Krātuves pārvaldība un finanšu un operāciju lietotnēs Dataverse

Tā kā organizācijas paātrina digitālās transformācijas ceļus, spēja efektīvi pārvaldīt datus kļūst par stratēģisku biznesa nepieciešamību. Pieaugot mākslīgā intelekta lietojumprogrammām un Copilot vadītām darbplūsmām, uzņēmumi ģenerē un patērē datus nepieredzētā ātrumā. Šie dati veicina inovācijas, nodrošina personalizētu pieredzi un atbalsta kritisku lēmumu pieņemšanu, bet tikai tad, ja tie tiek pārvaldīti un glabāti gudri.

Lai atbalstītu šīs mainīgās biznesa vajadzības, organizācijām ir jāpieņem proaktīva krātuves pārvaldības stratēģija. Tas nodrošina, ka dati, kas vairs nav nepieciešami ikdienas operācijām, tiek apstrādāti atbildīgi, atbrīvojot jaudu augstvērtīgām darba slodzēm, samazinot darbības berzi un saskaņojot ar atbilstības un audita prasībām.

No tehniskā viedokļa efektīva krātuves pārvaldība programmā Dataverse Dynamics 365 uzlabo sistēmas veiktspēju, uzlabo izmaksu efektivitāti un nodrošina ilgtermiņa saglabāšanas (LTR) politiku ievērošanu. Abas platformas piedāvā rīkus un automatizācijas iespējas, kas ļauj organizācijām pārvaldīt krātuvi.

Īstenojot šajā rakstā aprakstītās stratēģijas, uzņēmumi var samazināt atbalsta pieskaitāmās izmaksas, racionalizēt atbilstību un piesaistīt lielāku vērtību no savām biznesa lietojumprogrammām, pārvēršot krātuvi no ierobežojuma par konkurences priekšrocību.

Galvenie ieguvumi

Efektīva krātuves pārvaldība programmā Dataverse Dynamics 365 nodrošina vairākas galvenās priekšrocības, kas risina izplatītākos klientu sāpju punktus un uzlabo vispārējo darbības efektivitāti.

  • Uzlabota atbilstība LTR: efektīva krātuves pārvaldība nodrošina, ka dati tiek glabāti saskaņā ar LTR politikām. Tas ne tikai palīdz izpildīt normatīvās prasības, bet arī nodrošina, ka kritiskie dati tiek saglabāti un pieejami, kad nepieciešams.

  • Uzlabota veiktspēja: optimizējot krātuves pārvaldību, organizācijas var ievērojami uzlabot savu sistēmu veiktspēju. Efektīva krātuves piešķiršana un pārvaldība samazina latentumu un uzlabo datu izgūšanas ātrumu, nodrošinot vienmērīgāku un ātrāku darbību.

  • Izmaksu efektivitātes veicināšana: efektīva krātuves pārvaldība ļauj organizācijām koncentrēties uz augstvērtīgiem datiem, racionalizējot un sakārtojot krātuves vidi. Saglabājot tikai to, kas nepieciešams, uzņēmumi var optimizēt savu krātuves nospiedumu, nodrošinot gudrāku resursu izmantošanu un rentablu mērogojamību.

Fons

Organizācijām augot un digitalizējot arvien vairāk savu operāciju, biznesa datu apjoms, kas tiek glabāts tādās sistēmās Dataverse kā Dynamics 365 un Dynamics 365. Tas ietver ne tikai aktīvus, darījumu datus, bet arī vēsturiskos ierakstus, kas jāsaglabā revīzijas, regulatīviem vai darbības nepārtrauktības mērķiem. Laika gaitā šī uzkrāšanās var izraisīt veiktspējas pasliktināšanos, palielinātas darbības pieskaitāmās izmaksas un pieaugošas krātuves izmaksas, it īpaši, ja dati, kas vairs netiek aktīvi izmantoti, paliek augstas veiktspējas krātuves līmeņos.

Skaidri definēta krātuves pārvaldības stratēģija palīdz organizācijām risināt šīs problēmas, identificējot datus, kurus var arhivēt, tīrīt vai pārvietot uz lētāku, lasīšanai optimizētu krātuvi. Tas ir svarīgi atbilstības scenārijiem, kuros datiem ir jābūt nemainīgiem, mazpieejamiem un tikai lasāmiem, piemēram, finanšu ierakstiem, audita žurnāliem vai regulatīvajiem dokumentiem. Daudzu uzņēmumu galvenā prasība ir nodrošināt, ka šādi dati tiek saglabāti atbilstīgi, neietekmējot dzīvo sistēmu veiktspēju.

Izmantojot abās platformās pieejamos rīkus un stratēģijas, organizācijas var iegūt labāku redzamību par savu krātuves nospiedumu, samazināt nevajadzīgu patēriņu un nodrošināt, ka atbilstībai kritiskie dati tiek pienācīgi apstrādāti.

Šajā rakstā ir aprakstītas praktiskas pieejas krātuves pārvaldībai, kas palīdz klientiem saskaņot savu datu saglabāšanas praksi biznesa un normatīvajām vajadzībām. Tas uzlabo sistēmas veiktspēju, samazina darbības pieskaitāmās izmaksas un nodrošina, ka atbilstības pienākumi tiek izpildīti bez kompromisiem.

Kāpēc mēs glabājam datus

Lai atlasītu un optimizētu pareizo datu saglabāšanas modeli saviem datiem, ir vērtīgi pārdomāt iemeslus un lietojumus, kādiem mēs glabājam datus.

Operatīvie dati

Ar biznesa lietojumprogrammu operatīvie dati tiek izmantoti, lai izsekotu pārdošanas vai finanšu vai piegādes ķēdes darbības.

Šiem datiem ir jāpiekļūst reāllaikā, atbalstot klientu un iekšējos darbības procesus, kas reģistrē detalizētas darbības, piemēram, mijiedarbību ar klientiem, pasūtījumus vai krājumu darbības.

Laika gaitā operatīvie dati var pāriet no aktīvas izmantošanas uz reti izmantotiem. Iespējams, datiem jābūt pieejamiem gandrīz reāllaikā, lai palīdzētu klientam veikt pasūtījumu vai atbalsta gadījumā. Piemēram, apsveriet šādus scenārijus:

  • Klients veic pasūtījumu, bet cits klients, kurš kādu laiku nav mijiedarbojies ar uzņēmumu, veic pasūtījumu.
  • Katrs pasūtījums, kas ir veikts un tiek nosūtīts, tiek pastāvīgi piekļūts. Ir arī pasūtījumi, kuriem ir trīs gadu garantijas periods, uz kuriem var būt jāatsaucas atbalstam, un, iespējams, ir nepieciešama atmaksa.

Tas var izraisīt darbības datu piekļuves vajadzību posmus, piemēram:

  • Mazāk nekā viens gads aktīvi pieejami dati.
  • Mazāk nekā trīs gadus reti pieejami dati.
  • Vairāk nekā trīs gadi, kad dati vairs nav pieejami operatīvi.

Operatīvās krātuves reāllaika raksturs padara to salīdzinoši dārgu, salīdzinot ar citu krātuvi, tāpēc ir svarīgi noteikt, kad dati ir jāpiekļūst operatīvi un kad nē.

Operatīvā integrācija

Kā specializēta ekspluatācijas izmantošanas kategorija var pieprasīt atkārtot datus starp vairākām operētājsistēmām, tostarp tādus modeļus kā:

  • Bankas: klientu attiecību pārvaldība frontes klientu mijiedarbībai un replicēšanai vairākās banku sistēmās. Piemēram, jums ir norēķinu konti, kredītkartes, hipotēku un kredīta pārbaudes sistēmas.
  • Ražošana: klientu attiecību pārvaldība frontes pasūtījumu pieņemšanai un uzņēmuma resursu pārvaldības sistēma piegādes ķēdes pārvaldībai.
  • Policijas ārkārtas situāciju apstrāde: klientu attiecību pārvaldība pilsoņu mijiedarbībai un policijas departamentu dispečeru sistēmas piedāvā izvietošanas pārvaldību.

Šādos gadījumos, lai gan katrai sistēmai var būt unikāli dati, kurus tā izseko, bieži vien ir izplatīti pamatdati, kas ir jākopīgo starp sistēmām un jāuztur sinhronizēti, radot integrācijas vajadzības.

Revīzijas dati

Uzņēmumam parasti ir regulatīvais pienākums glabāt datus ilgāku periodu, piemēram, vidēji septiņus gadus, iekšējiem vai ārējiem revīzijas mērķiem, piemēram, finanšu revīzijas, normatīvās informācijas atklāšanas vai krāpšanas pārskatīšanas atbalstam.

Šie dati parasti aptver gan datus, kas nepieciešami operatīviem mērķiem, gan datus, kas vairs nav nepieciešami, jo tie ļauj pārskatīt visu datu kopu no vienas vietas.

Analīzes dati

Organizācijām ir nepieciešams pārskatīt un analizēt savas uzņēmējdarbības stāvokli. Viņiem ir jāmēra un jāsalīdzina statistika laika gaitā un aptver vairākas vai visas uzņēmuma daļas.

Lielie datu periodi un plašums, kurā šī analīze var notikt, noved pie nepieciešamības replicēt operatīvos datus specializētos, analītikas rīkos. Tas novērš sarežģītu analīzi, kas ietekmē operāciju sistēmu veiktspēju, bet arī ļauj analizēt datu kopas, kas pārsniedz periodu, kurā dati ir nepieciešami operatīvi. Piemēram, jums var būt nepieciešams salīdzināt datus septiņu gadu laikā, nevis vienu līdz divus gadus. Tomēr dažādām analītikas vajadzībām var būt nepieciešami pilni datu glabāšanas periodi vai tikai operētājsistēmās saglabātie dati.

Analytics dati parasti ļauj apkopot datus vairākās uzņēmuma daļās un apvieno datus no vairākām sistēmām.

Datu plūsma

Šo tipu dati parasti laika gaitā plūst no darbības datiem un pēc tam uz darījumu vai vēsturiskajiem datiem, kā parādīts nākamajā attēlā.

Datu plūsma.

Dažādi uzglabāšanas veidi

Dataverse Uzglabāšanas veidi

Dataverse Krātuve tiek organizēta trīs galvenajās kategorijās, katrai no tām ir atšķirīgi lietošanas modeļi un norēķinu sekas.

Krātuves tips Apraksts Bieži lietotie pieteikumi
Datu bāzes glabāšana Glabā strukturētos datus tabulās — standarta un pielāgotā. Biznesa ieraksti, metadati, relācijas un konfigurācijas
Failu krātuve Glabā pielikumus un bināros datus. E-pasta pielikumi, attēli, augšupielādētie dokumenti, izmantojot Power Apps
Baļķu glabāšana Glabā audita žurnālus un spraudņu izsekošanas žurnālus. Izmaiņu izsekošana, auditēšana, diagnostika un atbilstība

Finanšu un operāciju platformas krātuves veidi

Finanšu un operāciju krātuve tiek pārvaldīta atsevišķi, bet arvien vairāk tiek integrēta Power Platform ekosistēmā. Tas ietver šādus uzglabāšanas veidus.

Krātuves tips Apraksts Bieži lietotie pieteikumi
Operatīvā datu bāzes glabāšana Galvenie darījumu dati par finansēm, piegādes ķēdi, cilvēkresursiem un citiem Virsgrāmatas ieraksti, krājumi, debitoru pasūtījumi
Dokumentu pārvaldības glabāšana Binārie lielie objekti (BLOB), kas tiek glabāti Azure BLOB krātuvē Rēķini, kvītis, skenētie dokumenti
Telemetrijas un diagnostikas žurnāli Sistēmas žurnāli un telemetrijas dati Veiktspējas uzraudzība, problēmu diagnostika.

Koplietojami un integrēti krātuves scenāriji

  • Divkārša rakstīšanas krātuve

    • Ļauj reāllaika sinhronizāciju starp Dataverse finanšu un operāciju programmām.
    • Nepieciešama rūpīga lomu un jaudas pārvaldība, lai izvairītos no dublēšanās vai pārmērīgas izmantošanas.

  • Ilgtermiņa saglabāšana (LTR)

    • Pārvieto vēsturiskos datus uz pārvaldīto datu ezeru (MDL).
    • Samazina primārās krātuves izmantošanu, vienlaikus saglabājot atbilstību un analīzes piekļuvi.
    • Integrējas ar:
      • Ātrā atrašana (Dataversevietējā meklēšana)
      • OneLake (uz audumu balstīta analīze)
      • Synapse Link (pielāgota ezera analīze)

Kā jūsu dati laika gaitā pieaug

Organizācijām paplašinot Dynamics 365 finanšu un operāciju platformas izmantošanu Dataverse , datu pieaugums kļūst gan par panākumu pazīmi, gan par stratēģisku izaicinājumu. Tas, kas sākas kā liesa, darījumu datu kopa, var ātri attīstīties par sarežģītu, daudzslāņu datu īpašumu. Šajā sadaļā ir aplūkoti pieci galvenie datu pieauguma virzītājspēki un to ietekme uz glabāšanu, veiktspēju un pārvaldību.

Datu noliktavas izmantošana operatīvajiem datiem

Lai atbloķētu ieskatus no operētājsistēmām, daudzas organizācijas izmanto Azure Synapse Link, OneLake vai datu eksportēšanu, lai replicētu datus no Dataverse finanšu un operāciju programmām analītiskajā sistēmā. Lai gan tas atbalsta uzlabotas pārskatu izveides un AI darba slodzes, tas arī ievieš:

  • Lieka krātuve operācijas un analītiskajos slāņos

    Dati bieži tiek dublēti starp operatīvo un analītisko vidi. Šī dublēšana palielina kopējo krātuves patēriņu un var izraisīt augstākas izmaksas, it īpaši, ja vēsturiskie dati tiek saglabāti uz nenoteiktu laiku abās sistēmās.

  • Shēmas dublēšana un versiju izveides pieskaitāmās izmaksas

    Lai saglabātu sistēmu konsekvenci, organizācijām ir jāreplicē shēmas izmaiņas, piemēram, jauni lauki un pārdēvētas kolonnas, gan operatīvajos, gan analītiskajos slāņos. Tas palielina datu pārvaldības sarežģītību un palielina shēmu novirzes risku, kas var sadalīt pakārtotus pārskatus vai modeļus.

  • Palielināta vēsturisko datu saglabāšana tendenču analīzei

    Analītiskās sistēmas parasti saglabā datus ilgāku laiku, lai atbalstītu tendenču analīzi, prognozēšanu un regulatīvo pārskatu sniegšanu. Lai gan šī ilgtermiņa saglabāšana ir vērtīga, tā var novest pie uzpūstām datu kopām, ja to nepārvalda ar atbilstošām arhivēšanas un līmeņu stratēģijām.

Datu noliktavas glabāšana ir būtiska analīzei, taču bez dzīves cikla politikām tā var divkāršot vai trīskāršot krātuves nospiedumu.

Datu meklēšanas izmantošana

Tādām funkcijām kā Dataverse meklēšana, Copilot indeksēšana un atbilstības meklēšana prasa indeksēt lielu apjomu strukturētu un nestrukturētu datu. Šie indeksi bieži:

  • Žurnāla un datu bāzes krātuves patēriņš

    Meklēšanas indeksi tiek glabāti gan žurnālu, gan datu bāzes krātuvē. Tā kā vairāk tabulu un lauku tiek atzīmēti kā meklējami, indeksa lielums proporcionāli palielinās. Tas var būtiski ietekmēt kopējo krātuves lietojumu, jo īpaši vidēs ar lielu ierakstu apjomu vai biežām shēmu izmaiņām.

  • Saglabāt pat neizmantotās vai novecojušās tabulās

    Pat ja noteiktas tabulas ir novecojušas vai vairs netiek aktīvi izmantotas, ar tām saistītie meklēšanas indeksi var saglabāties, ja vien tie nav skaidri noņemti. Tas noved pie nevajadzīga uzglabāšanas patēriņa un var sarežģīt jaudas plānošanu.

  • Bieži tiek dublēti dažādās vidēs, piemēram, izstrādes, testēšanas un ražošanas vidēs

    Meklēšanas indeksi parasti tiek replicēti izstrādes, testēšanas un ražošanas vidēs. Lai gan tas nodrošina konsekventu meklēšanas darbību, tas arī palielina krātuves nospiedumu, it īpaši, ja vides tiek bieži klonētas vai atsvaidzinātas.

Meklēšana uzlabo lietojamību un AI gatavību, bet indeksa uzpūšanās ir kluss krātuves pārpalikuma veicinātājs.

Datu reģistrēšanas iespējošana

Audita žurnāli, spraudņu izsekošanas žurnāli un telemetrija ir kritiski svarīga atbilstībai, atkļūdošanai un uzraudzībai. Tomēr ņemiet vērā šādus punktus:

  • Žurnālu krātuve palielinās lineāri līdz ar lietojumu un lietotāju skaitu.

    Žurnāla dati pieaug proporcionāli ar:

    • Lietotāju skaits un viņu aktivitātes līmeņi
    • Darījumu apjoms un integrācijas
    • Biznesa loģikas, piemēram, spraudņu un darbplūsmu, sarežģītība

    Augsta lietojuma vidē tas var izraisīt strauju žurnālu tabulu paplašināšanu, patērējot gan datu bāzes, gan žurnālu krātuves kvotas.

  • Saglabāšanas noklusējumi bieži vien ir pārāk dāsni, piemēram, 90 dienas vai ilgāk.

    Pēc noklusējuma daudzi reģistrēšanas līdzekļi saglabā datus ilgāku laiku, piemēram, 90 dienas vai ilgāk. Lai gan tas atbalsta ilgtermiņa izsekojamību, tas var izraisīt nevajadzīgu krātuves patēriņu, it īpaši, ja žurnāli netiek aktīvi pārskatīti vai eksportēti.

  • Sistēmas ģenerētie žurnāli tiek izrakstīti debitoram Dataverse rēķinā.

    Sistēmas Dataverse ģenerētie žurnāli, tostarp audita žurnāli un spraudņu izsekošanas žurnāli, tiek ieskaitīti klienta krātuves tiesībās. Tas nozīmē, ka bez pienācīgas tīrīšanas vai eksporta stratēģijām mežizstrāde var tieši veicināt uzglabāšanas pārpalikumu un licencēšanas izmaksu pieaugumu.

Reģistrēšana regulētām nozarēm nav apspriežama, taču tā ir jāpārī ar saglabāšanas un eksportēšanas stratēģijām, piemēram, Azure Monitor vai Log Analytics.

Vairākas ražošanas vides kopijas

Lai atbalstītu izstrādi, testēšanu, apmācību un problēmu novēršanu, klienti bieži izveido smilškastes vai klonētas vides. Katrs eksemplārs:

  • Replicē pilnu datu un indeksu nospiedumu.
  • Var ietvert neacīmredzamas atkarības, piemēram, meklēšanas indeksus, audita žurnālus un metadatus.
  • Pēc lietošanas tiek reti iztīrīts.

Vides izplešanās ir galvenais krātuves izmaksu un sarežģītības virzītājspēks. Pārvaldības politika un automatizācija ir ierobežošanas atslēga.

Vaicājumu optimizācija par datiem

Tā kā datu apjoms palielinās un lietojumprogrammu atsaucība kļūst kritiska, klienti un ISV bieži ievieš dažādas vaicājumu optimizācijas metodes, lai uzlabotu veiktspēju programmā Dataverse Dynamics 365. Šīs stratēģijas ir īpaši izplatītas atskaišu veidošanā, analīzē un integrācijas smagos scenārijos.

Lai uzlabotu veiktspēju, klienti un ISV bieži veido:

  • Pielāgoti indeksi un materializēti skati

    Tie tiek izmantoti, lai paātrinātu vaicājumu izpildi, iepriekš aprēķinot savienojumus vai apkopojumus. Tie ir noderīgi scenārijos, kuros ir saistīti ar sarežģītiem filtriem vai lielām datu kopām.

  • Denormalizētas tabulas ziņošanai

    Lai vienkāršotu pārskatu veidošanu un samazinātu vaicājumu sarežģītību, izstrādātāji bieži izveido saplacinātas relāciju datu versijas. Šīs tabulas samazina nepieciešamību pēc izpildlaika savienojumiem un uzlabo informācijas paneļa veiktspēju.

  • Kešatmiņas slāņi vai apkopojumi

    Bieži pieejamie dati dažkārt tiek iepriekš apkopoti vai kešatmiņā starptabulās vai ārējos krātuvēs, lai samazinātu primārās datu bāzes slodzi.

Lai gan tie uzlabo reaģētspēju, tie arī:

  • Palieliniet krātuves lietojumu

    Katrs optimizācijas slānis ievieš vairāk datu struktūru, neatkarīgi no tā, vai tā ir esošo datu kopija denormalizētā formātā, iepriekš aprēķināts skats vai kešatmiņas tabula. Šīs struktūras bieži dublē datus, kas jau tiek glabāti citur, radot lielāku kopējo krātuves nospiedumu. Vidēs ar stingrām krātuves kvotām vai uz izmaksām balstītiem licencēšanas modeļiem, Dataverse piemēram, tas var ātri pārvērsties pārsniegumā, no kura var izvairīties.

  • Var kļūt par bāreņiem, attīstoties lietotnēm,

    Lietojumprogrammām attīstoties, aktīvās atskaites, informācijas paneļi vai integrācijas vairs nevar atsaukties uz dažiem optimizācijas artefaktiem. Šie bāreņu objekti turpina patērēt krātuvi un var pat palēnināt sistēmas darbības, piemēram, dublējumu vai indeksēšanas laikā, ja tie netiek identificēti un noņemti. Bez regulārām revīzijām tie var uzkrāties nepamanīti, mazinot pašus veiktspējas ieguvumus, kurus tie tika izveidoti, lai atbalstītu.

Vaicājumu optimizācija ir būtiska mēroga nodrošināšanai, taču tā ir jālīdzsvaro ar krātuves higiēnu un telemetrijas virzītu regulēšanu.

Indeksi un to ietekme uz krātuvi

Indeksi ir būtiski, lai uzlabotu vaicājumu veiktspēju un izmantotu ātru datu izgūšanu lielās datu kopās. Gan Dataverse Dynamics 365 finanšu un operāciju programmās, gan Dynamics 365 finanšu un operāciju programmās indeksi tiek automātiski izveidoti primārajām atslēgām un bieži vaicātiem laukiem, un var definēt citus pielāgotus indeksus, lai atbalstītu konkrētus biznesa scenārijus.

Lai gan indeksi ir kritiski svarīgi veiktspējai, tiem ir arī tieša ietekme uz krātuves patēriņu, kas bieži vien netiek novērtēts risinājuma izstrādes laikā.

Kā indeksi patērē krātuvi

  • Fiziska datu dublēšana: katrā indeksā tiek glabāta indeksēto kolonnu kopija, kā arī rādītāji uz atbilstošajām rindām. Jo vairāk kolonnu un rindu indeksētas, jo lielāks ir indeksa lielums.

  • Pieaugums ar datu apjomu: pieaugot pamatā esošajai tabulai, pieaug arī indekss. Augstu darījumu vidē indeksi var strauji pieaugt, īpaši lielās, denormalizētās tabulās vai tabulās, kurās bieži tiek ievietoti un atjaunināti.

  • Vairāki indeksi katrā tabulā: parasti vienai tabulai ir vairāki indeksi, piemēram, meklēšanai, filtrēšanai, kārtošanai un savienojumiem. Katrs otrs indekss palielina kumulatīvo krātuves nospiedumu.

  • Meklējiet indeksus Dataverse: tādi līdzekļi kā Dataverse meklēšana un Copilot indeksēšana izveido specializētus indeksus, kas aptver vairākus laukus un tabulas. Tie tiek glabāti tabulā DataverseSearch un var aizņemt ievērojamu vietu, it īpaši, ja tos izmanto vairākās vidēs, piemēram, izstrādes, testēšanas un ražošanas vidēs.

  • Sistēmas ģenerēti indeksi: platforma automātiski izveido dažus indeksus, piemēram, uzmeklēšanas laukiem vai relācijām. Tie var saglabāties pat tad, ja saistītās tabulas ir novecojušas, ja vien tās nav skaidri noņemtas.

Krātuves ietekme

  • Palielināta datu bāzu un žurnālu krātuve: indeksi veicina gan datu bāzes, gan žurnālu krātuves lietošanu, kas var ietekmēt licencēšanas izmaksas Dataverse.
  • Vides dublēšana: kad vides tiek kopētas vai atsvaidzinātas, visi indeksi tiek dublēti, pastiprinot krātuves lietojumu izstrādes, testēšanas un ražošanas vidēs.
  • Uzturēšanas pieskaitāmās izmaksas: indeksi ir jāatjaunina, mainoties datiem, kas var palielināt rakstīšanas latentumu un resursu patēriņu.

Servera puses sinhronizācijas ietekme uz krātuvi

Servera puses sinhronizācija Dataverse ļauj nevainojami integrēt e-pastus, tikšanās un uzdevumus starp Microsoft Exchange un Dataverse. Lai gan tas uzlabo produktivitāti un automatizāciju, tas veicina arī uzglabāšanas patēriņu šādos veidos.

  • Aktivitāšu ieraksta izveide: katrs sinhronizētais e-pasta ziņojums vai tikšanās ģenerē darbības ierakstu Dataverse, kas ietver metadatus, pamatteksta saturu un, iespējams, pielikumus.
  • Pielikumu krātuve: ja pielikumi netiek filtrēti vai izkrauti, tie tiek glabāti tieši Dataverse, palielinot krātuves lietojumu.
  • Atbilstība un saglabāšana: organizācijas, kas izmanto servera puses sinhronizāciju atbilstības izsekošanai, var saglabāt vairāk datu, nekā nepieciešams, vēl vairāk palielinot krātuvi.
  • Aizsargāts saturs: pat ar Purview aizsargāti e-pasta ziņojumi, lai gan satura redzamība ir ierobežota, joprojām ģenerē viettura ierakstus, kas patērē vietu.

Lai pārvaldītu šo ietekmi, uzņēmumiem jāievieš saglabāšanas politikas, jāapsver pielikumu izlāde un regulāri jāuzrauga darbību ierakstu apjoms.

Kā es varu pārvaldīt arvien pieaugošo krātuvi?

Neatkarīgi no tā, vai jau saskaraties ar krātuves pārpalikumu vai vēlaties to novērst, datu pieauguma pārvaldībai **Dynamics 365 finanšu un darbības platformā** ir nepieciešama apzināta, uz politiku balstīta pieeja. Dataverse Šajā sadaļā ir izklāstīti divi stratēģiskie ieejas punkti: reaktīvā korekcija un proaktīva pārvaldība.

Pastāv divi iespējamie scenāriji:

  1. Jūs vēlaties proaktīvi piemērot labāko praksi, lai pārvaldītu krātuvi un izvairītos no augstām izmaksām nākotnē.
  2. Jūs jau atrodaties situācijā, kad ir nepieciešams samazināt krātuves apjomu un izmaksas.

Izmantojiet labāko praksi, lai pārvaldītu krātuves lielumu un izmaksas

1. scenārijs: vēlaties proaktīvi piemērot labāko praksi krātuves pārvaldīšanai

Ja vēl neesat krīzes režīmā, tagad ir īstais laiks lietot rīkus un metodes, lai proaktīvi pārvaldītu krātuvi.

Konfigurējiet analītiku saviem datiem

Organizācijām augot, pieaug arī nepieciešamība iegūt ieskatu no operatīvajiem datiem, neietekmējot galveno biznesa lietojumprogrammu veiktspēju. Microsoft piedāvā vairākus veidus, kā iespējot analīzi par Dataverse un Dynamics 365 finanšu un darbību datiem, integrējot to ar savu datu ezeru vai noliktavu.

Šeit ir divas spēcīgas iespējas, kuras apsvērt:

1. opcija Izmantojiet saiti — atvediet savu ezeru Azure Synapse

Azure Synapse Saite ļauj jums tieši izveidot savienojumu ar savu Azure Data Lake vai Synapse darbvietu. Dataverse Tas ļauj gandrīz reāllaikā replicēt operatīvos datus analītiskā vidē, nerakstot sarežģītus ETL cauruļvadus.

Ieguvumi:

  • Izpildiet uzlabotu analīzi un mākslīgā intelekta modeļus ar tiešajiem vai gandrīz tiešajiem datiem.
  • Izvairieties no ietekmes uz ražošanas sistēmu veiktspēju.
  • Atskaišu veidošanai izmantojiet pazīstamus rīkus, piemēram, T-SQL, Spark vai Power BI .

Lietošanas gadījuma piemērs: Mazumtirdzniecības uzņēmums izmanto Synapse Link, lai analizētu klientu pirkšanas paradumus dažādos reģionos, apvienojot Dataverse klientu attiecību pārvaldības datus ar ārējiem tirgus datiem savā krātuvē.

2. opcija Izmantojiet OneLake — vienotu analītiku ar Microsoft Fabric

OneLake, kas ir daļa no Microsoft Fabric, nodrošina vienotu datu ezera pieredzi, kurā varat uzglabāt un analizēt datus no vairākiem avotiem, tostarp Dataverse un finanšu un darbības lietotnēm, bez dublēšanas.

Ieguvumi:

  • Centralizēta visu analītisko darba slodžu krātuve.
  • Dzimtā integrācija ar Power BI, Synapse un mākslīgā intelekta pakalpojumiem.
  • Vienkāršota pārvaldība un drošība visās datu jomās.

Lietošanas gadījuma piemērs: Finanšu pakalpojumu uzņēmums izmanto OneLake, lai konsolidētu darbības datus no finanšu un darbības lietotnēm un Dataverse ar ārējiem ekonomiskajiem rādītājiem, nodrošinot reāllaika, riska modelēšanas un vadības informācijas paneļus. To darot, jūs varat atdalīt operatīvos datus no savām galvenajām sistēmām un nodrošināt mērogojamu, rentablu analītiku, eksportējot šos datus uz savām analītiskajām vidēm, nedublējot darba slodzes un neietekmējot veiktspēju.

Rīki un metodes uzglabāšanas samazināšanai

Dataverse piedāvā vairākus iebūvētus rīkus un stratēģijas, kas palīdz administratoriem efektīvi pārvaldīt krātuvi un uzturēt sistēmas veiktspēju.

Dataverse

Pārvaldīt datus ar pārvaldības politikām

  • Sāc ar vidēm un tabulām, kas aizņem visvairāk atmiņas.
  • Izmantojiet atkārtotas pārvaldības politikas prognozējamai datu izaugsmei, nevis paļaujieties tikai uz vienreizēju attīrīšanu.
  • Pārbaudiet dzēšanas un saglabāšanas kritērijus smilškastes vidē pirms to izmantošanas ražošanā.
  • Regulāri pārskatiet politikas rezultātus un neveiksmes.
  • Pievienojiet glabāšanas kapacitāti, kad nepieciešamos datus nevar dzēst vai pārvietot uz ilgtermiņa saglabāšanu.

Vides un datu attīrīšana

  • Neizmantoto vides dzēšana: varat dzēst vidi, lai atbrīvotu vietu krātuvē un noņemtu personu identificējošu informāciju (PII).
  • Masveida dzēšanas darbi: Varat masveidā dzēst šādus datus:
    • Novecojuši dati vai dati, kas nav būtiski uzņēmumam.
    • lieki testēšanas vai parauga dati;
    • no citām sistēmām nepareizi importēti dati.

Failu un tabulu optimizācija

Ilgtermiņa saglabāšana (LTR) un arhivēšana

Meklēšanas indeksa optimizācija

  • Samazināt Dataverse meklēšanu: krātuves lielumu var samazināt, veicot visas darbības detalizētajā Dataverse krātuvē, kas balstītauz noslodzi.
  • DataverseSearch tabulas lieluma samazināšana: tabula DataverseSearch ir kumulatīvais krātuve, ko izmanto meklēšanas indekss Dataverse . Tas ietver datus no visiem meklējamiem, izgūstamiem un filtrējamiem tabulu laukiem, kurus indeksējāt savai videi. Tabulas lielumu var samazināt, noņemot atrašanas kolonnas, skata kolonnas un filtrēšanas nosacījumus vienai vai vairākām tabulām. Lai noņemtu visus indeksētos datus, varat izslēgt Dataverse meklēšanu.
Finanšu un operāciju programmas

Finance and operations programmas nodrošina elastīgas iespējas krātuves pārvaldībai ražošanas un smilškastes vidēs.

Vides pārvaldība

  • Pilnu ražošanas kopiju skaita ierobežošana: varat samazināt finanšu un operāciju programmu kopējo krātuves patēriņu, noņemot pilnas ražošanas kopijas smilškastes vidē. Piemēram, ja smilškastē ir piecas ražošanas vides kopijas, krātuves patēriņš ir ražošanas summa plus piecas ražošanas vides kopijas smilškastē.
  • Datu apgriešana smilškastes vidē: apgriežot datus smilškastes vidē, varat samazināt kopējo krātuves nospiedumu. Varat izmantot tālāk norādītās metodes, lai notīrītu datus smilšu kastē.
    • Atjaunošanas process nodrošina atvēršanas un apgriešanas izpildi
    • Rakstīt T-SQL
    • Rakstiet X++
  • Veiciet kopiju bez transakcijām starp vidēm: vides kopija finanšu un operāciju programmām tradicionāli ietver pilnīgu datu bāzes dublēšanu, ieskaitot konfigurāciju, pamatdatus un transakcijas, kas, lai gan ir noderīga atkļūdošanai, ievērojami palielina krātuves patēriņu gan finansēs, gan operācijās Dataverse.

Pielāgota tīrīšana un žurnālu pārvaldība

  • Rakstiet pielāgotas tīrīšanas rutīnas pēc nepieciešamības: varat rakstīt pielāgotas tīrīšanas rutīnas, ja jūsu uzņēmumam nepieciešams, lai notīrītu nevēlamos datus.
  • Izvairieties no žurnālu glabāšanas: SysDatabaseLog var pārvietot uz mazāk transakciju datu bāzi, lai samazinātu kopējo krātuves nospiedumu.

Arhīva un ilgtermiņa glabāšana

Iebūvētas tīrīšanas rutīnas

  • Tīrīšanas rutīnas: programmā Dynamics 365 Finance un Dynamics 365 Supply Chain Management tīrīšanas procedūras ir pieejamas dažādos moduļos. Tīrīšanas rutīnas sniedz pārskatu par pašlaik pieejamām rutīnām. Pēc smilškastes datu bāzes kopēšanas proaktīvi palaidiet šīs tīrīšanas procedūras, lai noņemtu nevajadzīgās tabulas, piemēram, pakešu vēsturi, žurnālus un mazumtirdzniecības darījumu vēsturi. Dzēst novecojušus vai nebūtiskus datus.
  • Arhivēt kredītkaršu darījumu datus: aprakstīts arhivēšanas darbs Dynamics 365 Commerce , kas var palīdzēt atbrīvot vietu datu bāzē, arhivējot kredītkaršu maksājumu marķierus.

Samaziniet krātuves lielumu un izmaksas

2. scenārijs: jūs jau esat situācijā, kad ir nepieciešams samazināt krātuves lielumu un izmaksas

Novērtējiet, kas patērē krātuvi

  • Izmantojiet administrēšanas centru Power Platform un finanšu un operāciju krātuves atskaites, lai identificētu visvairāk patērējošās tabulas, failu tipus un žurnālus.
  • Izmantojiet telemetriju, ja tāda ir pieejama, lai attiecinātu lietojumu uz konkrētām programmām, lietotājiem vai struktūrvienībām.

Piešķiriet prioritāti tīrīšanas kandidātiem

  • Koncentrējieties uz:
    • Iekārtošanas un integrācijas tabulas, piemēram, dubultās rakstīšanas buferi
    • Audita žurnāli: saglabājiet to savā krātuvē
    • Neizmantotās vides vai smilškastes
    • Bāreņu metadati un meklēšanas indeksi
    • Dzēsiet to, kas jums nav nepieciešams, piemēram, lielapjoma dzēšana

Izmantojiet Synapse Link un OneLake analītiskām atskaitēm

  • Eksportējiet analītiskos datus uz Synapse Link.
  • Izmantojiet OneLake, lai piekļūtu saglabātajiem datiem un biznesa datiem atskaišu un analīzes nolūkos.

Ilgtermiņa saglabāšanas (LTR) piemērošana

  • Pārvietojiet vēsturiskos datus uz pārvaldīto datu ezeru (MDL), izmantojot LTR politikas.
  • Uzturiet meklēšanas un analīzes piekļuvi, izmantojot ātro atrašanu, Synapse Link vai OneLake.

Gadījumu izmantošana

Lietošanas gadījumi krātuves pārvaldībai Dataverse un finanšu un operāciju vidēs ir kritiski svarīgi, lai optimizētu datu bāzes telpu, uzlabotu sistēmas veiktspēju un izpildītu normatīvās prasības. Zemāk ir daži tipiski scenāriji, kas parāda, kā šīs stratēģijas var piemērot:

  • Vēsturisko datu pieauguma pārvaldība

    • Scenārijs: uzņēmums jau vairākus gadus darbojas pakalpojumā Dynamics 365 un ir uzkrājis lielu vēsturisko transakciju un pielikumu apjomu.
    • Darbība: Ieviest ilgtermiņa saglabāšanas stratēģijas, lai saglabātu neaktīvos datus, samazinātu primārās datu bāzes lielumu un saglabātu atbilstību audita prasībām.

  • Uz atbilstību balstīta datu saglabāšana

    • Scenārijs: regulētās nozares klientam ir jāsaglabā finanšu vai klientu dati septiņus līdz desmit gadus pret viltojumiem drošā formātā.
    • Darbība: Izmantojiet LTR, lai saglabātu nemainīgos, tikai lasāmos datus saskaņā ar juridiskajām un normatīvajām prasībām, vienlaikus saglabājot biznesa datus, neapdraudot analīzi un pārskatus.

  • Meklēšanas un Copilot indeksa optimizācija

    • Scenārijs: Dataverse meklēšana un Copilot indeksēšana ir iespējota visās vidēs, ieskaitot neizmantotās tabulas.
    • Darbība: auditējiet meklējamos laukus un atspējojiet indeksēšanu tabulām ar zemu vērtību vai novecojušām tabulām. Pārraugiet tabulas DataverseSearch lielumu un optimizējiet konfigurācijas, lai samazinātu žurnālu un datu bāzes krātuvi.

  • Revīzijas un telemetrijas pārvaldība

    • Scenārijs: spraudņu izsekošanas žurnāli un audita žurnāli strauji pieaug, patērējot krātuvi un ietekmējot veiktspēju.
    • Darbība: eksportējiet žurnālus uz ārējām sistēmām, piemēram, Azure Monitor, un automatizējiet veco ierakstu tīrīšanu, lai saglabātu redzamību, neuzpūšot krātuvi.

  • Datu noliktavas un analīzes integrācija

    • Scenārijs: organizācija replicē darbības datus Azure Synapse uz OneLake analīzei, kā rezultātā tiek dublēta krātuve.
    • Darbība: izmantojiet pakāpenisku eksportu, lietojiet filtrus un izvairieties no pilnas datu kopas replicēšanas, lai samazinātu dublēšanu, vienlaikus nodrošinot bagātīgus ieskatus.

  • Uzglabāšanas pārpalikuma samazināšana

    • Scenārijs: klients saņem paziņojumu par krātuves Dataverse kvotas pārsniegšanu, kas rada neparedzētas izmaksas.
    • Darbība: izmantojiet noslodzes atskaites, lai identificētu visvairāk patērējošās tabulas, notīrītu novecojušās vides un noņemtu neizmantotos pielikumus vai žurnālus. Apsveriet iespēju pārvietot aukstos datus — parasti vēsturiskus vai reti pieejamus ierakstus — uz zemākām izmaksām krātuves līmeņus.

  • Veiktspējas optimizēšana lielās tabulās

    • Scenārijs: biznesam kritiskie procesi palēninās lielo tabulu dēļ.
    • Darbība: arhivējiet vecos ierakstus, tīriet sistēmas darbus, piemēram, AsyncOperationBase un WorkflowLogBase.

  • Vides dzīves cikla pārvaldība

    • Scenārijs: Izstrādes un testēšanas vides tiek klonētas no ražošanas, dublējot visus datus un indeksus.
    • Darbība: pēc atsvaidzināšanas apgrieziet smilškastes vidi, atspējojiet nevajadzīgo meklēšanas indeksēšanu un noņemiet testa datus, lai samazinātu lieko krātuves patēriņu. Izdzēsiet neizmantotās smilškastes vides, lai saglabātu krātuvi.

Gadījumu izpētes

1. gadījuma izpēte: uzglabāšanas pārpalikuma samazināšana, izmantojot indeksa tīrīšanu

Klienta profils: globāls ražošanas uzņēmums, kas izmanto Dynamics 365 piegādes ķēdes un finanšu un operāciju programmām.

Izaicinājums: klients piedzīvoja negaidītu uzglabāšanas pārpalikumu un veiktspējas pasliktināšanos ražošanas vidē. Izmeklēšana atklāja, ka vairāki pielāgoti indeksi un materializēti skati, kas izveidoti agrīnās ieviešanas laikā, vairs netiek izmantoti, bet joprojām patērē ievērojamu krātuvi.

Risinājums: komanda veica ceturkšņa revīziju visiem pielāgotajiem indeksiem un noņēma tos, uz kuriem nav atsauces aktīvie vaicājumi vai pārskati. Viņi arī ieviesa pārvaldības politiku, lai pirms izvietošanas pārskatītu jaunu indeksu pieprasījumus.

Rezultātu:

  • Samazināta datu bāzes krātuve par 28%.
  • Uzlabota vaicājuma veiktspēja par 15%.
  • Izvairījās no prognozētā $12,000 gadā citās uzglabāšanas izmaksās.

2. gadījuma izpēte: vēsturisko datu arhivēšana atbilstības un veiktspējas mērķu sasniegšanai

Klienta profils: finanšu pakalpojumu uzņēmums, kas izmanto Dataverse Dynamics 365 klientu pievienošanas un pieteikumu pārvaldības funkcionalitāti.

Izaicinājums: uzņēmumam vajadzēja saglabāt klientu ierakstus vairāk nekā septiņus gadus, lai izpildītu normatīvās prasības, taču pieaugošais neaktīvo datu apjoms palēnināja aktīvās darbplūsmas un palielināja uzglabāšanas izmaksas.

Risinājums: klients ieviesa ilgtermiņa saglabāšanas stratēģiju, Dataverse izmantojot arhivēšanas iespējas. Neaktīvie ieraksti tika pārvietoti uz tikai lasāmu, izmaksu optimizētu krātuves līmeni, savukārt aktīvie dati palika augstas veiktspējas krātuvē.

Rezultāts:

  • Arhivēti vairāk nekā 1,2 miljoni ierakstu.
  • Samazināts primārās datu bāzes lielums par 40%.
  • Saglabāta pilnīga auditējamība un atbilstība saglabāšanas politikām.

3. gadījuma izpēte: meklēšanas indeksu racionalizēšana dažādās vidēs

Klienta profils: mazumtirdzniecības organizācija ar vairākām Dataverse vidēm, ieskaitot izstrādes, testēšanas un ražošanas vidi, kas atbalsta Copilot iespējotu klientu attiecību pārvaldības risinājumu.

Izaicinājums: meklēšanas indeksi tika izmantoti visās vidēs, ieskaitot neizmantotās tabulas un testa datus. Tas noveda pie uzpūstām DataverseSearch tabulām un nevajadzīgas krātuves patēriņa.

Risinājums: Komanda pārskatīja meklējamos laukus un pārtrauca izmantot indeksēšanu nekritiskajās tabulās izstrādes un testēšanas vidēs. Viņi arī automatizēja indeksa tīrīšanu vides atsvaidzināšanas laikā.

Rezultāts:

  • Samazināta meklēšanas indeksa krātuve par 35%.
  • Uzlabots vides atsvaidzināšanas laiks par 20%.
  • Samazināts kopējais žurnālu un datu bāzes krātuves lietojums.

4. gadījuma izpēte: datu eksportēšana analītikai bez krātuves dublēšanas

Klienta profils: veselības aprūpes pakalpojumu sniedzējs, kas izmanto Dynamics 365 un Dataverse pacientu iesaistei un norēķiniem.

Izaicinājums: analītikas komandai bija nepieciešama piekļuve operatīvajiem datiem tendenču analīzei un AI modelēšanai, taču datu dublēšana atsevišķā noliktavā palielināja uzglabāšanas izmaksas un sarežģītību.

Risinājums: Klients izmantoja Azure Synapse Link ar pakāpenisku eksportu un pakāpju krātuvi pakalpojumā OneLake. Viņi saglabāja tikai būtiskus analītiskos datus un piemēroja saglabāšanas politikas, lai pārvaldītu vēsturisko dziļumu.

Rezultāts:

  • Iespējota reāllaika analīze, neietekmējot operācijas sistēmas.
  • Samazināta liekā krātuve par 45%.
  • Uzlabota analītisko datu dzīves cikla pārvaldība.

Nobeigums

Efektīva krātuves pārvaldība ir būtiska, lai saglabātu sistēmas veiktspēju un optimizētu resursu izmantošanu Dynamics 365 vidēs. Šajā rakstā aprakstītās tīrīšanas rutīnas un arhivēšanas darbi nodrošina stabilus risinājumus, lai atbrīvotu vērtīgu vietu datu bāzē un racionalizētu darbības. Izmantojot šos rīkus, piemēram, LTR un līdzīgas metodes, klienti var risināt kopīgas glabāšanas problēmas un izveidot ilgtspējīgu datu pārvaldības praksi. Turklāt reālās pasaules gadījumu izpēte parāda šo pieeju efektivitāti, sniedzot ieskatu to praktiskajā pielietojumā. Šo stratēģiju pieņemšana ļauj organizācijām proaktīvi pārvaldīt savas uzglabāšanas vajadzības un uzlabot vispārējo efektivitāti.

Atsauces

Uzglabāšanas tīrīšana Dataverse:

Krātuves tīrīšana finansēs un operācijās:

Uzglabāšanas ietilpība:

  • Pēdējoreiz atjaunināts: