Pengurusan storan dalam Dataverse dan apl kewangan dan operasi

Apabila organisasi mempercepatkan perjalanan transformasi digital mereka, keupayaan untuk mengurus data dengan berkesan menjadi keperluan perniagaan strategik. Dengan peningkatan aplikasi berkuasa AI dan aliran kerja dipacu Copilot, perusahaan menjana dan menggunakan data pada kadar yang tidak pernah berlaku sebelum ini. Data ini memacu inovasi, membolehkan pengalaman yang diperibadikan dan menyokong pembuatan keputusan kritikal—tetapi hanya jika ia ditadbir dan disimpan dengan bijak.

Untuk menyokong keperluan perniagaan yang berkembang ini, organisasi mesti menggunakan strategi pengurusan storan yang proaktif. Ini memastikan data yang tidak lagi diperlukan untuk operasi harian dikendalikan secara bertanggungjawab, membebaskan kapasiti untuk beban kerja bernilai tinggi, mengurangkan geseran operasi dan menyelaraskan dengan keperluan pematuhan dan audit.

Dari sudut teknikal, pengurusan storan yang berkesan dalam Dataverse dan Dynamics 365 meningkatkan prestasi sistem, meningkatkan kecekapan kos dan memastikan pematuhan kepada dasar pengekalan jangka panjang (LTR). Kedua-dua platform menawarkan alatan dan keupayaan automasi yang memperkasakan organisasi untuk mengurus storan.

Dengan melaksanakan strategi yang digariskan dalam artikel ini, perusahaan boleh mengurangkan overhed sokongan, menyelaraskan pematuhan dan membuka kunci nilai yang lebih besar daripada aplikasi perniagaan mereka—menukar storan daripada kekangan kepada kelebihan daya saing.

Faedah utama

Pengurusan storan yang berkesan dalam Dataverse dan Dynamics 365 menyediakan beberapa faedah utama yang menangani titik kesakitan pelanggan biasa dan meningkatkan kecekapan operasi keseluruhan.

  • Peningkatan pematuhan dengan LTR: Pengurusan storan yang berkesan memastikan data disimpan dengan mematuhi dasar LTR. Ini bukan sahaja membantu dalam memenuhi keperluan kawal selia, tetapi juga memastikan data kritikal dipelihara dan boleh diakses apabila diperlukan.

  • Prestasi yang dipertingkatkan: Dengan mengoptimumkan pengurusan storan, organisasi boleh meningkatkan prestasi sistem mereka dengan ketara. Peruntukan dan pengurusan storan yang cekap mengurangkan kependaman dan meningkatkan kelajuan pengambilan data, yang membawa kepada operasi yang lebih lancar dan pantas.

  • Memacu kecekapan kos: Pengurusan storan yang berkesan memperkasakan organisasi untuk menumpukan pada data bernilai tinggi dengan menyelaraskan dan mengemas landskap storan mereka. Dengan mengekalkan hanya apa yang diperlukan, perniagaan boleh mengoptimumkan jejak storan mereka, yang membawa kepada penggunaan sumber yang lebih pintar dan kebolehskalaan kos efektif.

Latar belakang

Apabila organisasi berkembang dan mendigitalkan lebih banyak operasi mereka, jumlah data perniagaan yang disimpan dalam sistem seperti Dataverse dan Dynamics 365 meningkat secara berterusan. Ini termasuk bukan sahaja data transaksi aktif tetapi juga rekod sejarah yang mesti disimpan untuk tujuan audit, kawal selia atau kesinambungan perniagaan. Dari masa ke masa, pengumpulan ini boleh membawa kepada kemerosotan prestasi, peningkatan overhed operasi dan peningkatan kos storan—terutamanya apabila data yang tidak lagi digunakan secara aktif kekal dalam peringkat storan berprestasi tinggi.

Strategi pengurusan storan yang jelas membantu organisasi menangani cabaran ini dengan mengenal pasti data yang boleh diarkibkan, dibersihkan atau dipindahkan ke storan yang dioptimumkan baca kos rendah. Ini penting untuk senario pematuhan di mana data mesti kekal tidak boleh diubah, akses rendah dan baca sahaja, seperti rekod kewangan, log audit atau pemfailan kawal selia. Memastikan data sedemikian dikekalkan dengan cara yang mematuhi, tanpa menjejaskan prestasi sistem langsung, adalah keperluan utama bagi banyak perusahaan.

Dengan menggunakan alatan dan strategi yang tersedia dalam kedua-dua platform, organisasi boleh memperoleh keterlihatan yang lebih baik ke dalam jejak storan mereka, mengurangkan penggunaan yang tidak perlu dan memastikan data kritikal pematuhan dikendalikan dengan sewajarnya.

Artikel ini menggariskan pendekatan praktikal untuk pengurusan storan yang membantu pelanggan menyelaraskan amalan pengekalan data mereka dengan keperluan perniagaan dan kawal selia. Ini meningkatkan prestasi sistem, mengurangkan overhed operasi dan memastikan kewajipan pematuhan dipenuhi tanpa kompromi.

Sebab kami menyimpan data

Untuk memilih dan mengoptimumkan corak pengekalan data yang betul untuk data anda, adalah berharga untuk merenungkan sebab dan kegunaan kami menyimpan data.

Data operasi

Dengan aplikasi perniagaan, data operasi ialah apa yang digunakan untuk menjejaki jualan atau tindakan kewangan atau rantaian bekalan.

Data ini perlu diakses dalam masa nyata, menyokong pelanggan dan proses operasi dalaman yang merekodkan tindakan terperinci seperti interaksi dengan pelanggan, pesanan atau aktiviti inventori.

Dari masa ke masa, data operasi mungkin beralih daripada digunakan secara aktif kepada jarang digunakan. Data mungkin perlu diakses dalam masa hampir nyata, untuk membantu pelanggan dengan pesanan atau dalam kes sokongan. Sebagai contoh, pertimbangkan senario berikut:

  • Pelanggan membuat pesanan, manakala pelanggan lain, yang tidak berinteraksi dengan perniagaan untuk beberapa waktu, membuat pesanan.
  • Setiap pesanan yang telah dibuat dan sedang dihantar, sentiasa diakses secara berterusan. Terdapat juga pesanan yang berada di bawah tempoh jaminan tiga tahun yang mungkin perlu dirujuk untuk sokongan dan mungkin memerlukan bayaran balik.

Ini boleh membawa kepada fasa keperluan akses data operasi seperti:

  • Kurang daripada satu tahun data yang diakses secara aktif.
  • Kurang daripada tiga tahun data yang jarang diakses.
  • Lebih daripada tiga tahun di mana data tidak lagi diakses secara operasi.

Sifat masa nyata storan operasi menjadikannya agak mahal berbanding storan lain, jadi mengenali apabila data perlu diakses secara operasi dan apabila ia tidak adalah penting untuk menentukan strategi pengekalan.

Penyepaduan operasi

Sebagai kategori khusus penggunaan operasi, data mungkin diperlukan untuk direplikasi antara berbilang sistem operasi, termasuk corak seperti:

  • Perbankan: Pengurusan perhubungan pelanggan untuk interaksi pelanggan barisan hadapan dan replikasi kepada pelbagai sistem perbankan. Sebagai contoh, anda mempunyai akaun semasa, kad kredit, gadai janji dan sistem semakan kredit.
  • Pembuatan: Pengurusan perhubungan pelanggan untuk pengambilan pesanan barisan hadapan dan sistem pengurusan sumber perusahaan untuk pengurusan rantaian bekalan.
  • Pengendalian kecemasan polis: Pengurusan perhubungan pelanggan untuk interaksi rakyat dan sistem penghantaran untuk jabatan polis menawarkan pengurusan penggunaan.

Dalam kes ini, walaupun setiap sistem mungkin mempunyai data unik yang dijejakinya, selalunya terdapat data induk biasa yang perlu dikongsi antara sistem dan sentiasa disegerakkan, yang membawa kepada keperluan penyepaduan.

Data audit

Perniagaan biasanya mempunyai tanggungjawab kawal selia untuk menyimpan data untuk tempoh yang panjang—contohnya selama tujuh tahun secara purata—untuk tujuan audit, sama ada dalaman atau luaran, seperti menyokong pengauditan kewangan, pendedahan kawal selia atau semakan penipuan.

Data ini biasanya merangkumi kedua-dua data yang diperlukan untuk tujuan operasi dan data yang tidak lagi diperlukan, kerana ia membolehkan semakan merentas set data dari satu tempat.

Data analitis

Organisasi mempunyai keperluan untuk menyemak dan menganalisis keadaan perniagaan mereka. Mereka mesti mengukur dan membandingkan statistik dari semasa ke semasa, dan merangkumi berbilang atau semua bahagian perniagaan.

Tempoh dan keluasan data yang besar di mana analisis ini boleh berlaku membawa kepada keperluan untuk mereplikasi data operasi ke dalam alat analitik khusus. Ini mengelakkan analitik kompleks daripada menjejaskan prestasi sistem operasi, tetapi juga membolehkan analisis merentas set data yang melangkau tempoh data diperlukan secara operasi. Sebagai contoh, anda mungkin perlu membandingkan data selama tujuh tahun, dan bukannya lebih daripada satu hingga dua tahun. Walau bagaimanapun, keperluan analitik yang berbeza mungkin memerlukan tempoh pengekalan data penuh atau hanya merangkumi data yang disimpan dalam sistem operasi.

Data analitis biasanya membenarkan pengagregatan data merentas berbilang bahagian perniagaan dan menggabungkan data daripada berbilang sistem.

Aliran data

Data jenis ini biasanya mengalir dari semasa ke semasa daripada data operasi dan kemudian kepada data transaksi atau sejarah, seperti yang ditunjukkan dalam imej berikut.

Aliran data.

Pelbagai jenis storan

Dataverse Jenis storan

Dataverse menyusun storan kepada tiga kategori utama, masing-masing dengan corak penggunaan dan implikasi pengebilan yang berbeza.

Jenis storan Description Kes kegunaan umum
Storan pangkalan data Menyimpan data berstruktur dalam jadual—standard dan tersuai. Rekod perniagaan, metadata, perhubungan dan konfigurasi
Storan fail Menyimpan lampiran dan data binari. Lampiran e-mel, imej, dokumen yang dimuat naik melalui Power Apps
Storan log Menyimpan log audit dan log jejak pemalam. Penjejakan perubahan, pengauditan, diagnostik dan pematuhan

Jenis storan platform kewangan dan operasi

Storan kewangan dan operasi diuruskan secara berasingan, tetapi semakin disepadukan ke dalam Power Platform ekosistem. Ia termasuk jenis storan berikut.

Jenis storan Description Kes kegunaan umum
Penyimpanan pangkalan data operasi Data transaksi teras untuk kewangan, rantaian bekalan, sumber manusia dan banyak lagi Penyertaan lejar, inventori, pesanan pelanggan
Penyimpanan pengurusan dokumen Objek besar binari (Blob) yang disimpan dalam Azure Blob Storage Invois, resit, dokumen yang diimbas
Log telemetri dan diagnostik Log sistem dan data telemetri Pemantauan prestasi, diagnostik isu.

Senario storan yang dikongsi dan bersepadu

  • Storan dwi-tulis

    • Membolehkan penyegerakan masa nyata antara Dataverse apl kewangan dan operasi.
    • Memerlukan pengurusan peranan dan kapasiti yang teliti untuk mengelakkan pertindihan atau penggunaan berlebihan.

  • Pengekalan jangka panjang (LTR)

    • Mengalihkan data sejarah ke Tasik Data Terurus (MDL).
    • Mengurangkan penggunaan storan utama sambil mengekalkan akses pematuhan dan analitik.
    • Bersepadu dengan:
      • Carian Pantas (Dataversecarian asli)
      • OneLake (Analisis berasaskan fabrik)
      • Synapse Link (analisis tasik tersuai)

Cara data anda berkembang dari semasa ke semasa

Apabila organisasi meningkatkan penggunaan Dataverse mereka dan platform kewangan dan operasi Dynamics 365, pertumbuhan data menjadi tanda kejayaan dan cabaran strategik. Apa yang bermula sebagai set data transaksi yang ramping boleh berkembang dengan cepat menjadi estet data berbilang lapisan yang kompleks. Bahagian ini meneroka lima pemacu utama pertumbuhan data dan implikasinya untuk penyimpanan, prestasi dan tadbir urus.

Menggunakan pergudangan data pada data operasi

Untuk membuka kunci cerapan daripada sistem operasi, banyak organisasi menggunakan Azure Synapse Link, OneLake atau eksport data untuk mereplikasi data daripada Dataverse dan apl kewangan dan operasi ke dalam sistem analisis. Walaupun ini menyokong pelaporan lanjutan dan beban kerja AI, ia juga memperkenalkan:

  • Storan berlebihan merentas lapisan operasi dan analisis

    Data sering diduplikasi antara persekitaran operasi dan analisis. Redundansi ini meningkatkan penggunaan storan keseluruhan dan boleh membawa kepada kos yang lebih tinggi, terutamanya jika data sejarah dikekalkan selama-lamanya dalam kedua-dua sistem.

  • Overhed pertindihan skema dan versi

    Untuk mengekalkan konsistensi antara sistem, organisasi mesti meniru perubahan skema—contohnya, medan baharu dan lajur yang dinamakan semula—merentas kedua-dua lapisan operasi dan analisis. Ini menambah kerumitan kepada tadbir urus data dan meningkatkan risiko hanyut skema, yang boleh memecahkan laporan atau model hiliran.

  • Peningkatan pengekalan data sejarah untuk analisis arah aliran

    Sistem analisis biasanya mengekalkan data untuk tempoh yang lebih lama untuk menyokong analisis arah aliran, ramalan dan pelaporan kawal selia. Walaupun berharga, pengekalan jangka panjang ini boleh membawa kepada set data yang kembung jika tidak diuruskan dengan strategi arkib dan peringkat yang betul.

Pergudangan data adalah penting untuk analitik, tetapi tanpa dasar kitaran hayat, ia boleh menggandakan atau tiga kali ganda jejak storan anda.

Menggunakan carian pada data

Ciri seperti Dataverse carian, pengindeksan Copilot dan carian perkaitan memerlukan pengindeksan sejumlah besar data berstruktur dan tidak berstruktur. Indeks ini selalunya:

  • Gunakan storan log dan pangkalan data

    Indeks carian disimpan dalam kedua-dua storan log dan pangkalan data. Apabila lebih banyak jadual dan medan ditandakan sebagai boleh dicari, saiz indeks berkembang secara berkadar. Ini boleh memberi kesan ketara kepada penggunaan storan keseluruhan, terutamanya dalam persekitaran dengan jumlah rekod yang besar atau perubahan skema yang kerap.

  • Berterusan walaupun untuk jadual yang tidak digunakan atau ditamatkan

    Walaupun jadual tertentu ditamatkan atau tidak lagi digunakan secara aktif, indeks carian yang berkaitan mungkin berterusan melainkan dialih keluar secara eksplisit. Ini membawa kepada penggunaan storan yang tidak perlu dan boleh merumitkan perancangan kapasiti.

  • Selalunya diduplikasi merentas persekitaran, seperti persekitaran pembangunan, ujian dan pengeluaran

    Indeks carian biasanya direplikasi merentas persekitaran pembangunan, ujian dan pengeluaran. Walaupun ini memastikan tingkah laku carian yang konsisten, ia juga melipatgandakan jejak storan, terutamanya apabila persekitaran diklon atau dimuat semula dengan kerap.

Carian meningkatkan kebolehgunaan dan kesediaan AI, tetapi kembung indeks ialah penyumbang senyap kepada lebihan storan.

Mendayakan pembalakan pada data

Log audit, log jejak pemalam dan telemetri adalah penting untuk pematuhan, penyahpepijatan dan pemantauan. Walau bagaimanapun, perhatikan perkara berikut:

  • Storan log berkembang secara linear dengan penggunaan dan kiraan pengguna.

    Data log berkembang secara berkadar dengan:

    • Bilangan pengguna dan tahap aktiviti mereka
    • Jumlah urus niaga dan penyepaduan
    • Kerumitan logik perniagaan seperti pemalam dan aliran kerja

    Dalam persekitaran penggunaan tinggi, ini boleh membawa kepada pengembangan pesat jadual log, menggunakan kedua-dua pangkalan data dan kuota storan log.

  • Lalai pengekalan selalunya terlalu murah hati seperti 90 hari atau lebih.

    Secara lalai, banyak ciri pembalakan mengekalkan data untuk tempoh yang panjang, seperti 90 hari atau lebih. Walaupun ini menyokong kebolehkesanan jangka panjang, ia boleh mengakibatkan penggunaan storan yang tidak perlu, terutamanya apabila log tidak disemak atau dieksport secara aktif.

  • Log yang dijana sistem dibilkan kepada pelanggan Dataverse.

    Dalam Dataverse, log yang dijana sistem, termasuk log audit dan log jejak pemalam, dikira terhadap kelayakan storan pelanggan. Ini bermakna tanpa strategi pembersihan atau eksport yang betul, pembalakan secara langsung boleh menyumbang kepada lebihan penyimpanan dan peningkatan kos pelesenan.

Pembalakan tidak boleh dirunding untuk industri yang dikawal selia, tetapi mesti dipasangkan dengan strategi pengekalan dan eksport, seperti Azure Monitor atau Analitis Log.

Mempunyai berbilang salinan persekitaran pengeluaran

Untuk menyokong pembangunan, ujian, latihan dan penyelesaian masalah, pelanggan sering mencipta kotak pasir atau persekitaran klon. Setiap salinan:

  • Mereplikasi data penuh dan jejak indeks.
  • Mungkin termasuk kebergantungan yang tidak jelas seperti indeks carian, log audit dan metadata.
  • Jarang dibersihkan selepas digunakan.

Penyebaran persekitaran ialah pemacu utama kos dan kerumitan penyimpanan. Dasar tadbir urus dan automasi adalah kunci kepada pembendungan.

Pengoptimuman pertanyaan pada data

Apabila volum data berkembang dan tindak balas aplikasi menjadi kritikal, pelanggan dan ISV sering melaksanakan pelbagai teknik pengoptimuman pertanyaan untuk meningkatkan prestasi dalam Dataverse dan Dynamics 365. Strategi ini amat biasa dalam pelaporan, analitik dan senario berat penyepaduan.

Untuk meningkatkan prestasi, pelanggan dan ISV sering mencipta:

  • Indeks tersuai dan paparan terwujud

    Ini digunakan untuk mempercepatkan pelaksanaan pertanyaan dengan prapengiraan cantuman atau pengagregatan. Ia membantu dalam senario yang melibatkan penapis kompleks atau set data yang besar.

  • Jadual yang dinyahnormalisasi untuk pelaporan

    Untuk memudahkan pelaporan dan mengurangkan kerumitan pertanyaan, pembangun sering mencipta versi data hubungan yang rata. Jadual ini mengurangkan keperluan untuk penyertaan masa jalan dan meningkatkan prestasi papan pemuka.

  • Lapisan atau agregat cache

    Data yang kerap diakses kadangkala dipraagregatkan atau dicache dalam jadual perantaraan atau stor luaran untuk mengurangkan beban pada pangkalan data utama.

Walaupun ini meningkatkan responsif, mereka juga:

  • Tingkatkan penggunaan storan

    Setiap lapisan pengoptimuman memperkenalkan lebih banyak struktur data, sama ada salinan data sedia ada dalam format dinyahnormalisasi, paparan pradikira atau jadual cache. Struktur ini selalunya menduplikasi data yang telah disimpan di tempat lain, yang membawa kepada jejak storan keseluruhan yang lebih besar. Dalam persekitaran dengan kuota storan yang ketat atau model pelesenan berasaskan kos, seperti Dataverse, ini boleh meningkat dengan cepat menjadi lebihan yang boleh dielakkan.

  • Boleh menjadi yatim piatu apabila apl berkembang

    Apabila aplikasi berkembang, sesetengah artifak pengoptimuman mungkin tidak lagi dirujuk oleh laporan, papan pemuka atau penyepaduan aktif. Objek yatim piatu ini terus menggunakan storan malah mungkin melambatkan operasi sistem, contohnya, semasa sandaran atau pengindeksan, jika tidak dikenal pasti dan dialih keluar. Tanpa audit biasa, mereka boleh terkumpul tanpa disedari, menjejaskan keuntungan prestasi yang mereka cipta untuk menyokong.

Pengoptimuman pertanyaan adalah penting untuk skala tetapi mesti seimbang dengan kebersihan storan dan penalaan dipacu telemetri.

Indeks dan kesannya terhadap storan

Indeks adalah penting untuk meningkatkan prestasi pertanyaan dan menggunakan pengambilan data pantas dalam set data yang besar. Dalam kedua-dua Dataverse dan aplikasi kewangan dan operasi Dynamics 365, indeks dicipta secara automatik untuk kunci utama dan medan yang kerap ditanya, dan indeks tersuai lain boleh ditakrifkan untuk menyokong senario perniagaan tertentu.

Walaupun indeks adalah penting untuk prestasi, ia juga mempunyai kesan langsung ke atas penggunaan storan, selalunya dipandang rendah semasa reka bentuk penyelesaian.

Cara indeks menggunakan storan

  • Penduaan fizikal data: Setiap indeks menyimpan salinan lajur yang diindeks, bersama-sama dengan penunjuk ke baris yang sepadan. Lebih banyak lajur dan baris diindeks, semakin besar saiz indeks.

  • Pertumbuhan dengan volum data: Apabila jadual asas berkembang, begitu juga indeks. Dalam persekitaran transaksi tinggi, indeks boleh berkembang pesat, terutamanya pada jadual besar yang dinyahnormalisasi atau yang mempunyai sisipan dan kemas kini yang kerap.

  • Berbilang indeks bagi setiap jadual: Adalah perkara biasa bagi satu jadual untuk mempunyai berbilang indeks, contohnya untuk carian, penapisan, pengisihan dan cantuman. Setiap indeks lain menambah jejak storan kumulatif.

  • Indeks carian dalam Dataverse: Ciri seperti Dataverse carian dan pengindeksan Copilot mencipta indeks khusus yang merangkumi berbilang medan dan jadual. Ini disimpan dalam jadual DataverseSearch dan boleh menggunakan ruang yang ketara, terutamanya apabila digunakan merentas berbilang persekitaran seperti persekitaran pembangunan, ujian dan pengeluaran.

  • Indeks yang dijana sistem: Sesetengah indeks dicipta secara automatik oleh platform seperti untuk medan carian atau perhubungan. Ini mungkin berterusan walaupun jadual yang berkaitan ditamatkan, melainkan dialih keluar secara eksplisit.

Implikasi penyimpanan

  • Peningkatan pangkalan data dan storan log: Indeks menyumbang kepada penggunaan pangkalan data dan storan log, yang boleh menjejaskan kos pelesenan dalam Dataverse.
  • Pertindihan persekitaran: Apabila persekitaran disalin atau dimuat semula, semua indeks diduplikasi, menguatkan penggunaan storan merentas persekitaran pembangunan, ujian dan pengeluaran.
  • Overhed penyelenggaraan: Indeks mesti dikemas kini apabila data berubah, yang boleh meningkatkan kependaman tulis dan penggunaan sumber.

Kesan penyegerakan bahagian pelayan pada storan

Penyegerakan bahagian pelayan membolehkan Dataverse penyepaduan e-mel, janji temu dan tugas yang lancar antara Microsoft Exchange dan Dataverse. Walaupun ia meningkatkan produktiviti dan automasi, ia juga menyumbang kepada penggunaan storan dengan cara berikut.

  • Penciptaan rekod aktiviti: Setiap e-mel atau janji temu yang disegerakkan menjana rekod Dataverse aktiviti, yang termasuk metadata, kandungan badan dan lampiran yang berpotensi.
  • Storan lampiran: Jika lampiran tidak ditapis atau diturunkan, lampiran disimpan terus dalam Dataverse, meningkatkan penggunaan storan.
  • Pematuhan dan pengekalan: Organisasi yang menggunakan penyegerakan bahagian pelayan untuk penjejakan pematuhan mungkin mengekalkan lebih banyak data daripada yang diperlukan, seterusnya meningkatkan storan.
  • Kandungan yang dilindungi: Walaupun e-mel yang dilindungi Purview, walaupun terhad dalam keterlihatan kandungan, masih menjana rekod pemegang letak yang menggunakan ruang.

Untuk menguruskan kesan ini, perusahaan harus melaksanakan dasar pengekalan, mempertimbangkan untuk memunggah lampiran dan memantau volum rekod aktiviti dengan kerap.

Bagaimanakah saya boleh menguruskan storan yang semakin berkembang?

Sama ada anda sudah menghadapi lebihan storan atau menyasarkan untuk terus mendahuluinya, mengurus pertumbuhan data dalam Dataverse platform kewangan dan operasi Dynamics 365 memerlukan pendekatan yang disengajakan dan dipacu dasar. Bahagian ini menggariskan dua titik masuk strategik: pemulihan reaktif dan tadbir urus proaktif.

Terdapat dua senario yang mungkin:

  1. Anda mahu menggunakan amalan terbaik secara proaktif untuk mengurus storan dan mengelakkan kos yang tinggi pada masa hadapan.
  2. Anda sudah berada dalam situasi di mana mengurangkan saiz dan kos storan diperlukan.

Gunakan amalan terbaik untuk mengurus saiz dan kos storan

Senario 1: Anda mahu menggunakan amalan terbaik secara proaktif untuk mengurus storan

Jika anda belum lagi dalam mod krisis, sekarang adalah masa untuk menggunakan alatan dan teknik untuk mengurus storan secara proaktif.

Konfigurasikan analitis untuk data anda

Apabila organisasi berkembang, begitu juga keperluan untuk mengekstrak cerapan daripada data operasi, tanpa menjejaskan prestasi aplikasi perniagaan teras. Microsoft menawarkan pelbagai cara untuk membenarkan analitik dan Dataverse data kewangan dan operasi Dynamics 365 dengan menyepadukan dengan tasik data atau gudang anda sendiri.

Berikut ialah dua pilihan yang berkuasa untuk dipertimbangkan:

Pilihan 1. Gunakan Azure Synapse Pautan – bawa tasik anda sendiri

Azure Synapse Pautan membolehkan anda menyambung Dataverse terus ke ruang kerja Azure Data Lake atau Synapse anda sendiri. Ini membolehkan replikasi data operasi hampir masa nyata ke dalam persekitaran analisis, tanpa menulis saluran paip ETL yang kompleks.

Manfaat:

  • Jalankan analitik lanjutan dan model AI pada data langsung atau hampir langsung.
  • Elakkan kesan prestasi pada sistem pengeluaran anda.
  • Gunakan alat biasa seperti T-SQL, Spark, atau Power BI untuk pelaporan.

Contoh kes penggunaan: Syarikat runcit menggunakan Synapse Link untuk menganalisis tingkah laku pembelian pelanggan merentas wilayah, menggabungkan Dataverse data pengurusan perhubungan pelanggan dengan data pasaran luaran dalam tasik mereka sendiri.

Pilihan 2. Gunakan OneLake - analitik bersatu dengan Microsoft Fabric

OneLake, sebahagian daripada, Microsoft Fabric menyediakan pengalaman tasik data bersatu di mana anda boleh menyimpan dan menganalisis data daripada berbilang sumber, termasuk Dataverse apl kewangan dan operasi, tanpa pertindihan.

Manfaat:

  • Storan berpusat untuk semua beban kerja analisis.
  • Penyepaduan asli dengan Power BI, Synapse dan perkhidmatan AI.
  • Tadbir urus dan keselamatan yang dipermudahkan merentas domain data.

Contoh kes penggunaan: Firma perkhidmatan kewangan menggunakan OneLake untuk menyatukan data operasi daripada apl kewangan dan operasi dan Dataverse dengan penunjuk ekonomi luaran, membenarkan masa nyata, pemodelan risiko dan papan pemuka eksekutif. Dengan melakukan ini, anda boleh menyahgandingkan data operasi daripada sistem teras anda dan membenarkan analitik yang boleh berskala dan kos efektif dengan mengeksport data tersebut ke persekitaran analitikal mereka sendiri, tanpa menduplikasi beban kerja atau memberi kesan kepada prestasi.

Alat dan teknik untuk mengurangkan storan

Dataverse Menawarkan beberapa alatan dan strategi terbina dalam untuk membantu pentadbir mengurus storan dengan cekap dan mengekalkan prestasi sistem.

Dataverse

Urus data dengan polisi tadbir urus

  • Mulakan dengan persekitaran dan jadual yang menggunakan storan paling banyak.
  • Gunakan polisi tadbir urus berulang untuk pertumbuhan data yang boleh diramal, bukannya hanya bergantung pada pembersihan sekali sahaja.
  • Uji kriteria pemadaman dan pengekalan dalam persekitaran sandbox sebelum menggunakannya dalam pengeluaran.
  • Semak keputusan dan kegagalan polisi secara berkala.
  • Tambah kapasiti storan apabila data yang diperlukan tidak dapat dipadam atau dipindahkan ke penyimpanan jangka panjang.

Pembersihan persekitaran dan data

  • Padamkan persekitaran yang tidak digunakan: Anda boleh memadamkan persekitaran untuk memulihkan ruang storan dan untuk mengalih keluar Maklumat Pengenalan Peribadi (PII).
  • Kerja pemadaman pukal: Anda boleh memadamkan data berikut secara pukal:
    • Data lapuk atau data yang tidak relevan dengan perniagaan.
    • Ujian yang tidak diperlukan atau data sampel.
    • Data yang tidak diimport dengan betul daripada sistem-sistem lain.

Pengoptimuman fail dan jadual

  • Kurangkan storan fail menggunakan carian awal: Artikel ini memberi anda 15 kaedah untuk mengurus storan anda dengan lebih baik. Gunakan satu atau lebih kaedah ini untuk mengawal jumlah penggunaan storan data anda. Anda boleh memadamkan kategori data apabila keperluan timbul atau menyediakan kerja pemadaman pukal untuk berulang pada selang masa yang ditetapkan. Sebagai contoh, anda boleh memadamkan nota, lampiran, sejarah import dan data lain.
  • Bersihkan rekod daripada jadual kerja sistem (AsyncOperationBase) dan log proses (WorkflowLogBase): Jika organisasi anda menggunakan aliran kerja atau aliran proses perniagaan secara besar-besaran, jadual ini (AsyncOperationBase, WorkflowLogBase) berkembang dari semasa ke semasa dan akhirnya menjadi cukup besar untuk memperkenalkan isu prestasi dan menggunakan storan yang berlebihan dalam pangkalan data organisasi anda. Untuk WorkflowLogBase, anda boleh mengkonfigurasi untuk memadamkan kerja aliran kerja latar belakang yang telah selesai secara automatik.

Pengekalan jangka panjang (LTR) dan arkib

Pengoptimuman indeks carian

  • Kurangkan Dataverse carian: Anda boleh mengurangkan saiz storan dengan melaksanakan semua langkah dalam Dataverse butiran storan berasaskan kapasiti.
  • Kurangkan saiz jadual DataverseSearch: Jadual DataverseSearch ialah storan kumulatif yang digunakan oleh indeks carian Dataverse . Ia termasuk data daripada semua medan yang boleh dicari, boleh diperoleh semula dan boleh ditapis bagi jadual yang anda indeks untuk persekitaran anda. Anda boleh mengurangkan saiz jadual dengan mengalih keluar lajur cari, lajur lihat dan syarat penapis untuk satu atau lebih jadual. Anda boleh mematikan carian Dataverse untuk mengalih keluar semua data yang diindeks.
Aplikasi kewangan dan operasi

Apl kewangan dan operasi menyediakan pilihan fleksibel untuk mengurus storan merentas persekitaran pengeluaran dan kotak pasir.

Pengurusan alam sekitar

  • Hadkan bilangan salinan pengeluaran penuh: Anda boleh mengurangkan penggunaan storan keseluruhan aplikasi kewangan dan operasi dengan mengalih keluar salinan pengeluaran penuh dalam persekitaran kotak pasir. Contohnya, jika anda mempunyai lima salinan persekitaran pengeluaran dalam kotak pasir, penggunaan storan anda ialah jumlah pengeluaran ditambah lima salinan persekitaran pengeluaran dalam kotak pasir.
  • Potong data dalam persekitaran kotak pasir: Dengan memangkas data dalam persekitaran kotak pasir, anda boleh mengurangkan jejak storan keseluruhan. Anda boleh mengikuti kaedah di bawah untuk membersihkan data dalam kotak pasir.
    • Proses pemulihan menyediakan pelaksanaan pembukaan dan pemangkasan
    • Tulis T-SQL
    • Tulis X++
  • Lakukan salinan tanpa transaksi antara persekitaran: Salinan persekitaran untuk apl kewangan dan operasi secara tradisinya melibatkan pertindihan pangkalan data penuh, termasuk konfigurasi, data induk dan transaksi, yang, walaupun berguna untuk penyahpepijatan, meningkatkan penggunaan storan dengan ketara merentas kedua-dua kewangan dan operasi dan Dataverse.

Pembersihan tersuai dan pengurusan log

  • Tulis rutin pembersihan tersuai mengikut keperluan: Anda boleh menulis rutin pembersihan tersuai mengikut keperluan perniagaan anda untuk membersihkan data yang tidak diingini.
  • Elakkan menyimpan log: Anda boleh memindahkan SysDatabaseLog ke pangkalan data yang kurang transaksi untuk mengurangkan jejak storan keseluruhan.

Pengekalan arkib dan jangka panjang

  • Arkib data: LTR: Apl kewangan dan operasi membolehkan organisasi mencapai faedah berikut melalui pengarkibban:
    • Lindungi data aplikasi sejarah dan tidak aktif untuk jangka panjang untuk memenuhi keperluan audit, undang-undang dan kawal selia.
    • Kurangkan saiz pangkalan data aplikasi dan kapasiti yang digunakan, untuk berpotensi meningkatkan prestasi aplikasi yang dikaitkan dengan jadual besar.
  • Sediakan dan uruskan data arkib
  • Penyesuaian arkib
  • Penyatuan transaksi inventori

Rutin pembersihan terbina dalam

  • Rutin pembersihan: Dalam Dynamics 365 Finance dan Dynamics 365 Supply Chain Management, rutin pembersihan tersedia dalam pelbagai modul. Rutin pembersihan memberikan gambaran keseluruhan rutin yang tersedia pada masa ini. Selepas menyalin pangkalan data kotak pasir, jalankan rutin pembersihan ini secara proaktif untuk mengalih keluar jadual yang tidak perlu, seperti sejarah kelompok, log dan sejarah transaksi runcit. Padamkan data lapuk atau tidak berkaitan.
  • Arkib data transaksi kad kredit: Menerangkan kerja arkib yang Dynamics 365 Commerce boleh membantu mengosongkan ruang dalam pangkalan data dengan mengarkibkan token pembayaran kad kredit.

Kurangkan saiz dan kos storan

Senario 2: Anda sudah berada dalam situasi di mana mengurangkan saiz dan kos storan diperlukan

Menilai perkara yang menggunakan storan

  • Gunakan pusat pentadbiran Power Platform dan laporan storan kewangan dan operasi untuk mengenal pasti jadual, jenis fail dan log yang paling banyak.
  • Gunakan telemetri, jika tersedia, untuk mengaitkan penggunaan kepada apl, pengguna atau unit perniagaan tertentu.

Utamakan calon pembersihan

  • Fokus kepada:
    • Jadual pementasan dan penyepaduan, seperti penimbal dwi-tulis
    • Log audit: Simpan dalam storan anda sendiri
    • Persekitaran atau kotak pasir yang tidak digunakan
    • Metadata yatim piatu dan indeks carian
    • Padamkan perkara yang anda tidak perlukan, contohnya padamkan pukal

Gunakan Synapse Link dan OneLake untuk pelaporan analitik

  • Eksport data analisis ke Synapse Link.
  • Gunakan OneLake untuk mengakses data dan data perniagaan yang disimpan untuk tujuan pelaporan dan analisis.

Memohon pengekalan jangka panjang (LTR)

  • Alihkan data sejarah ke Tasik Data Terurus (MDL) menggunakan dasar LTR.
  • Kekalkan akses carian dan analitik melalui Quick Search, Synapse Link atau OneLake.

Guna kes

Kes penggunaan untuk pengurusan storan dalam Dataverse dan persekitaran kewangan dan operasi adalah penting untuk mengoptimumkan ruang pangkalan data, meningkatkan prestasi sistem dan memenuhi keperluan kawal selia. Berikut ialah beberapa senario biasa yang menunjukkan cara strategi ini boleh digunakan:

  • Menguruskan pertumbuhan data sejarah

    • Senario: Perniagaan telah disiarkan secara langsung di Dynamics 365 selama beberapa tahun dan telah mengumpul sejumlah besar transaksi sejarah dan lampiran.
    • Tindakan: Laksanakan strategi pengekalan jangka panjang untuk mengekalkan data tidak aktif, mengurangkan saiz pangkalan data utama dan mengekalkan pematuhan dengan keperluan audit.

  • Pengekalan data dipacu pematuhan

    • Senario: Pelanggan industri yang dikawal selia mesti mengekalkan data kewangan atau pelanggan selama tujuh hingga sepuluh tahun dalam format kalis gangguan.
    • Tindakan: Gunakan LTR untuk mengekalkan data baca sahaja yang tidak boleh diubah dengan mematuhi keperluan undang-undang dan kawal selia, sambil memastikan data perniagaan ramping tanpa menjejaskan analisis dan pelaporan.

  • Pengoptimuman indeks carian dan Copilot

    • Senario: Dataverse Pengindeksan Carian dan Copilot didayakan merentas semua persekitaran, termasuk jadual yang tidak digunakan.
    • Tindakan: Audit medan boleh dicari dan lumpuhkan pengindeksan untuk jadual bernilai rendah atau ditamatkan. Pantau saiz jadual DataverseSearch dan optimumkan konfigurasi untuk mengurangkan storan log dan pangkalan data.

  • Pengurusan audit dan telemetri

    • Senario: Log jejak pemalam dan log audit berkembang pesat, menggunakan storan dan memberi kesan kepada prestasi.
    • Tindakan: Eksport log ke sistem luaran, seperti Azure Monitor, dan automasikan pembersihan entri lama untuk mengekalkan keterlihatan tanpa storan kembung.

  • Pergudangan data dan penyepaduan analitik

    • Senario: Organisasi mereplikasi data operasi kepada Azure Synapse atau OneLake untuk analitik, yang membawa kepada storan pendua.
    • Tindakan: Gunakan eksport tambahan, gunakan penapis dan elakkan replikasi set data penuh untuk meminimumkan redundansi sambil membenarkan cerapan yang kaya.

  • Mengurangkan lebihan storan

    • Senario: Pelanggan menerima pemberitahuan tentang melebihi kuota storan mereka Dataverse , yang membawa kepada kos yang tidak dijangka.
    • Tindakan: Gunakan laporan kapasiti untuk mengenal pasti jadual penggunaan tertinggi, membersihkan persekitaran usang dan mengalih keluar lampiran atau log yang tidak digunakan. Pertimbangkan untuk memindahkan data sejuk—biasanya rekod sejarah atau jarang diakses—ke peringkat storan kos rendah.

  • Mengoptimumkan prestasi dalam jadual besar

    • Senario: Proses kritikal perniagaan semakin perlahan disebabkan oleh jadual yang besar.
    • Tindakan: Arkibkan rekod lama, bersihkan kerja sistem, contohnya AsyncOperationBase dan WorkflowLogBase.

  • Pengurusan kitaran hayat alam sekitar

    • Senario: Persekitaran pembangunan dan ujian diklon daripada pengeluaran, menduplikasi semua data dan indeks.
    • Tindakan: Potong persekitaran kotak pasir selepas muat semula, lumpuhkan pengindeksan carian yang tidak perlu dan alih keluar data ujian untuk mengurangkan penggunaan storan berlebihan. Padamkan persekitaran kotak pasir yang tidak digunakan untuk menjimatkan storan.

Kajian kes

Kajian kes 1: Mengurangkan lebihan storan melalui pembersihan indeks

Profil pelanggan: Syarikat pembuatan global yang menggunakan Dynamics 365 untuk rantaian bekalan dan apl kewangan dan operasi.

Cabaran: Pelanggan mengalami lebihan storan yang tidak dijangka dan kemerosotan prestasi dalam persekitaran pengeluaran mereka. Penyiasatan mendedahkan bahawa berbilang indeks tersuai dan paparan material, yang dibuat semasa pelaksanaan awal, tidak lagi digunakan tetapi masih menggunakan storan yang ketara.

penyelesaian: Pasukan menjalankan audit suku tahunan bagi semua indeks tersuai dan mengalih keluar indeks yang tidak dirujuk oleh pertanyaan atau laporan aktif. Mereka juga melaksanakan dasar tadbir urus untuk menyemak permintaan indeks baharu sebelum digunakan.

Hasil:

  • Mengurangkan storan pangkalan data sebanyak 28%.
  • Prestasi pertanyaan yang dipertingkatkan sebanyak 15%.
  • Mengelakkan unjuran $12,000 setahun dalam kos storan lain.

Kajian kes 2: Mengarkibkan data sejarah untuk memenuhi matlamat pematuhan dan prestasi

Profil pelanggan: Firma perkhidmatan kewangan yang menggunakan Dataverse dan Dynamics 365 untuk fungsi onboarding pelanggan dan pengurusan kes.

Cabaran: Firma itu perlu mengekalkan rekod pelanggan selama lebih daripada tujuh tahun untuk memenuhi keperluan kawal selia, tetapi jumlah data tidak aktif yang semakin meningkat memperlahankan aliran kerja aktif dan meningkatkan kos storan.

penyelesaian: Pelanggan melaksanakan strategi pengekalan jangka panjang menggunakan Dataverse keupayaan arkib. Rekod tidak aktif dialihkan ke peringkat storan baca sahaja yang dioptimumkan kos, manakala data aktif kekal dalam storan berprestasi tinggi.

Keputusan:

  • Diarkibkan lebih daripada 1.2 juta rekod.
  • Mengurangkan saiz pangkalan data utama sebanyak 40%.
  • Mengekalkan kebolehauditan penuh dan pematuhan dengan dasar pengekalan.

Kajian kes 3: Memperkemas indeks carian merentas persekitaran

Profil pelanggan: Organisasi runcit dengan pelbagai Dataverse persekitaran, termasuk persekitaran pembangunan, ujian dan pengeluaran, menyokong penyelesaian pengurusan perhubungan pelanggan yang didayakan Copilot.

Cabaran: Indeks carian digunakan merentas semua persekitaran, termasuk jadual dan data ujian yang tidak digunakan. Ini membawa kepada jadual DataverseSearch yang membengkak dan penggunaan storan yang tidak perlu.

Penyelesaian: Pasukan menyemak medan boleh dicari dan berhenti menggunakan pengindeksan pada jadual bukan kritikal dalam persekitaran pembangunan dan ujian. Mereka juga membersihkan indeks automatik semasa penyegaran persekitaran.

Keputusan:

  • Mengurangkan storan indeks carian sebanyak 35%.
  • Masa penyegaran persekitaran yang dipertingkatkan sebanyak 20%.
  • Mengurangkan penggunaan storan log dan pangkalan data keseluruhan.

Kajian kes 4: Menggunakan eksport data untuk analitik tanpa menduplikasi storan

Profil pelanggan: Penyedia penjagaan kesihatan yang menggunakan Dynamics 365 dan Dataverse untuk penglibatan dan pengebilan pesakit.

Cabaran: Pasukan analitik memerlukan akses kepada data operasi untuk analisis arah aliran dan pemodelan AI, tetapi menduplikasi data ke dalam gudang yang berasingan meningkatkan kos dan kerumitan penyimpanan.

penyelesaian: Pelanggan menggunakan Azure Synapse Link dengan eksport tambahan dan storan berperingkat dalam OneLake. Mereka hanya mengekalkan data analisis penting dan menggunakan dasar pengekalan untuk mengurus kedalaman sejarah.

Keputusan:

  • Mendayakan analisis masa nyata tanpa memberi kesan kepada sistem operasi.
  • Mengurangkan storan berlebihan sebanyak 45%.
  • Tadbir urus yang lebih baik ke atas kitaran hayat data analisis.

Kesimpulan

Pengurusan storan yang berkesan adalah penting untuk mengekalkan prestasi sistem dan mengoptimumkan penggunaan sumber dalam persekitaran Dynamics 365. Rutin pembersihan dan kerja arkib yang digariskan dalam artikel ini menyediakan penyelesaian yang mantap untuk mengosongkan ruang pangkalan data yang berharga dan menyelaraskan operasi. Dengan menggunakan alatan ini seperti LTR dan teknik yang serupa, pelanggan boleh menangani cabaran storan biasa dan mencipta amalan pengurusan data yang mampan. Tambahan pula, kajian kes dunia sebenar menunjukkan keberkesanan pendekatan ini, menawarkan pandangan tentang aplikasi praktikalnya. Mengguna pakai strategi ini memperkasakan organisasi untuk mengurus keperluan storan mereka secara proaktif dan meningkatkan kecekapan keseluruhan.

Rujukan

Pembersihan storan dalam Dataverse:

Pembersihan storan dalam kewangan dan operasi:

Kapasiti penyimpanan:

  • Last updated on