Xestión de almacenamento en aplicacións de finanzas e operacións Dataverse

A medida que as organizacións aceleran as súas viaxes de transformación dixital, a capacidade de xestionar os datos de forma eficaz convértese nun imperativo empresarial estratéxico. Co auxe das aplicacións baseadas en IA e dos fluxos de traballo impulsados por Copilot, as empresas están a xerar e consumir datos a ritmos sen precedentes. Estes datos impulsan a innovación, permiten experiencias personalizadas e apoian a toma de decisións críticas, pero só se se rexen e almacenan de forma intelixente.

Para dar soporte a estas necesidades empresariais en evolución, as organizacións deben adoptar unha estratexia proactiva de xestión do almacenamento. Isto garante que os datos que xa non se necesitan para as operacións diarias se xestionen de forma responsable, liberando capacidade para cargas de traballo de alto valor, reducindo a fricción operativa e aliñándose cos requisitos de cumprimento e auditoría.

Desde un punto de vista técnico, unha xestión eficaz do almacenamento en e Dynamics 365 mellora o rendemento do sistema, mellora a eficiencia dos custos e garante o cumprimento das políticas de retención a longo prazo (LTR). Dataverse Ambas as plataformas ofrecen ferramentas e capacidades de automatización que permiten ás organizacións xestionar o almacenamento.

Ao implementar as estratexias descritas neste artigo, as empresas poden reducir os gastos xerais de soporte, simplificar o cumprimento normativo e obter un maior valor das súas aplicacións empresariais, convertendo o almacenamento dunha restrición nunha vantaxe competitiva.

Vantaxes principais

A xestión eficaz do almacenamento en e Dynamics 365 ofrece varias vantaxes clave que abordan os puntos débiles comúns dos clientes e melloran a eficiencia operativa xeral. Dataverse

  • Maior cumprimento con LTR: unha xestión eficaz do almacenamento garante que os datos se almacenen de acordo coas políticas de LTR. Isto non só axuda a cumprir os requisitos regulamentarios, senón que tamén garante que os datos críticos estean preservados e sexan accesibles cando sexa necesario.

  • Mellora do rendemento: Ao optimizar a xestión do almacenamento, as organizacións poden mellorar significativamente o rendemento dos seus sistemas. A asignación e xestión eficientes do almacenamento reducen a latencia e melloran a velocidade de recuperación de datos, o que leva a operacións máis fluídas e rápidas.

  • Impulsar a eficiencia de custos: Unha xestión eficaz do almacenamento permite ás organizacións centrarse en datos de alto valor ao optimizar e ordenar a súa contorna de almacenamento. Ao conservar só o necesario, as empresas poden optimizar a súa pegada de almacenamento, o que leva a unha utilización máis intelixente dos recursos e a unha escalabilidade rendible.

Fondo

A medida que as organizacións medran e dixitalizan máis das súas operacións, o volume de datos empresariais almacenados en sistemas como Dataverse e Dynamics 365 aumenta de xeito constante. Isto inclúe non só datos transaccionais activos, senón tamén rexistros históricos que deben conservarse con fins de auditoría, regulatorios ou de continuidade empresarial. Co tempo, esta acumulación pode levar a unha degradación do rendemento, a un aumento dos gastos operativos e a un aumento dos custos de almacenamento, especialmente cando os datos que xa non se usan activamente permanecen en niveis de almacenamento de alto rendemento.

Unha estratexia de xestión do almacenamento ben definida axuda ás organizacións a abordar estes desafíos identificando datos que se poden arquivar, limpar ou mover a un almacenamento optimizado para a lectura e de menor custo. Isto é importante para escenarios de cumprimento normativo onde os datos deben permanecer inmutables, de baixo acceso e de só lectura, como rexistros financeiros, rexistros de auditoría ou presentacións regulamentarias. Garantir que eses datos se conserven de maneira conforme, sen afectar o rendemento dos sistemas en funcionamento, é un requisito clave para moitas empresas.

Ao usar as ferramentas e estratexias dispoñibles en ambas plataformas, as organizacións poden obter unha mellor visibilidade da súa pegada de almacenamento, reducir o consumo innecesario e garantir que os datos críticos para o cumprimento normativo se xestionen axeitadamente.

Este artigo describe enfoques prácticos para a xestión do almacenamento que axudan aos clientes a aliñar as súas prácticas de retención de datos coas necesidades empresariais e regulamentarias. Isto mellora o rendemento do sistema, reduce a sobrecarga operativa e garante que se cumpran as obrigas de conformidade sen comprometer nada.

Por que almacenamos datos

Para seleccionar e optimizar o patrón de retención de datos axeitado para os teus datos, é valioso reflexionar sobre os motivos e os usos para os que almacenamos os datos.

Datos operativos

Cunha aplicación empresarial, os datos operativos son os que se usan para rastrexar vendas ou accións financeiras ou da cadea de subministración.

É necesario acceder a estes datos en tempo real, o que permite que os procesos operativos internos e dos clientes rexistren accións granulares como interaccións cos clientes, pedidos ou actividades de inventario.

Co tempo, os datos operativos poden pasar de ser usados activamente a ser usados con pouca frecuencia. É posible que sexa necesario acceder aos datos case en tempo real para axudar a un cliente cun pedido ou nun caso de soporte. Por exemplo, considere os seguintes escenarios:

  • Un cliente fai un pedido, mentres que outro cliente, que non interactuou co negocio durante un tempo, faino.
  • Accédese constantemente a cada pedido que se realizou e que se está a enviar. Tamén hai pedidos que teñen un período de garantía de tres anos que poden precisar asistencia e posiblemente requirir un reembolso.

Isto pode levar a fases de necesidades de acceso a datos operativos como:

  • Menos dun ano de datos de acceso activo.
  • Menos de tres anos de datos aos que se accede con pouca frecuencia.
  • Máis de tres anos nos que xa non se accede aos datos de forma operativa.

A natureza en tempo real do almacenamento operativo faino relativamente caro en comparación con outros tipos de almacenamento, polo que recoñecer cando é necesario acceder aos datos de forma operativa e cando non é importante para definir estratexias de retención.

Integración operativa

Como categoría especializada de uso operativo, pode ser necesario replicar os datos entre varios sistemas operativos, incluíndo patróns como:

  • Banca Xestión de relacións cos clientes para as interaccións de primeira liña cos clientes e a súa replicación en múltiples sistemas bancarios. Por exemplo, tes contas correntes, tarxetas de crédito, hipotecas e sistemas de verificación de crédito.
  • Fabricación Xestión de relacións cos clientes para a toma de pedidos na primeira liña e sistema de xestión de recursos empresariais para a xestión da cadea de subministración.
  • Xestión de emerxencias policiais A xestión de relacións cos clientes para as interaccións cos cidadáns e os sistemas de despacho para os departamentos de policía ofrecen xestión do despregamento.

Nestes casos, aínda que cada sistema pode ter datos únicos que rastrexa, a miúdo hai datos mestres comúns que deben compartirse entre os sistemas e manterse sincronizados, o que leva a necesidades de integración.

Datos de auditoría

Unha empresa normalmente ten a responsabilidade regulamentaria de conservar datos durante períodos prolongados (por exemplo, unha media de sete anos) con fins de auditoría, xa sexan internas ou externas, como o apoio á auditoría financeira, a divulgación regulamentaria ou a revisión de fraudes.

Estes datos normalmente abarcan tanto os datos necesarios para fins operativos como os datos que xa non se necesitan, xa que permiten revisar todo o conxunto de datos desde un só lugar.

Datos analíticos

As organizacións teñen a necesidade de revisar e analizar o estado dos seus negocios. Deben medir e comparar estatísticas ao longo do tempo e abarcar varias ou todas as partes do negocio.

Os grandes períodos e a amplitude dos datos sobre os que se pode realizar esta análise levan á necesidade de replicar os datos operativos en ferramentas analíticas especializadas. Isto evita que as análises complexas afecten o rendemento dos sistemas operativos, pero tamén permite a análise en conxuntos de datos que van máis alá do período para o que os datos son necesarios operativamente. Por exemplo, pode que precises comparar datos durante sete anos en lugar de durante un ou dous anos. Non obstante, as diferentes necesidades analíticas poden requirir os períodos completos de retención de datos ou só abarcar os datos retidos nos sistemas operativos.

Os datos analíticos adoitan permitir a agregación de datos en varias partes do negocio e combinar datos de varios sistemas.

Fluxo de datos

Os datos destes tipos adoitan fluír co tempo desde os datos operativos ata os datos transaccionais ou históricos, como se mostra na seguinte imaxe.

O fluxo de datos.

Diferentes tipos de almacenamento

Dataverse tipos de almacenamento

Dataverse organiza o almacenamento en tres categorías principais, cada unha con patróns de uso e implicacións de facturación distintos.

Tipo de almacenamento Descripción Casos de uso común
Almacenamento de bases de datos Almacena datos estruturados en táboas: estándar e personalizadas. Rexistros, metadatos, relacións e configuracións comerciais
Almacenamento de ficheiros Almacena anexos e datos binarios. Adxuntos de correo electrónico, imaxes e documentos cargados a través de Power Apps
Almacenamento de rexistros Garda rexistros de auditoría e rexistros de rastrexo de complementos. Seguimento de cambios, auditoría, diagnóstico e cumprimento normativo

Tipos de almacenamento da plataforma de finanzas e operacións

O almacenamento financeiro e o de operacións xestiónanse por separado, pero cada vez se integra máis no ecosistema. Power Platform Inclúe os seguintes tipos de almacenamento.

Tipo de almacenamento Descripción Casos de uso común
Almacenamento de bases de datos operativas Datos transaccionais básicos para finanzas, cadea de subministración, recursos humanos e moito máis Asentos de rexistro, inventario, pedidos de clientes
Almacenamento de xestión de documentos Obxectos binarios grandes (Blobs) almacenados en Azure Blob Storage Facturas, recibos, documentos dixitalizados
Rexistros de telemetría e diagnóstico Rexistros do sistema e datos de telemetría Monitorización do rendemento, diagnóstico de problemas.

Escenarios de almacenamento compartido e integrado

  • Almacenamento de dobre escritura

    • Permite a sincronización en tempo real entre as aplicacións de finanzas e operacións. Dataverse
    • Require unha xestión coidadosa das funcións e da capacidade para evitar a duplicación ou o uso excesivo.

  • Retención a longo prazo (LTR)

    • Move os datos históricos a un lago de datos xestionado (MDL).
    • Reduce o uso do almacenamento principal, mantendo ao mesmo tempo o acceso á conformidade e ás análises.
    • Integrase con:
      • Busca rápida (Dataverse-busca nativa)
      • OneLake (análise baseada en tecidos)
      • Ligazón de sinapse (análise de lagos personalizada)

Como medran os teus datos co tempo

A medida que as organizacións amplian o seu uso de e da plataforma de finanzas e operacións Dynamics 365, o crecemento dos datos convértese nun sinal de éxito e nun desafío estratéxico. Dataverse O que comeza como un conxunto de datos transaccional e enxuto pode evolucionar rapidamente cara a un patrimonio de datos complexo e multicapa. Esta sección explora cinco factores clave do crecemento dos datos e as súas implicacións para o almacenamento, o rendemento e a gobernanza.

Uso do almacenamento de datos en datos operativos

Para obter información dos sistemas operativos, moitas organizacións empregan Link, OneLake ou a exportación de datos para replicar datos de aplicacións de finanzas e operacións nun sistema analítico. Azure Synapse Dataverse Aínda que isto admite informes avanzados e cargas de traballo de IA, tamén introduce:

  • Almacenamento redundante en capas operativas e analíticas

    Os datos adoitan duplicarse entre os entornos operativos e analíticos. Esta redundancia aumenta o consumo xeral de almacenamento e pode levar a custos máis elevados, especialmente se os datos históricos se conservan indefinidamente en ambos os sistemas.

  • Duplicación de esquemas e sobrecarga de versións

    Para manter a coherencia entre os sistemas, as organizacións deben replicar os cambios de esquema (por exemplo, novos campos e columnas renomeadas) tanto nas capas operativas como nas analíticas. Isto engade complexidade á gobernanza de datos e aumenta o risco de deriva de esquemas, que pode romper os informes ou modelos posteriores.

  • Maior retención de datos históricos para a análise de tendencias

    Os sistemas analíticos adoitan conservar datos durante períodos máis longos para respaldar a análise de tendencias, a previsión e os informes regulatorios. Aínda que valiosa, esta retención a longo prazo pode levar a conxuntos de datos inflados se non se xestiona con estratexias axeitadas de arquivo e estruturación en niveis.

O almacenamento de datos é esencial para a analítica, pero sen políticas do ciclo de vida, pode duplicar ou triplicar a pegada de almacenamento.

Usando a busca nos datos

Funcións como a busca, a indexación de Copilot e a busca por relevancia requiren a indexación de grandes volumes de datos estruturados e non estruturados. Dataverse Estes índices adoitan:

  • Consumir almacenamento de rexistros e bases de datos

    Os índices de busca almacénanse tanto no almacenamento de rexistros como no de bases de datos. A medida que máis táboas e campos se marquen como buscables, o tamaño do índice medra proporcionalmente. Isto pode afectar significativamente o uso xeral do almacenamento, especialmente en entornos con grandes volumes de rexistros ou cambios frecuentes de esquema.

  • Persistir mesmo para táboas non utilizadas ou obsoletas

    Mesmo cando certas táboas estean obsoletas ou xa non se usen activamente, os seus índices de busca asociados poden persistir a menos que se eliminen explicitamente. Isto leva a un consumo de almacenamento innecesario e pode complicar a planificación da capacidade.

  • A miúdo duplícanse en contornas como as de desenvolvemento, probas e produción

    Os índices de busca adoitan replicarse en entornos de desenvolvemento, probas e produción. Aínda que isto garante un comportamento de busca consistente, tamén multiplica a pegada de almacenamento, especialmente cando os entornos se clonan ou actualizan con frecuencia.

A busca mellora a usabilidade e a preparación para a IA, pero o exceso de índices contribúe silenciosamente aos excesos de almacenamento.

Activación do rexistro de datos

Os rexistros de auditoría, os rexistros de seguimento de complementos e a telemetría son fundamentais para o cumprimento, a depuración e a monitorización. Non obstante, teña en conta os seguintes puntos:

  • O almacenamento de rexistros crece linealmente co uso e o número de usuarios.

    Os datos de rexistro medran proporcionalmente con:

    • O número de usuarios e os seus niveis de actividade
    • O volume de transaccións e integracións
    • A complexidade da lóxica empresarial, como os complementos e os fluxos de traballo

    En contornas de uso intensivo, isto pode levar a unha rápida expansión das táboas de rexistro, consumindo tanto as cotas de almacenamento da base de datos como as de rexistros.

  • Valores predeterminados de retención adoitan ser demasiado xenerosos, como 90 días ou máis.

    Por defecto, moitas funcionalidades de rexistro conservan datos durante períodos prolongados, como 90 días ou máis. Aínda que isto permite a rastrexabilidade a longo prazo, pode provocar un consumo de almacenamento innecesario, especialmente cando os rexistros non se revisan ou exportan activamente.

  • Rexistros xerados polo sistema se facturan ao cliente en Dataverse.

    En Dataverse, os rexistros xerados polo sistema, incluídos os rexistros de auditoría e os rexistros de rastrexo de complementos, cóntanse para os dereitos de almacenamento do cliente. Isto significa que sen estratexias de limpeza ou exportación axeitadas, o rexistro pode contribuír directamente ao exceso de almacenamento e ao aumento dos custos de licenzas.

O rexistro non é negociable para as industrias reguladas, pero debe combinarse con estratexias de retención e exportación, como Azure Monitor ou Log Analytics.

Ter varias copias do entorno de produción

Para dar soporte ao desenvolvemento, ás probas, á formación e á resolución de problemas, os clientes adoitan crear entornos clonados ou de probas. Cada copia:

  • Replica a pegada completa dos datos e do índice.
  • Pode incluír dependencias non obvias como índices de busca, rexistros de auditoría e metadatos.
  • Raramente se limpa despois do uso.

A expansión do entorno é un factor importante do custo e da complexidade do almacenamento. As políticas de gobernanza e a automatización son fundamentais para a contención.

Optimización de consultas sobre os datos

A medida que os volumes de datos medran e a capacidade de resposta das aplicacións se torna fundamental, os clientes e os ISV adoitan implementar diversas técnicas de optimización de consultas para mellorar o rendemento en Dataverse e Dynamics 365. Estas estratexias son especialmente comúns en informes, análises e escenarios con alta integración.

Para mellorar o rendemento, os clientes e os ISV adoitan crear:

  • Índices personalizados e vistas materializadas

    Úsanse para acelerar a execución de consultas mediante o precalculamento de unións ou agregacións. Son útiles en escenarios que impliquen filtros complexos ou conxuntos de datos grandes.

  • Táboas desnormalizadas para informes

    Para simplificar a elaboración de informes e reducir a complexidade das consultas, os desenvolvedores adoitan crear versións aplanadas de datos relacionais. Estas táboas reducen a necesidade de unións en tempo de execución e melloran o rendemento do panel.

  • Almacenamento en caché de capas ou agregados

    Os datos aos que se accede con frecuencia ás veces agréganse previamente ou almacénanse na caché en táboas intermedias ou almacéns externos para reducir a carga na base de datos primaria.

Aínda que estes melloran a capacidade de resposta, tamén:

  • Aumentar o uso do almacenamento

    Cada capa de optimización introduce máis estruturas de datos, xa sexa unha copia de datos existentes nun formato desnormalizado, unha vista precomputada ou unha táboa de caché. Estas estruturas a miúdo duplican datos que xa están almacenados noutro lugar, o que leva a unha maior pegada de almacenamento global. En contornas con cotas de almacenamento estritas ou modelos de licenzas baseados en custos, como Dataverse, isto pode derivar rapidamente en excesos evitables.

  • Pode quedar orfo a medida que as aplicacións evolucionan

    A medida que as aplicacións evolucionan, é posible que os informes, os paneis ou as integracións activas xa non fagan referencia a algúns artefactos de optimización. Estes obxectos orfos continúan a consumir almacenamento e poden incluso ralentizar as operacións do sistema, por exemplo, durante as copias de seguridade ou a indexación, se non se identifican e eliminan. Sen auditorías regulares, poden acumularse desapercibidos, minando as mesmas melloras de rendemento para as que foron creados.

A optimización de consultas é esencial para a escala, pero debe estar equilibrada coa hixiene do almacenamento e o axuste baseado en telemetría.

Índices e o seu impacto no almacenamento

Os índices son esenciais para mellorar o rendemento das consultas e usar a recuperación rápida de datos en conxuntos de datos grandes. Tanto nas aplicacións de finanzas e operacións de Dynamics 365 como en Dynamics 365, os índices créanse automaticamente para as claves primarias e os campos consultados con frecuencia, e pódense definir outros índices personalizados para soportar escenarios empresariais específicos. Dataverse

Aínda que os índices son fundamentais para o rendemento, tamén teñen un impacto directo no consumo de almacenamento, que a miúdo se subestima durante o deseño da solución.

Como os índices consumen almacenamento

  • Duplicación física de datos: cada índice almacena unha copia das columnas indexadas, xunto con punteiros ás filas correspondentes. Cantas máis columnas e filas estean indexadas, maior será o tamaño do índice.

  • Crecemento co volume de datos: A medida que medra a táboa subxacente, tamén o fai o índice. En contornas con moitas transaccións, os índices poden medrar rapidamente, especialmente en táboas grandes e desnormalizadas ou aquelas con insercións e actualizacións frecuentes.

  • Varios índices por táboa: É habitual que unha única táboa teña varios índices, por exemplo para busca, filtrado, ordenación e unións. Cada outro índice súmase á pegada de almacenamento acumulada.

  • Índices de busca en Dataverse: funcións como Dataverse a busca e a indexación de Copilot crean índices especializados que abarcan varios campos e táboas. Estes almacénanse na táboa DataverseSearch e poden consumir un espazo significativo, especialmente cando se usan en varios entornos como entornos de desenvolvemento, probas e produción.

  • Índices xerados polo sistema: Algúns índices son creados automaticamente pola plataforma, como os de campos de busca ou relacións. Poden persistir mesmo se as táboas asociadas están obsoletas, a menos que se eliminen explicitamente.

Implicacións de almacenamento

  • Maior almacenamento de bases de datos e rexistros: Os índices contribúen ao uso tanto do almacenamento de bases de datos como do rexistro, o que pode afectar aos custos de licenzas en Dataverse.
  • Duplicación de entornos: Cando se copian ou actualizan os entornos, duplícanse todos os índices, o que amplifica o uso do almacenamento nos entornos de desenvolvemento, probas e produción.
  • Gastos de mantemento: Os índices deben actualizarse a medida que cambian os datos, o que pode aumentar a latencia de escritura e o consumo de recursos.

Impacto da sincronización do lado do servidor no almacenamento

A sincronización no servidor en Dataverse permite a integración sen fisuras de correos electrónicos, citas e tarefas entre Microsoft Exchange e Dataverse. Aínda que mellora a produtividade e a automatización, tamén contribúe ao consumo de almacenamento das seguintes maneiras.

  • Creación de rexistros de actividade: Cada correo electrónico ou cita sincronizada xera un rexistro de actividade en Dataverse, que inclúe metadatos, contido do corpo e posibles anexos.
  • Almacenamento de anexos: Se os anexos non se filtran ou descargan, almacénanse directamente en Dataverse, o que aumenta o uso do almacenamento.
  • Conformidade e retención: As organizacións que empregan a sincronización no servidor para o seguimento da conformidade poden conservar máis datos dos necesarios, o que aumenta aínda máis o almacenamento.
  • Contido protexido: Mesmo os correos electrónicos protexidos por Purview, aínda que teñen unha visibilidade de contido limitada, seguen xerando rexistros de marcadores de posición que consumen espazo.

Para xestionar este impacto, as empresas deben implementar políticas de retención, considerar a posibilidade de descargar ficheiros adxuntos e supervisar os volumes de rexistros de actividades regularmente.

Como podo xestionar o almacenamento en constante crecemento?

Tanto se xa te enfrontas a excesos de almacenamento como se queres adiantarte a eles, a xestión do crecemento dos datos na plataforma de finanzas e operacións de Dynamics 365 require unha estratexia deliberada e baseada en políticas. Dataverse Esta sección describe dous puntos de entrada estratéxicos: a remediación reactiva e a gobernanza proactiva.

Hai dous escenarios posibles:

  1. Queres aplicar de forma proactiva as mellores prácticas para xestionar o almacenamento e evitar custos elevados no futuro.
  2. Xa estás nunha situación na que é necesario reducir o tamaño e o custo do almacenamento.

Aplicar as mellores prácticas para xestionar o tamaño e os custos do almacenamento

Escenario 1: Queres aplicar de forma proactiva as mellores prácticas para xestionar o almacenamento

Se aínda non estás en modo crise, agora é o momento de aplicar ferramentas e técnicas para xestionar o almacenamento de forma proactiva.

Configurar análises para os teus datos

A medida que as organizacións medran, tamén o fai a necesidade de extraer información dos datos operativos sen afectar o rendemento das aplicacións empresariais principais. Microsoft ofrece varias maneiras de permitir a análise de datos de finanzas e operacións de Dynamics 365 mediante a integración co seu propio lago de datos ou almacén. Dataverse

Aquí tes dúas opcións poderosas a considerar:

Opción 1. Usa a ligazón Azure Synapse : trae o teu propio lago

Azure Synapse A ligazón permíteche conectarte Dataverse directamente ao teu propio espazo de traballo de Azure Data Lake ou Synapse. Isto permite a replicación case en tempo real de datos operativos nun ambiente analítico, sen escribir complexas canles ETL.

Beneficios:

  • Executa análises avanzadas e modelos de IA en datos en directo ou case en directo.
  • Evitar o impacto no rendemento dos sistemas de produción.
  • Usa ferramentas coñecidas como T-SQL, Spark ou Power BI para a elaboración de informes.

Exemplo de caso de uso: Unha empresa de venda polo miúdo usa Synapse Link para analizar o comportamento de compra dos clientes en diferentes rexións, combinando Dataverse datos de xestión de relacións cos clientes con datos de mercado externos no seu propio lago.

Opción 2. Usa OneLake: análise unificada con Microsoft Fabric

OneLake, que forma parte de Microsoft Fabric, ofrece unha experiencia de lago de datos unificada onde podes almacenar e analizar datos de múltiples fontes, incluíndo Dataverse e aplicacións de finanzas e operacións, sen duplicación.

Beneficios:

  • Almacenamento centralizado para todas as cargas de traballo analíticas.
  • Integración nativa con Power BI, Synapse e servizos de IA.
  • Gobernanza e seguridade simplificadas en todos os dominios de datos.

Exemplo de caso de uso: Unha empresa de servizos financeiros usa OneLake para consolidar os datos operativos das aplicacións financeiras e de operacións e Dataverse con indicadores económicos externos, o que permite a modelización de riscos en tempo real e os cadros de mando executivos. Deste xeito, pode desacoplar os datos operativos dos seus sistemas principais e permitir análises escalables e rendibles exportando eses datos aos seus propios entornos analíticos, sen duplicar cargas de traballo nin afectar o rendemento.

Ferramentas e técnicas para reducir o almacenamento

Dataverse ofrece varias ferramentas e estratexias integradas para axudar aos administradores a xestionar o almacenamento de forma eficiente e manter o rendemento do sistema.

Dataverse

Xestionar datos con políticas de gobernanza

  • Comeza polos ambientes e mesas que consumen máis almacenamento.
  • Usa políticas de gobernanza recorrentes para un crecemento previsible dos datos en lugar de depender só dunha limpeza puntual.
  • Proba criterios de eliminación e retención nun entorno sandbox antes de usalos en produción.
  • Revisa regularmente os resultados e fallos das pólizas.
  • Engade capacidade de almacenamento cando os datos necesarios non poidan ser eliminados ou trasladados a retención a longo prazo.

Limpeza de datos e ambiente

  • Eliminar entornos non utilizados: Podes eliminar un entorno para recuperar espazo de almacenamento e eliminar información persoal identificable (PII).
  • Tarefas de eliminación masiva: Podes eliminar os seguintes datos de forma masiva:
    • Datos obsoletos ou irrelevantes para o negocio.
    • Datos de proba ou exemplo innecesarios.
    • Datos que se importan incorrectamente doutros sistemas.

Optimización de ficheiros e táboas

Retención a longo prazo (LTR) e arquivo

Optimización do índice de busca

  • Reducir Dataverse busca: Podes reducir o tamaño do almacenamento realizando todos os pasos dos Dataverse detalles do almacenamento baseado na capacidade.
  • Reducir o tamaño da táboa DataverseSearch: A táboa DataverseSearch é o almacenamento acumulativo empregado polo índice de busca Dataverse . Inclúe os datos de todos os campos que se poden buscar, recuperar e filtrar das táboas que indexou para o seu ambiente. Podes reducir o tamaño da táboa eliminando columnas de busca, columnas de visualización e condicións de filtro para unha ou máis táboas. Pode desactivar a busca mediante Dataverse para eliminar todos os datos indexados.
Aplicacións de finanzas e operacións

As aplicacións de finanzas e operacións ofrecen opcións flexibles para xestionar o almacenamento en contornas de produción e de probas.

Xestión ambiental

  • Limitar o número de copias de produción completas: Pode reducir o consumo xeral de almacenamento das aplicacións de finanzas e operacións eliminando as copias de produción completas nos entornos de probas. Por exemplo, se tes cinco copias de entornos de produción nunha zona de probas, o teu consumo de almacenamento é a suma da produción máis cinco copias de entornos de produción nunha zona de probas.
  • Recortar datos en contornas de probas: Ao recortar os datos nun contorno de probas, podes reducir a pegada de almacenamento global. Podes seguir os métodos seguintes para limpar os datos na zona de probas.
    • O proceso de restauración proporciona unha execución de apertura e recorte
    • Escribir T-SQL
    • Escribir X++
  • Realizar unha copia sen transaccións entre entornos: A copia de entornos para aplicacións de finanzas e operacións implicaba tradicionalmente a duplicación completa da base de datos, incluíndo a configuración, os datos mestres e as transaccións, o que, aínda que útil para a depuración, aumenta significativamente o consumo de almacenamento tanto en finanzas como en operacións e Dataverse.

Limpeza personalizada e xestión de rexistros

  • Escribe rutinas de limpeza personalizadas segundo sexa necesario: Podes escribir rutinas de limpeza personalizadas segundo as necesidades da túa empresa para limpar os datos non desexados.
  • Evita almacenar rexistros: Podes mover SysDatabaseLog a unha base de datos menos transaccional para reducir a pegada de almacenamento xeral.

Arquivo e retención a longo prazo

Rutinas de limpeza integradas

  • Rutinas de limpeza: En Dynamics 365 Finance e Dynamics 365 Supply Chain Management, as rutinas de limpeza están dispoñibles en varios módulos. Rutinas de limpeza ofrece unha visión xeral das rutinas que están dispoñibles actualmente. Despois de copiar a base de datos de probas, execute estas rutinas de limpeza de forma proactiva para eliminar táboas innecesarias, como o historial de lotes, os rexistros e o historial de transaccións comerciais. Eliminar datos desactualizados ou irrelevantes.
  • Arquivar datos de transaccións con tarxeta de crédito: Describe unha tarefa de arquivo en Dynamics 365 Commerce que pode axudar a liberar espazo na base de datos arquivando tokens de pago con tarxeta de crédito.

Reducir o tamaño e os custos de almacenamento

Escenario 2: Xa estás nunha situación na que é necesario reducir o tamaño e o custo do almacenamento

Avaliar o que está a consumir almacenamento

  • Usa o centro de administración e os informes de almacenamento de finanzas e operacións para identificar as táboas, os tipos de ficheiros e os rexistros que máis consumen. Power Platform
  • Usa a telemetría, se está dispoñible, para atribuír o uso a aplicacións, usuarios ou unidades de negocio específicos.

Priorizar os candidatos á limpeza

  • Céntrate en:
    • Táboas de probas e integración, como búferes de escritura dual
    • Rexistros de auditoría: Gardaos no teu propio almacenamento
    • Entornos ou zonas de probas non utilizados
    • Metadatos e índices de busca orfos
    • Elimina o que non precises, por exemplo, a eliminación masiva

Usar Synapse Link e OneLake para informes analíticos

  • Exportar os datos analíticos a Synapse Link.
  • Usa OneLake para acceder aos datos retidos e aos datos empresariais con fins analíticos e de elaboración de informes.

Aplicar a retención a longo prazo (LTR)

  • Mover datos históricos a un lago de datos xestionado (MDL) mediante políticas LTR.
  • Manteña o acceso á busca e á análise a través de Quick Search, Synapse Link ou OneLake.

Casos de uso

Os casos de uso para a xestión do almacenamento en entornos financeiros e operativos son fundamentais para optimizar o espazo da base de datos, mellorar o rendemento do sistema e cumprir os requisitos regulamentarios. Dataverse A continuación móstranse algúns escenarios típicos que mostran como se poden aplicar estas estratexias:

  • Xestión do crecemento dos datos históricos

    • Escenario: Unha empresa leva varios anos activa en Dynamics 365 e acumulou grandes volumes de transaccións históricas e anexos.
    • Acción: Implementar estratexias de retención a longo prazo para conservar os datos inactivos, reducir o tamaño da base de datos primaria e manter o cumprimento dos requisitos de auditoría.

  • Retención de datos baseada no cumprimento das normas

    • Escenario: Un cliente da industria regulada debe conservar os datos financeiros ou dos clientes durante sete a dez anos nun formato a proba de manipulacións.
    • Acción: Empregar LTR para conservar os datos inmutables e de só lectura de acordo cos requisitos legais e regulamentarios, mantendo ao mesmo tempo os datos empresariais áxiles sen comprometer a análise e os informes.

  • Optimización do índice de busca e Copilot

    • Escenario: Dataverse A busca e a indexación de Copilot están activadas en todos os entornos, incluídas as táboas non utilizadas.
    • Acción: Auditar os campos que se poden buscar e desactivar a indexación para táboas de baixo valor ou obsoletas. Supervisa o tamaño da táboa DataverseSearch e optimiza as configuracións para reducir o almacenamento de rexistros e bases de datos.

  • Xestión de auditorías e telemetría

    • Escenario: Os rexistros de rastrexo e auditoría dos complementos medran rapidamente, o que consume almacenamento e afecta o rendemento.
    • Acción: Exportar rexistros a sistemas externos, como Azure Monitor, e automatizar a limpeza de entradas antigas para manter a visibilidade sen sobrecargar o almacenamento.

  • Integración de almacenamento de datos e análise

    • Escenario: A organización replica datos operativos en Azure Synapse ou OneLake para análises, o que leva a un almacenamento duplicado.
    • Acción: Empregar exportacións incrementais, aplicar filtros e evitar a replicación completa do conxunto de datos para minimizar a redundancia e, ao mesmo tempo, permitir obter información valiosa.

  • Redución dos excesos de almacenamento

    • Escenario: Un cliente recibe unha notificación sobre o exceso da súa Dataverse cota de almacenamento, o que leva a custos inesperados.
    • Acción: Empregar informes de capacidade para identificar as táboas que máis recursos consumen, limpar entornos obsoletos e eliminar anexos ou rexistros non utilizados. Considere a posibilidade de mover datos non utilizados (normalmente rexistros históricos ou aos que se accede con pouca frecuencia) a niveis de almacenamento de menor custo.

  • Optimización do rendemento en táboas grandes

    • Escenario: Os procesos críticos para o negocio están a ralentizarse debido ás táboas grandes.
    • Acción: Arquivar rexistros antigos, limpar traballos do sistema, por exemplo AsyncOperationBase e WorkflowLogBase.

  • Xestión do ciclo de vida ambiental

    • Escenario: Os entornos de desenvolvemento e probas clónanse desde a produción, duplicando todos os datos e índices.
    • Acción: Recortar os entornos de probas despois dunha actualización, desactivar a indexación de busca innecesaria e eliminar os datos de proba para reducir o consumo de almacenamento redundante. Elimina os entornos de probas non utilizados para aforrar almacenamento.

Casos prácticos

Estudo de caso 1: Redución do exceso de almacenamento mediante a limpeza de índices

Perfil do cliente: Unha empresa de fabricación global que usa Dynamics 365 para aplicacións de cadea de subministración e finanzas e operacións.

Desafío: O cliente estaba a experimentar excesos de almacenamento inesperados e unha degradación do rendemento no seu entorno de produción. A investigación revelou que varios índices personalizados e vistas materializadas, creados durante a implementación inicial, xa non estaban en uso pero aínda consumían unha cantidade significativa de almacenamento.

Solución: O equipo realizou unha auditoría trimestral de todos os índices personalizados e eliminou aqueles aos que non se facía referencia nas consultas ou informes activos. Tamén implementaron unha política de gobernanza para revisar as novas solicitudes de índice antes do despregamento.

Resultado:

  • Reduciuse o almacenamento da base de datos nun 28 %.
  • Mellorouse o rendemento das consultas nun 15 %.
  • Evitouse unha proxección de $12,000 ao ano noutros custos de almacenamento.

Estudo de caso 2: Arquivo de datos históricos para cumprir os obxectivos de cumprimento e rendemento

Perfil do cliente: Unha empresa de servizos financeiros que usa Dataverse Dynamics 365 para a incorporación de clientes e a funcionalidade de xestión de casos.

Desafío: A empresa necesitaba conservar os rexistros dos clientes durante máis de sete anos para cumprir os requisitos regulamentarios, pero o crecente volume de datos inactivos estaba a ralentizar os fluxos de traballo activos e a aumentar os custos de almacenamento.

Solución: O cliente implementou unha estratexia de retención a longo prazo empregando as capacidades de arquivo de Dataverse. Os rexistros inactivos moveronse a un nivel de almacenamento de só lectura e optimizado en termos de custos, mentres que os datos activos permaneceron nun almacenamento de alto rendemento.

Resultado:

  • Arquivou máis de 1,2 millóns de rexistros.
  • Reduciuse o tamaño da base de datos primaria nun 40 %.
  • Mantivo a plena auditabilidade e o cumprimento das políticas de retención.

Estudo de caso 3: optimización de índices de busca en diferentes entornos

Perfil do cliente: Unha organización minorista con múltiples Dataverse entornos, incluíndo entornos de desenvolvemento, probas e produción, que admiten unha solución de xestión de relacións cos clientes habilitada para Copilot.

Desafío: Usáronse índices de busca en todos os entornos, incluídas as táboas non utilizadas e os datos de proba. Isto levou a táboas de DataverseSearch inchadas e a un consumo de almacenamento innecesario.

Solución: O equipo revisou os campos que se poden buscar e deixou de usar a indexación en táboas non críticas en entornos de desenvolvemento e probas. Tamén automatizaron a limpeza de índices durante as actualizacións do ambiente.

Resultado:

  • Reduciuse o almacenamento do índice de busca nun 35 %.
  • Melloráronse os tempos de actualización do ambiente nun 20 %.
  • Reduciuse o uso xeral de almacenamento de rexistros e bases de datos.

Estudo de caso 4: Uso da exportación de datos para análises sen duplicar almacenamento

Perfil do cliente: Un provedor de asistencia sanitaria que usa Dynamics 365 e Dataverse para a interacción cos pacientes e a facturación.

Desafío: O equipo de análise necesitaba acceder a datos operativos para a análise de tendencias e a modelización de IA, pero a duplicación de datos nun almacén separado aumentaba os custos e a complexidade do almacenamento.

Solución: O cliente empregou Azure Synapse Link con exportación incremental e almacenamento por niveis en OneLake. Só conservaron os datos analíticos esenciais e aplicaron políticas de retención para xestionar a profundidade histórica.

Resultado:

  • Activou análises en tempo real sen afectar os sistemas operativos.
  • Reduciuse o almacenamento redundante nun 45 %.
  • Mellora da gobernanza do ciclo de vida dos datos analíticos.

Conclusión

Unha xestión eficaz do almacenamento é crucial para manter o rendemento do sistema e optimizar o uso dos recursos nos entornos de Dynamics 365. As rutinas de limpeza e os traballos de arquivo descritos neste artigo ofrecen solucións robustas para liberar espazo valioso na base de datos e optimizar as operacións. Usando estas ferramentas como LTR e técnicas similares, os clientes poden abordar os desafíos comúns de almacenamento e crear prácticas de xestión de datos sostibles. Ademais, estudos de casos do mundo real demostran a eficacia destas abordaxes, ofrecendo información sobre as súas aplicacións prácticas. A adopción destas estratexias permite ás organizacións xestionar de forma proactiva as súas necesidades de almacenamento e mellorar a eficiencia xeral.

Referencias

Limpeza do almacenamento en Dataverse:

Limpeza de almacenamento en finanzas e operacións:

Capacidade de almacenamento:

  • Última actualización o