne Duplizierung speichern und analysieren können.

Vorteile:

  • Zentralisierter Speicher für alle analytischen Workloads.
  • Native Integration mit Power BI, Synapse und KI-Diensten.
  • Vereinfachte Governance und Sicherheit über alle Datendomänen hinweg.

Anwendungsbeispiel: Ein Finanzdienstleistungsunternehmen verwendet OneLake, um Betriebsdaten aus Finanz- und Betriebs-Apps sowie Dataverse mit externen Wirtschaftsindikatoren zu konsolidieren, sodas Echtzeit-, Risikomodellierungs- und Management-Dashboards erstellt werden können. Auf diese Weise können Sie Betriebsdaten von Ihren Kernsystemen entkoppeln und skalierbare, kostengünstige Analysen ermöglichen, indem Sie diese Daten in ihre eigenen Analyseumgebungen exportieren, ohne Workloads zu duplizieren oder die Leistung zu beeinträchtigen.

Werkzeuge und Techniken zur Reduzierung des Speicherplatzes

Dataverse bietet mehrere integrierte Tools und Strategien, mit denen Administrationsfachkräfte Speicher effizient verwalten und die Systemleistung aufrechterhalten können.

Dataverse

Umgebungs- und Datenbereinigung

  • Nicht genutzte Umgebungen löschen: Sie können eine Umgebung löschen, um Speicherplatz zurückzugewinnen und personenbezogene Informationen (PII) zu entfernen.
  • Massenlöschaufträge: Sie können die folgenden Daten in einem Massenvorgang löschen:
    • Veraltete oder Daten, die irrelevant für das Unternehmen sind.
    • Nicht benötigter Test oder Beispieldaten.
    • Daten, die von anderen Systemen nicht ordnungsgemäß importiert werden.

Datei- und Tabellenoptimierung

Langzeitaufbewahrung (LTR) und Archivierung

Suchindexoptimierung

  • Die Dataverse-Suche reduzieren: Sie können die Speichergröße reduzieren, indem Sie alle Schritte in Dataverse – Details zum kapazitätsbasierten Speicher ausführen.
  • Die Größe der DataverseSearch-Tabelle reduzieren: die DataverseSearch-Tabelle ist der kumulative Speicher, der vom Dataverse-Suchindex verwendet wird. Er enthält die Daten aus allen durchsuchbaren, abrufbaren und filterbaren Feldern der Tabellen, die Sie für Ihre Umgebung indiziert haben. Sie können die Tabellengröße reduzieren, indem Sie Bedingungen für Suchspalten, Anzeigespalten und Filter für eine oder mehrere Tabellen entfernen. Sie können die Dataverse-Suche ausschalten, um alle indizierten Daten zu entfernen.
Finanz- und Betriebs-Apps

Finanz- und Betriebs-Apps bieten flexible Optionen für die Speicherverwaltung in Produktions- und Sandbox-Umgebungen.

Umgebungsverwaltung

  • Anzahl der vollständigen Produktionskopien begrenzen: Sie können den Gesamtspeicherverbrauch von Finanz- und Betriebs-Apps reduzieren, indem Sie vollständige Produktionskopien in Sandboxumgebungen entfernen. Wenn Sie beispielsweise fünf Kopien von Produktionsumgebungen in einer Sandbox haben, ist Ihr Speicherverbrauch die Summe aus der Produktion plus fünf Kopien der Produktionsumgebungen in einer Sandbox.
  • Daten in Sandbox-Umgebungen kürzen: Durch das Kürzen der Daten in einer Sandbox-Umgebung können Sie den gesamten Speicherverbrauch reduzieren. Sie können die folgenden Methoden ausführen, um die Daten in der Sandbox zu bereinigen.
    • Der Wiederherstellungsprozess bietet eine Start- und Kürzungsausführung
    • T-SQL schreiben
    • X++ schreiben
  • Eine transaktionslosen Kopie zwischen Umgebungen ausführen: Das Kopieren der Umgebung für Finanz- und Betriebs-Apps war traditionell mit der vollständigen Duplizierung der Datenbank verbunden, einschließlich Konfiguration, Stammdaten und Transaktionen, was zwar für das Debuggen nützlich ist, aber den Speicherverbrauch sowohl bei Finanzen und Betrieb als auch bei Dataverse erheblich erhöht.

Benutzerdefinierte Bereinigung und Protokollverwaltung

  • Benutzerdefinierte Bereinigungsroutinen bei Bedarf schreiben: Sie können je nach Bedarf Ihres Unternehmens benutzerdefinierte Bereinigungsroutinen schreiben, um die unerwünschten Daten zu bereinigen.
  • Speichern von Protokollen vermeiden: Sie können SysDatabaseLog in eine weniger transaktionale Datenbank verschieben, um den Gesamtspeicherbedarf zu reduzieren.

Archivierung und Langzeitaufbewahrung

  • Datenarchivierung – LTR: Mit Finanz- und Betriebs-Apps können Organisationen durch Archivierung die folgenden Vorteile zu erzielen:
    • Historische, inaktive Anwendungsdaten langfristig sichern, um Prüfungs-, gesetzliche und behördliche Anforderungen zu erfüllen.
    • Reduzieren Sie die Größe der Anwendungsdatenbank und die verbrauchte Kapazität, um die Anwendungsleistung zu verbessern, die mit großen Tabellen verbunden ist.
  • Archive einrichten und verwalten
  • Archivanpassung
  • Lagerbuchungskonsolidierung

Integrierte Bereinigungsroutinen

  • Bereinigungsroutinen: In Dynamics 365 Finance und Dynamics 365 Supply Chain Management sind Bereinigungsroutinen in verschiedenen Modulen verfügbar. Bereinigungsroutinen bietet einen Überblick über die derzeit verfügbaren Routinen. Führen Sie nach dem Kopieren der Sandbox-Datenbank diese Bereinigungsroutinen proaktiv aus, um unnötige Tabellen zu entfernen, z. B. den Batchverlauf, Protokolle und den Transaktionsverlauf im Einzelhandel. Löschen Sie veraltete oder irrelevante Daten.
  • Kreditkartentransaktionsdaten archivieren: Beschreibt einen Archivierungsauftrag in Dynamics 365 Commerce, der helfen kann, Speicherplatz in der Datenbank freizugeben, indem Kreditkartenzahlungstoken archiviert werden.

Reduzieren Sie Speichergröße und -kosten

Szenario 2: Sie befinden sich bereits in einer Situation, in der eine Reduzierung der Speichergröße und der Kosten erforderlich ist

Bewerten, was Speicherplatz verbraucht

  • Verwenden Sie das Power Platform Admin Center und die Finanz- und Betriebsspeicherberichte, um herauszufinden, welche Tabellen, Dateitypen und Protokolle den höchsten Verbrauch haben.
  • Verwenden Sie Telemetrie, sofern verfügbar, um die Nutzung bestimmten Apps, Benutzern oder Unternehmenseinheiten zuzuordnen.

Kandidaten für die Bereinigung priorisieren

  • Konzentrieren Sie sich auf:
    • Staging- und Integrationstabellen, z. B. Puffer für duales Schreiben
    • Audit-Protokolle: Bewahren Sie sie in Ihrem eigenen Speicher auf
    • Ungenutzte Umgebungen oder Sandboxen
    • Verwaiste Metadaten und Suchindizes
    • Löschen Sie, was Sie nicht benötigen, z. B. Massenlöschung

Synapse Link und OneLake für analytische Berichte verwenden

  • Exportieren Sie die Analysedaten nach Synapse Link.
  • Verwenden Sie OneLake, um auf die gespeicherten Daten und Geschäftsdaten für Berichts- und Analysezwecke zuzugreifen.

Langzeitaufbewahrung (LTR) anwenden

  • Verschieben Sie historische Daten mithilfe von LTR-Richtlinien in einen verwalteten Data Lake (MDL).
  • Behalten Sie den Such- und Analysezugriff über Quick Find, Synapse Link oder OneLake bei.

Anwendungsfälle

Anwendungsfälle für die Speicherverwaltung in Dataverse und Finanz- und Betriebsumgebungen sind entscheidend für die Optimierung des Datenbankspeicherplatzes, die Verbesserung der Systemleistung und die Erfüllung gesetzlicher Anforderungen. Im Folgenden finden Sie einige typische Szenarien, die veranschaulichen, wie diese Strategien angewendet werden können:

  • Das Wachstum historischer Daten verwalten

    • Szenario: Ein Unternehmen ist seit mehreren Jahren auf Dynamics 365 aktiv und es haben sich große Mengen an historischen Transaktionen und Anhängen angesammelt.
    • Maßnahme: Implementieren Sie Strategien für die Langzeitaufbewahrung um inaktive Daten aufzubewahren, die Größe der primären Datenbank zu reduzieren und die Einhaltung von Überwachungsanforderungen zu gewährleisten.

  • Compliance-orientierte Datenaufbewahrung

    • Szenario: Ein Kunde aus einer regulierten Branche muss Finanz- oder Kundendaten sieben bis zehn Jahre lang in einem manipulationssicheren Format aufbewahren.
    • Maßnahme: Verwenden Sie LTR, um die unveränderlichen, schreibgeschützten Daten gemäß den gesetzlichen und behördlichen Anforderungen aufzubewahren und gleichzeitig die Geschäftsdaten schlank zu halten, ohne Kompromisse bei der Analyse und Berichterstellung einzugehen.

  • Optimierung des Such- und Copilot-Indexes

    • Szenario: Die Dataverse-Suche und die Copilot-Indizierung sind in allen Umgebungen aktiviert, auch in nicht verwendeten Tabellen.
    • Maßnahme: Überwachen Sie durchsuchbare Felder und deaktivieren Sie die Indizierung für Tabellen mit geringem Wert oder veraltete Tabellen. Überwachen Sie die Größe der DataverseSearch-Tabelle, und optimieren Sie die Konfigurationen, um den Protokoll- und Datenbankspeicher zu reduzieren.

  • Überwachungs- und Telemetrieverwaltung

    • Szenario: Plug-In-Ablauf- und Überwachungsprotokolle nehmen rasant zu, was Speicherplatz belegt und die Leistung beeinträchtigt.
    • Maßnahme: Exportieren Sie Protokolle in externe Systeme wie Azure Monitor und automatisieren Sie die Bereinigung alter Einträge, um die Transparenz zu bewahren, ohne den Speicherplatz aufzublähen.

  • Integration von Data Warehousing und Analysen

    • Szenario: Die Organisation repliziert Betriebsdaten für Analysen in Azure Synapse oder OneLake, sodass die Daten doppelt gespeichert werden müssen.
    • Maßnahme: Verwenden Sie inkrementelle Exporte, wenden Sie Filter an und vermeiden Sie die vollständige Replikation von Datensätzen, um Redundanzen zu minimieren und gleichzeitig umfassende Erkenntnisse zu ermöglichen.

  • Speicherüberschreitungen reduzieren

    • Szenario: Ein Kunde erhält eine Benachrichtigung wegen der Überschreitung seines Dataverse-Speicherkontingents, was unerwartete Kosten verursacht.
    • Maßnahme: Verwenden Sie Kapazitätsberichte, um die Tabellen mit dem höchsten Verbrauch zu identifizieren, veraltete Umgebungen zu bereinigen und ungenutzte Anhänge oder Protokolle zu entfernen. Erwägen Sie, kalte Daten – in der Regel historische oder selten aufgerufene Datensätze – auf kostengünstigere Speicherebenen zu verschieben.

  • Die Leistung in großen Tabellen optimieren

    • Szenario: Geschäftskritische Prozesse verlangsamen sich, weil Tabellen zu groß werden.
    • Maßnahme: Archivieren Sie alte Datensätze, bereinigen Sie Systemaufträge, z. B. AsyncOperationBase und WorkflowLogBase.

  • Verwalten des Umgebungs-Lebenszyklus

    • Szenario: Entwicklungs- und Testumgebungen werden aus der Produktion geklont, wobei alle Daten und Indizes dupliziert werden.
    • Maßnahme: Kürzen Sie Sandbox-Umgebungen nach einer Aktualisierung, deaktivieren Sie unnötige Suchindizierungen und entfernen Sie Testdaten, um den redundanten Speicherverbrauch zu reduzieren. Löschen Sie ungenutzte Sandbox-Umgebungen, um Speicherplatz zu sparen.

Fallstudien

Fallstudie 1: Reduzierung von Speicherüberschüssen durch Indexbereinigung

Kundenprofil: Ein globales Fertigungsunternehmen, das Dynamics 365 für die Lieferkette und Finanz- und Betriebs-Apps verwendet.

Herausforderung: Der Kunde erlebte in seiner Produktionsumgebung unerwartete Speicherüberschreitungen und Leistungseinbußen. Die Untersuchung ergab, dass mehrere benutzerdefinierte Indizes und materialisierte Ansichten, die während der frühen Implementierung erstellt wurden, nicht mehr verwendet wurden, aber immer noch erheblichen Speicherplatz belegten.

Lösung: Das Team führte eine vierteljährliche Prüfung aller benutzerdefinierten Indizes durch und entfernte diejenigen, auf die nicht durch aktive Abfragen oder Berichte verwiesen wurde. Das Team implementierte eine Governance-Richtlinie, um neue Indexanforderungen vor der Bereitstellung zu überprüfen.

Ergebnis:

  • Um 28 % reduzierter Datenspeicherbedarf
  • Die Abfrageleistung wurde um 15 % verbessert.
  • Das Team konnte prognostizierte 12.000 $ zusätzlicher Speicherkosten pro Jahr verhindern.

Fallstudie 2: Archivierung historischer Daten zur Erreichung von Compliance- und Leistungszielen

Kundenprofil: Ein Finanzdienstleistungsunternehmen, das Dataverse und Dynamics 365 für das Onboarding-Programm für Kunden und die Fallverwaltung verwendet.

Herausforderung: Das Unternehmen musste Kundendaten mehr als sieben Jahre lang aufbewahren, um die gesetzlichen Anforderungen zu erfüllen, aber das wachsende Volumen inaktiver Daten verlangsamte die aktiven Arbeitsabläufe und erhöhte die Speicherkosten.

Lösung: Der Kunde implementierte eine Strategie für die Langzeitaufbewahrung und nutzte dafür die Archivierungsfunktionen von Dataverse. Inaktive Datensätze wurden auf eine schreibgeschützte, kostenoptimierte Speicherebene verschoben, während aktive Daten im Hochleistungsspeicher verblieben sind.

Ergebnis:

  • Archivierung von über 1,2 Millionen Datensätzen.
  • Die Größe der primären Datenbank wurde um 40 % reduziert.
  • Die vollständigen Überprüfbarkeit wurde erhalten und Aufbewahrungsrichtlinien eingehalten.

Fallstudie 3: Suchindizes in verschiedenen Umgebungen vereinfachen

Kundenprofil: Eine Einzelhandelsorganisation mit mehreren Dataverse-Umgebungen, einschließlich Entwicklungs-, Test- und Produktionsumgebungen, die eine Copilot-fähige Lösung für das Kundenbeziehungsmanagement unterstützt.

Herausforderung: Suchindizes wurden in allen Umgebungen verwendet, unter anderem auch bei nicht genutzten Tabellen und Testdaten. Dies blähte die DataverseSearch-Tabellen auf und verbrauchte unnötig Speicher.

Lösung: Das Team überprüfte die durchsuchbaren Felder und stellte die Indizierung für nicht kritische Tabellen in Entwicklungs- und Testumgebungen ein. Außerdem wurde die Indexbereinigung während der Umgebungsaktualisierungen automatisiert.

Ergebnis:

  • Um 35 % geringerer Speicherverbrauch der Suchindizes.
  • Die Aktualisierungszeiten der Umgebung wurden um 20 % verbessert.
  • Geringere Nutzung von Protokollen und Datenbankspeicher insgesamt.

Fallstudie 4: Datenexport für Analysen nutzen, ohne Speicher zu duplizieren

Kundenprofil: Ein Gesundheitsdienstleister, der Dynamics 365 und Dataverse für die Interaktion mit Patienten und die Abrechnung verwendet.

Herausforderung: Das Analyseteam benötigte Zugriff auf Betriebsdaten für Trendanalysen und KI-Modellierungen, aber die Duplizierung von Daten in einem separaten Warehouse erhöhte die Speicherkosten und die Komplexität.

Lösung: Der Kunde nutzte Azure Synapse Link mit inkrementellem Export und gestuftem Speicher in OneLake. Sie behielten nur wesentliche Analysedaten bei und wandten Aufbewahrungsrichtlinien an, um die historische Tiefe zu verwalten.

Ergebnis:

  • Ermöglichte Echtzeitanalysen ohne Beeinträchtigung der operativen Systeme.
  • Redundanter Datenspeicherbedarf um 45 %
  • Verbesserte Governance über den Lebenszyklus analytischer Daten.

Schlussfolgerung

Effektives Speichermanagement ist entscheidend für die Aufrechterhaltung der Systemleistung und die Optimierung der Ressourcennutzung in Dynamics 365 Umgebungen. Die in diesem Artikel beschriebenen Bereinigungsroutinen und Archivierungsaufträge bieten robuste Lösungen, um wertvollen Datenbankspeicherplatz freizugeben und Vorgänge zu optimieren. Durch den Einsatz dieser Tools wie LTR und ähnlicher Techniken können Kunden gängige Herausforderungen beim Speicherverbrauch angehen und nachhaltige Datenverwaltungspraktiken entwickeln. Darüber hinaus zeigen Fallstudien aus der Praxis die Wirksamkeit dieser Ansätze und geben Einblicke in ihre praktische Anwendung. Die Einführung dieser Strategien ermöglicht es Unternehmen, ihre Speicheranforderungen proaktiv zu verwalten und die Gesamteffizienz zu steigern.

Referenzen

Speicherbereinigung in Dataverse:

Speicherbereinigung in Finanzen und Betrieb:

Speicherkapazität:

  • Last updated on