Dela via

Dataintegreringsmönster för Microsoft Industry Cloud

Gäller för:

  • Microsoft Cloud for Sustainability
  • Microsoft Cloud for Financial Services
  • Microsoft Cloud for Healthcare
  • Microsoft Cloud for Retail

Branschdatamodeller utgör grunden för sina respektive Microsoft-branschmoln. Beroende på dataegendomens mognadsnivå kan det bli nödvändigt att lösningarna integreras i andra system.

Att välja rätt integreringsmönster är en viktig aspekt för att säkerställa en lyckad implementering mellan Microsoft-branschmolnslösningar och externa system. I den här artikeln beskrivs integreringsmönster, verktyg och tekniker som är relevanta för integrering och de faktorer som man bör tänka på när man fattar beslut.

Behovet av integrering

Tredjepartssystem kan ha separata processer och till och med olika affärslogik. Om systemet från tredje part använder samma underliggande CMD-modell (Industry Cloud Common Data Model), behovet att överföra data, synkronisering och programmering för att omvandla data elimineras.

Vi använder dataintegreringsmönster i följande scenarier:

  • Primära data eller transaktionsdata som inte utgör den centrala delen av en enda, kontinuerlig hanteringsprocess. Data synkroniseras mellan en process i ett system till Microsoft Industry Cloud.
  • Data delas eller utbyts mellan system när så behövs för beräkningar.
  • Data delas eller utbytes mellan system, vilket innebär att åtgärder i ett system återspeglas i det andra.
  • Sammanställda data från ett system med en detaljerad datanivå utbyts till ett system med en representation av data på högre nivå.

Så här väljer du rätt integrationsmönster

Det finns många tekniska alternativ för integrationsutveckling, alla med egna fördelar och nackdelar. Om du vill identifiera rätt tilläggsmönster för integrering kan du överväga faktorerna nedan och väga dem varför sig gentemot alternativen:

Beslutsfaktor Beskrivning
Datatyper och format Vilken typ av data och vilket format integreras?
Datavolatilitet Från låg volatilitet/långsam förändring till hög volatilitet/snabb förändring.
Datavolym Från lågvolym- till högvolymsdata.
Datatillgänglighet När vill du att data ska vara klara, från källa till mål? Behöver du informationen i realtid eller behöver du bara samla in all data i slutet av dagen och skicka den i en schemalagd batch till målet?
Serviceskydd och begränsning Säkerställer enhetlig tillgänglighet och prestanda för alla med hjälp av begränsningar. Dessa begränsningar bör inte påverka vanliga användare, bara klienter som utför ovanliga förfrågningar. Ett vanligt mönster för onlinetjänster bör användas för att tillhandahålla felkoder vid alltför många förfrågningar.
Dataomvandlingsnivå som krävs Krav på att konvertera eller slå samman källdata till mål.
Utlösare och utlösaråtgärder Vilken åtgärd utlöses när data skickas från källan till målet? Vilka specifika åtgärder ska automatiseras när data har kommit fram till målet?
Felhantering Implementerad övervakning för att identifiera problem med gränssnitten.
Skalbarhet Hantera förväntade transaktionsvolymer både i nuet samt på kort och lång sikt.
System för post Beaktande av vilket system som utgör det system där informationen finns, det vill säga det stystem som äger informationen.
Dataflödesriktning Måste målsystemet hämta flädet, eller måste källsystemet skicka det?

Baserat på dessa faktorer kan du identifiera integrationsmönstret och välja rätt verktyg eller teknik för implementering.

Integrationsmönster

I det här avsnittet utforskar vi följande integreringsmönster som kan användas i smaband med integrering av Dataverse.

  • Realtids-/synkron integrering
  • Integrering i nästan realtid/asynkron
  • Batchintegration
  • Presentation av lagerintegrering

I varje mönster presenteras en unik struktur som kan uppdateras med hjälp av ett eller flera mönster. De efterföljande avsnitten ger en överblick över hur dessa mönster har uppstått med hjälp av specifik teknik, samt beaktanden och i vilka scenarier de ska tillämpas.

Realtids-/synkron integrering

Integrering i realtid är oumbärligt i situationer där källsystemet kräver snabb eller minimal svarsrespons på den data det skickar. Detta krav blir nödvändigt när affärsärendet kräver att både käll- och målsystemen alltid är synkroniserade, vilket säkerställer att data mellan de två entiteterna inte drabbas av störningar. Synkron integrering blir oumbärlig när målsystemet kräver ett omedelbart svar på att sömlöst fortsätta med en pågående process, vilket gör att efterföljande åtgärder kan köras vid rätt tidpunkt.

Denna integreringsform är ofta en synonym med synkron integrering. I följande diagram illustreras det vanligt förekommande mönster för synkron integrering, där program A initierar en begäran till ett program B och snabbt får ett svar, vilket säkerställer ett snabbt utbyte av data vid rätt tidpunkt.

Ett diagram som visar integreringsmönstret i realtid

Några av ovannämnda teknikalternativ kan utökas till att innehålla ett mellansystem som fungerar som en vidarebefordran som stödjer transaktionsprocessen. Med detta alternativ för vidarebefordran separeras käll- och målprogrammen effektivt genom att hantera kommunikationen med avseende på förfrågningar och svar för dessas räkning.

Ett diagram som visar integreringsmönstret i realtid med en tjänst för vidarebefordran

Du kan implementera dessa synkrona dataintegreringsmönster med olika tekniker som är tillgängliga i våra molnlösningar för branschen. I följande tabell finns metodmönster för när de ska användas.

Teknikalternativ Datariktning Purpose Använd när
Dataverse Webb-API Hämta / skicka data från Extern till Dataverse OData v4-implementering för att tillhandahålla CRUD-åtgärder med hjälp av en standarduppsättning gränssnitt, vilket ger ett gränssnitt som är öppet för publik. Mest för transaktionell appintegrering när diskreta CRUD-operationer krävs. Det kan även användas för anpassad integrering, men med det följer komplexiteter relaterade till begränsning, parallellisering och återförsökslogik, särskilt vid stora datavolymer.
API:er publicerade av Microsoft Industry-moln Hämta / skicka data från Extern till Dataverse Anpassade API:er som skapats av Microsoft Industry-moln för att hantera särskilda åtgärder såsom åtkomst till utsläppsdata för din Azure-användning. Specifika åtgärder publiceras av Microsoft Industry-moln. Prioritera användningen av dessa anpassade API:er innan du skapar egna, anpassade API:er.
Anpassa Dataverse-API Hämta / skicka data från Extern till Dataverse Skapa ditt eget API i Dataverse. När en elle åtgärder måste konsolideras i en och samma åtgärd, eller måste visa en ny typ av utlösande händelse.
Virtuella tabeller Hämta / skicka data från Dataverse till Extern Anslut till externa datakällor och behandla dem som inbyggda Dataverse-entiteter. Dra referensdata och låg volym CRUD-scenarier.
Anslutningsprogram Dubbelriktad Möjliggör sömlös dataväxling mellan Microsoft Services och externa system, program och datakällor. Microsofts publicerade anslutningsprogram är avsedda för standardintegreringar såsom att ansluta olika tjänster från Microsoft till varandra och program från första part. Verifierade publicerade anslutningsprogram används för specialiserade integreringar med program från tredje part, vilket säkerställer kompatibilitet och tillförlitlighet. Anpassade anslutningsprogram kan användas när Microsoft eller partneranslutningsprogram inte löser kundens affärsbehov.

Integrering i nästan realtid/asynkron

Asynkron integrering rekommenderas i scenarier där det inte finns något omedelbart krav på realtidssvar i en affärsprocess eller åtgärd. Vanligen används denna när det finns en avsevärd volym meddelandekommunikation mellan program och system. Asynkrona integreringsmönster säkerställer att kommunikationen mellan systemen inte blockerar eller bromsar processer, vilket gör att varje system kan fungera oberoende och asynkront. Några av de vanligaste sätten att implementera asynkrona integreringar är med meddelandeköer, publicera/prenumerera samt med batchintegreringar. Du kan använda dessa integreringar separat eller tillsammans beroende på kraven. De kallas ofta sammantaget för en händelsebaserad arkitektur (EDA).

I följande mönster för meddelandekö antar avsändaren ett händelsedrivet ramverk, och kunden skapar en bindning direkt till en händelse. När meddelandet skickas meddelas mottagaren direkt och tar emot datan som finns i händelsemeddelandet.

Ett diagram som visar det asynkrona integreringsmönstret med hjälp av meddelandekö.

I följande publicera/prenumerera-mönster genererar utgivaren ett meddelande i ett standardiserat, publicerat format och överför detta till en dedikerad publicerings-/prenumerationskanal som kan ha en eller flera prenumeranter. Varje prenumerant prenumererar på en specifik kanal eller ett specifikt ämne så att denne kan ta emot och bearbeta det publicerade meddelandet (händelsen) efter behov. Mönstret för publicering och prenumeration väljs för en till många-kommunikationsscenarier, detta eftersom flera prenumeranter kan ta emot och bearbeta meddelandena (händelserna) separat.

Ett diagram som visar asynkron integrationsmönster med publicera prenumerant.

Dessa asynkrona dataintegreringsmönster kan implementeras med olika alternativ: I följande tabell finns tillgängliga alternativ och metodtips för när du ska använda dem.

Teknikalternativ Händelsebaserade eller publicera/prenumerera Syfte Att tänka på Använd när
Power Automate Båda Automatisering lite kodning krävs. Följ Power Automate och varje anslutningsbegränsning, såsom begränsning. Använd för Dataverse-utlösarflöden eller när du vill köra Power Automate-flöden enligt ett schema.
Anpassade anslutningar som bygger på Logic Apps Händelsebaserad Skapa dataanslutningsprogram för lösningen för att få data från ISV-lösningar. Måste gå igenom sekretess-, säkerhets- och regelefterlevnadsgranskning innan de flyttas till produktion. Användning av ISV-integrationsscenarier där det inte finns några inbyggda kopplingar.
Logic Apps och Azure Service Bus Publicera/prenumerera Om du tar emot meddelanden från utgivaren till en service bus- och logikappar används meddelandet för att skicka till prenumerantprogram. Beakta konfiguration och körning av Logic Apps. Använd för inbyggda utlösare i Logic Apps-anslutningsprogram och anpassad integrering med flera prenumerantscenarier.
Azure-funktioner, webbappar för Azure App Service och Azure Service Bus Publicera/prenumerera Använd en meddelandekö för att implementera kommunikationskanalen mellan appen och instanserna av konsumenttjänsten. Överväg meddelandeordningen och andra designöverväganden. Scenarier med höga volymer och scenarier för förfall där integrering inte kan utvecklas med lågkodsalternativ (Power Automate eller Logic Apps).
Tjänstslutpunkt Båda Skicka sammanhangsinformationen till en kö, ämne, webhook eller händelsehubb. Passar inte för transaktioner som körs länge. När integrationsbehovet främst uppfylls genom att skicka Dataverse kontexten till målet och ordningen på meddelanden inte är helt avgörande.

Batchintegration

Batchbearbetning används för att samla in och transportera en uppsättning meddelanden eller poster i ett batch för att begränsa chatter och omkostnader. Batchbearbetning samlar in data över en tidsperiod och bearbetar den sedan i batcher. Denna metod kan vara användbar i samband med hantering av stora volymer data eller när bearbetningen kräver stora resurser. Detta mönster gör det också möjligt att replikera huvuddatan till en repliklagring för analysändamål.

Teknikalternativ Datariktning Syfte Att tänka på Använd när
Azure Data Factory Båda riktningarna Skapa dataflöden för att omvandla de data som tagits emot från Dataverse eller före inmatning till Dataverse Begränsningar för tjänsten Data Factory Massinmatning eller dataexport scenario med komplex omvandling i flera steg.
Power Automate Inte tillgänglig Automatisera arbetsflöden och uppgifter för Microsoft Begränsad skalbarhet och lång bearbetning Använd Power Automate när du behöver automatisera repetitiva uppgifter, utlösa åtgärder baserade på händelser och integrera program utan omfattande kodutveckling.
Power Query-dataflöde Från externa system till Dataverse Dataförberedelseverktyg som gör det möjligt att mata in, omvandla och läsa in data i Dataverse-miljöer. Begränsningar Grundläggande scenarier där målet är Dataverse, befintliga anslutningar inte passar och andra givna scenarier för Power BI.
Azure Synapse pipelines Båda riktningarna Skapa pipelines för att omvandla den data som tas emot från Dataverse eller före inmatning i Dataverse Inte tillgänglig Scenarier för analys och datalagring.
Azure Synapse Link for Dataverse Från Dataverse till Azure Synapse Analytics eller Azure Data Lake Storage v2 (ADLS) Replikerar Dataverse-datan till Azure Synapse Analytics eller ADLS v2 och låter dig köra analyser, Business Intelligence, maskininlärning och anpassade rapporteringsscenarier på dina data. Tabeller som inte stöds. Dataanalys och anpassad rapportering. Även som ett mellanliggande steg för dataexport.
Azure Logic Program-program Inte tillgänglig Skapa arbetsflöden med kraftfulla integreringsfunktioner. Komplexa batchåtgärder kan komma att kräva omfattande konfiguration och orkestrering. Ej optimerad för specialiserade scenarier för batchbearbetning. Azure Logic Apps är lämpligt för att samordna affärsprocesser och integrera tjänster.
SQL Server Integration Services Båda riktningarna Hämta och skicka data från/till Dataverse med hjälp av ett tredjeparts anslutningsprogram. Eftersom det inte är en PaaS-lösning bör skalning, minnesanvändning, prestanda och kostnad utvärderas. Eventuella begränsningar när molnverktygen extraherar, omvandlar och läser in (ETL) kanske inte är ett alternativ.

Presentation av lagerintegrering

Presentation eller User Interface Integration ligger på den högsta systemnivån och är det användaren ser och interagerar med. I vissa användningsfall måste integrering ske på den här nivån genom att kombinera information från olika system eller datakällor och visa den i ett enda användargränssnitt. Modellbaserade program är den del av det här och bidrar till en fullständig användarupplevelse genom att aktivera datadrivna interaktioner och tillhandahålla sömlös navigering i den integrerade miljön. Presentationsintegrering behövs när det finns en önskan att behålla den befintliga affärslogiken eller programstrukturen samtidigt som det möjliggör enkel dataaggregering, anpassning av användargränssnitt eller förbättring av användarupplevelsen. Omvänt har det inneboende begränsningar, inklusive komplexitet i integrering och underhåll, betydande ömsesidigt beroende mellan integrerade system, potentiella prestandakonsekvenser och överväganden angående datakonsistens.

  • Aktivera datasammansättning
  • Anpassa användargränssnittet
  • Förbättrad användarupplevelse

Däremot finns det inbyggda begränsningar, till exempel:

  • Komplexiteten i integrering och underhåll
  • Ett stort ömsesidigt beroende mellan integrerade system
  • Potentiella prestandakonsekvenser
  • Beaktanden i fråga om dataenhetlighet
Teknikalternativ Syfte Att tänka på Använd när
Integrerade användargränssnittsgränssnitt från första part Användning av Microsoft Bing-kartor, Microsoft Teams och andra inbyggda användargränssnittsintegreringar från första part. Går inte att anpassa i de flesta fall. Specifika scenarier som stöds i inbyggd användargränssnittsintegrering.
Anpassade sidor Bädda in en arbetsyteapp i en modellbaserad app. Kända begränsningar Föredras för en integreringsmetod med låg kod och när en arbetsyteapp är lämplig för användbarhet.
Power Apps component framework (PCF) En anpassad återanvändbar kontroll som visar eller interagerar med slutanvändaren samtidigt som den responsiva designen bibehålls. Ramverk för begränsningar av Power Apps-komponenter. Önskad metod när ett anpassat användargränssnitt måste utvecklas i modellbaserat i avsaknad av en arbetsyteapp.
Power BI paneler Visa Power BI-panelen i ett modellbaserat appformulär. Power BI-licensiering, auktorisering av Power BI-data. Visa en Power BI-panel i en modellbaserad app
Power BI embedded instrumentpanel Visa Power BI-inbäddad instrumentpanel i den modellbaserade appen. Power BI-licensiering, auktorisering av Power BI-data. Visa analyserna som finns i Power BI.
Inbäddning som HTML-iFrame Bädda in det andra systemanvändargränssnittet i en modellbaserad app. Enkel inloggning (SSO), konfiguration av resursdelning med flera ursprung (CORS) och responsiv design. Komplexa användargränssnittsscenarier när det inte finns någon tillgänglig tjänst.
Anpassad webbresurs Skapa en anpassad användargränssnittslayout i en modellbaserad app. Utvärdera tillgängligheten och den responsiva utformningen av det anpassade användargränssnittet. Scenarier där andra användargränssnittsintegreringar inte är ett alternativ.

Sammanfattning av integrationsmönster

I en värld av programvaruintegrering finns det olika mönster och mekanismer tillgängliga för att utbyta data mellan olika system. Varje mönster har sina egna fördelar och nackdelar och att välja rätt mönster kan påverka de integrerade systemens prestanda och effektivitet.

Följande tabell sammanfattar dessa integreringsmönster: realtids- eller synkron integrering, asynkron integrering, batchintegrering och integrering av presentationslager. Du kan utforska de olika sätten, utlösare, fördelar och använda ärenden för varje mönster, så att du kan fatta ett väl underbyggda beslut när du väljer en integrationsmetod för ditt system.

Integrationsmönster Mekanism Utlösare Fördelar Nackdelar Använd när
Realtids- eller synkron Data utbytes synkront, anropa åtgärder via punkt till punkt-integrering eller med relä. Användaråtgärd eller systemhändelse. Snabb förfrågan och svarsrundtur. Värden och information i realtid. Vanligtvis är det inte någon bra metod att använda sig av eftersom det finns risk för att processer fastnar och skapar tätt kopplad integrering. Risk för bruseffekt från övergående fel. Känslig för latens. Använd när realtidsinformation är mycket viktig.
Asynkron Data utbyts eller matas in obevakat i ett regelbundet schema eller som droppande med hjälp av meddelandemönster. Schemalagd för en period eller utlöses av ett nytt meddelande som publicerats av källsystemet. Lös koppling av system gör lösningen robust. Belastningsutjämning över tid och resurser. Denna kan ligga mycket nära realtid. Felhantering i rätt tid. Fördröjda svar och synlighet för ändringar i olika system. Synkroniseringsbehov i närapå realtid för små eller medelsmå datavolymer.
Batchbearbetning Batchbearbetning används för att samla in och transportera en uppsättning meddelanden eller poster i ett batch för att begränsa chatter och omkostnader. Schemalagd eller manuell utlösare. Bra för användning med meddelandetjänster och andra asynkrona integrationsmönster. Färre enskilda paket och mindre meddelandetrafiken. Datans korrekthet är lägre. Belastningen i mottagarsystemet kan påverkas om affärslogiken körs vid meddelandets ankomst. Scenarier med hög volym eller volatilitet där det är möjligt att samla in och transportera en uppsättning meddelanden eller poster med batchbearbetning, datareplikeringsscenarier.
Presentationslager Information från ett system integreras sömlöst i användargränssnittet i ett annat system. Inte tillgänglig Eliminerar komplexiteten i datasynkroniseringen eftersom data blir kvar i ursprungssystemet. I vissa branscher elimineras blockerare relaterade till datasäkerhet på grund av regler och krav. Det är svårt att använda data för beräkningar av bearbetning, mer komplexitet för att tillfredsställa enkel inloggning, resursdelning med flera ursprung och autentiseringsjustering. När kravet uppfylls genom att visa källsystemet eller användargränssnittet direkt utan att behöva synkronisera data mellan käll- och målsystem.

Gå vidare

Microsoft Cloud for Sustainability

Microsoft Cloud for Financial Services

Microsoft Cloud for Healthcare