การจัดการพื้นที่เก็บข้อมูลใน Dataverse และแอปการเงินและการดำเนินงาน

เมื่อองค์กรต่างๆ เร่งดำเนินการเปลี่ยนแปลงทางดิจิทัล ความสามารถในการจัดการข้อมูลอย่างมีประสิทธิผลก็กลายมาเป็นสิ่งจำเป็นเชิงกลยุทธ์ทางธุรกิจ ด้วยการเพิ่มขึ้นของแอปพลิเคชันที่ขับเคลื่อนด้วย AI และเวิร์กโฟลว์ที่ขับเคลื่อนโดย Copilot ทำให้องค์กรต่างๆ สร้างและบริโภคข้อมูลในอัตราที่ไม่เคยมีมาก่อน ข้อมูลนี้ช่วยส่งเสริมนวัตกรรม ช่วยให้เกิดประสบการณ์เฉพาะบุคคล และสนับสนุนการตัดสินใจที่สำคัญ แต่ต้องได้รับการควบคุมและจัดเก็บอย่างชาญฉลาดเท่านั้น

เพื่อรองรับความต้องการทางธุรกิจที่เปลี่ยนแปลงเหล่านี้ องค์กรต่างๆ จะต้องนำกลยุทธ์การจัดการพื้นที่จัดเก็บข้อมูลเชิงรุกมาใช้ สิ่งนี้ช่วยให้แน่ใจว่าข้อมูลที่ไม่จำเป็นสำหรับการดำเนินการในแต่ละวันจะได้รับการจัดการอย่างมีความรับผิดชอบ ช่วยเพิ่มความจุสำหรับภาระงานที่มีมูลค่าสูง ลดความยุ่งยากในการดำเนินการ และสอดคล้องกับข้อกำหนดด้านการปฏิบัติตามและการตรวจสอบ

จากมุมมองทางเทคนิค การจัดการพื้นที่เก็บข้อมูลที่มีประสิทธิภาพใน Dataverse และ Dynamics 365 จะช่วยเพิ่มประสิทธิภาพของระบบ ปรับปรุงประสิทธิภาพด้านต้นทุน และรับรองการปฏิบัติตามนโยบายการเก็บรักษาในระยะยาว (LTR) ทั้งสองแพลตฟอร์มนำเสนอเครื่องมือและความสามารถในการทำงานอัตโนมัติที่ช่วยให้องค์กรสามารถจัดการพื้นที่จัดเก็บข้อมูลได้

การนำกลยุทธ์ที่ระบุไว้ในบทความนี้ไปใช้จะทำให้บริษัทต่างๆ ลดค่าใช้จ่ายในการสนับสนุน ปรับปรุงการปฏิบัติตามข้อกำหนด และปลดล็อกมูลค่าที่มากขึ้นจากแอปพลิเคชันทางธุรกิจ เปลี่ยนการจัดเก็บข้อมูลจากข้อจำกัดให้กลายเป็นข้อได้เปรียบทางการแข่งขัน

ประโยชน์ที่สำคัญ

การจัดการพื้นที่เก็บข้อมูลที่มีประสิทธิภาพใน Dataverse และ Dynamics 365 มอบประโยชน์หลักหลายประการที่ช่วยแก้ไขจุดปัญหาทั่วไปของลูกค้าและเพิ่มประสิทธิภาพการทำงานโดยรวม

  • เพิ่มการปฏิบัติตาม LTR: การจัดการพื้นที่เก็บข้อมูลที่มีประสิทธิภาพช่วยให้แน่ใจว่าข้อมูลจะถูกจัดเก็บตามนโยบาย LTR สิ่งนี้ไม่เพียงแต่ช่วยในการปฏิบัติตามข้อกำหนดด้านกฎระเบียบเท่านั้น แต่ยังช่วยให้มั่นใจได้ว่าข้อมูลสำคัญจะได้รับการเก็บรักษาและสามารถเข้าถึงได้เมื่อจำเป็นอีกด้วย

  • ประสิทธิภาพการทำงานที่ดีขึ้น: องค์กรสามารถปรับปรุงประสิทธิภาพของระบบได้อย่างมีนัยสำคัญ โดยการปรับปรุงการจัดการพื้นที่เก็บข้อมูล การจัดสรรและจัดการพื้นที่เก็บข้อมูลที่มีประสิทธิภาพช่วยลดเวลาแฝงและปรับปรุงความเร็วในการดึงข้อมูล ส่งผลให้การทำงานราบรื่นและรวดเร็วยิ่งขึ้น

  • การขับเคลื่อนประสิทธิภาพด้านต้นทุน: การจัดการพื้นที่เก็บข้อมูลที่มีประสิทธิผลช่วยให้องค์กรสามารถมุ่งเน้นไปที่ข้อมูลที่มีมูลค่าสูงได้โดยการปรับปรุงและจัดระเบียบภูมิทัศน์พื้นที่เก็บข้อมูลของตน ธุรกิจต่างๆ สามารถปรับพื้นที่จัดเก็บข้อมูลให้เหมาะสมที่สุด ส่งผลให้ใช้ทรัพยากรได้อย่างชาญฉลาดมากขึ้น และปรับขนาดได้อย่างคุ้มต้นทุน โดยเก็บรักษาเฉพาะสิ่งที่จำเป็นเท่านั้น

พื้นหลัง

เมื่อองค์กรต่างๆ เติบโตและนำการดำเนินการต่างๆ ไปสู่ดิจิทัลมากขึ้น ปริมาณข้อมูลทางธุรกิจที่เก็บไว้ในระบบ เช่น Dataverse และ Dynamics 365 ก็เพิ่มขึ้นอย่างต่อเนื่อง ซึ่งรวมถึงไม่เพียงแต่ข้อมูลธุรกรรมที่ใช้งานอยู่เท่านั้น แต่ยังรวมถึงบันทึกประวัติที่ต้องเก็บรักษาไว้เพื่อวัตถุประสงค์การตรวจสอบ กฎระเบียบ หรือการต่อเนื่องทางธุรกิจอีกด้วย เมื่อเวลาผ่านไป การสะสมดังกล่าวอาจส่งผลให้ประสิทธิภาพลดลง ค่าใช้จ่ายในการดำเนินงานเพิ่มขึ้น และต้นทุนการจัดเก็บข้อมูลเพิ่มสูงขึ้น โดยเฉพาะเมื่อข้อมูลที่ไม่ได้ใช้งานอีกต่อไปยังคงอยู่ในระดับการจัดเก็บข้อมูลประสิทธิภาพสูง

กลยุทธ์การจัดการพื้นที่จัดเก็บข้อมูลที่กำหนดไว้อย่างชัดเจนช่วยให้องค์กรสามารถจัดการกับความท้าทายเหล่านี้ได้โดยการระบุข้อมูลที่สามารถเก็บถาวร ล้างข้อมูล หรือย้ายไปยังพื้นที่จัดเก็บข้อมูลที่ปรับให้เหมาะสมสำหรับการอ่านและมีต้นทุนต่ำกว่า สิ่งนี้มีความสำคัญสำหรับสถานการณ์การปฏิบัติตามข้อกำหนดที่ข้อมูลจะต้องคงอยู่คงที่ เข้าถึงได้น้อย และอ่านได้อย่างเดียว เช่น บันทึกทางการเงิน บันทึกการตรวจสอบ หรือการยื่นเอกสารต่อหน่วยงานกำกับดูแล การทำให้แน่ใจว่าข้อมูลดังกล่าวได้รับการเก็บรักษาไว้ในลักษณะที่สอดคล้อง โดยไม่กระทบต่อประสิทธิภาพของระบบสด ถือเป็นข้อกำหนดที่สำคัญสำหรับองค์กรจำนวนมาก

การใช้เครื่องมือและกลยุทธ์ที่มีอยู่ในทั้งสองแพลตฟอร์มทำให้องค์กรสามารถมองเห็นพื้นที่จัดเก็บข้อมูลได้ดียิ่งขึ้น ลดการใช้ที่ไม่จำเป็น และมั่นใจได้ว่าข้อมูลที่สำคัญต่อการปฏิบัติตามกฎระเบียบจะได้รับการจัดการอย่างเหมาะสม

บทความนี้จะสรุปแนวทางปฏิบัติในการจัดการพื้นที่จัดเก็บข้อมูลที่ช่วยให้ลูกค้าปรับแนวทางการเก็บรักษาข้อมูลให้สอดคล้องกับความต้องการทางธุรกิจและกฎระเบียบ การดำเนินการนี้จะช่วยปรับปรุงประสิทธิภาพของระบบ ลดค่าใช้จ่ายในการดำเนินงาน และรับรองว่าปฏิบัติตามข้อผูกพันต่างๆ ได้อย่างไม่มีข้อบกพร่อง

เหตุใดเราจึงจัดเก็บข้อมูล

ในการเลือกและปรับรูปแบบการเก็บรักษาข้อมูลให้เหมาะสมกับข้อมูลของคุณ จำเป็นต้องพิจารณาเหตุผลและการใช้งานที่เราจัดเก็บข้อมูลไว้

ข้อมูลการดำเนินงาน

สำหรับแอปพลิเคชันทางธุรกิจ ข้อมูลการปฏิบัติงานคือสิ่งที่ใช้ในการติดตามการขาย การเงิน หรือการดำเนินการในห่วงโซ่อุปทาน

จำเป็นต้องเข้าถึงข้อมูลนี้แบบเรียลไทม์ เพื่อรองรับกระบวนการดำเนินงานของลูกค้าและภายในที่บันทึกการดำเนินการแบบละเอียด เช่น การโต้ตอบกับลูกค้า คำสั่งซื้อ หรือกิจกรรมสินค้าคงคลัง

เมื่อเวลาผ่านไป ข้อมูลการปฏิบัติงานอาจเปลี่ยนจากการใช้งานจริงไปเป็นการใช้งานไม่บ่อยนัก ข้อมูลอาจต้องสามารถเข้าถึงได้ในเวลาใกล้เคียงกับเวลาจริง เพื่อช่วยเหลือลูกค้าในการสั่งซื้อหรือในกรณีการสนับสนุน ตัวอย่างเช่น พิจารณาสถานการณ์ต่อไปนี้:

  • ลูกค้าทำการสั่งซื้อ ในขณะที่ลูกค้าอีกรายซึ่งไม่ได้ติดต่อกับธุรกิจมาระยะหนึ่งก็ทำการสั่งซื้อ
  • ทุกคำสั่งซื้อที่ได้ถูกวางและกำลังจัดส่งจะถูกเข้าถึงอย่างต่อเนื่อง ยังมีคำสั่งซื้อที่อยู่ภายใต้ระยะเวลาการรับประกันสามปีซึ่งอาจต้องมีการอ้างอิงเพื่อรับการสนับสนุนและอาจต้องขอคืนเงิน

สิ่งนี้อาจนำไปสู่ขั้นตอนความต้องการการเข้าถึงข้อมูลปฏิบัติการ เช่น:

  • มีการเข้าถึงข้อมูลอย่างต่อเนื่องน้อยกว่าหนึ่งปี
  • ข้อมูลเข้าถึงไม่บ่อยนักภายในเวลาไม่ถึงสามปี
  • นานกว่าสามปีที่ไม่มีการเข้าถึงข้อมูลเพื่อการดำเนินงาน

ลักษณะแบบเรียลไทม์ของการจัดเก็บข้อมูลเชิงปฏิบัติการทำให้มีราคาค่อนข้างแพงเมื่อเทียบกับการจัดเก็บข้อมูลแบบอื่น ดังนั้น การรับรู้ว่าเมื่อใดจำเป็นต้องเข้าถึงข้อมูลเชิงปฏิบัติการและเมื่อใดที่ไม่ต้องเข้าถึง จึงมีความสำคัญต่อการกำหนดกลยุทธ์การจัดเก็บข้อมูล

การบูรณาการการปฏิบัติงาน

เนื่องจากเป็นหมวดหมู่เฉพาะของการใช้งานเชิงปฏิบัติการ อาจจำเป็นต้องจำลองข้อมูลระหว่างระบบปฏิบัติการหลายระบบ รวมถึงรูปแบบต่างๆ เช่น:

  • การธนาคาร :การจัดการความสัมพันธ์ลูกค้าสำหรับการโต้ตอบกับลูกค้าแนวหน้าและการจำลองไปยังระบบธนาคารหลายระบบ ตัวอย่างเช่น คุณมีบัญชีเงินฝากกระแสรายวัน บัตรเครดิต ระบบจำนอง และระบบตรวจสอบเครดิต
  • การผลิต :ระบบบริหารความสัมพันธ์ลูกค้าสำหรับการรับคำสั่งซื้อแนวหน้าและระบบการจัดการทรัพยากรองค์กรสำหรับการจัดการห่วงโซ่อุปทาน
  • การจัดการเหตุฉุกเฉินของตำรวจ :ระบบบริหารความสัมพันธ์ลูกค้าเพื่อการโต้ตอบกับประชาชน และระบบการจัดส่งสำหรับกรมตำรวจเสนอการจัดการการปรับใช้

ในกรณีเหล่านี้ แม้ว่าแต่ละระบบอาจมีข้อมูลเฉพาะที่ติดตาม แต่ก็มักจะมีข้อมูลหลักทั่วไปที่จำเป็นต้องแบ่งปันระหว่างระบบและซิงค์กัน ส่งผลให้ต้องมีการบูรณาการ

ข้อมูลการตรวจสอบ

โดยทั่วไป ธุรกิจจะมีความรับผิดชอบตามกฎระเบียบในการเก็บข้อมูลไว้เป็นระยะเวลานาน เช่น โดยเฉลี่ยแล้วเป็นเวลาเจ็ดปี เพื่อวัตถุประสงค์ในการตรวจสอบ ไม่ว่าจะเป็นภายในหรือภายนอก เช่น การสนับสนุนการตรวจสอบทางการเงิน การเปิดเผยข้อมูลตามกฎระเบียบ หรือการตรวจสอบการฉ้อโกง

โดยทั่วไปข้อมูลนี้จะครอบคลุมทั้งข้อมูลที่จำเป็นสำหรับวัตถุประสงค์ในการปฏิบัติงานและข้อมูลที่ไม่จำเป็นอีกต่อไป เนื่องจากช่วยให้สามารถตรวจสอบชุดข้อมูลทั้งหมดได้จากที่เดียว

ข้อมูลการวิเคราะห์

องค์กรต่างๆ จำเป็นต้องทบทวนและวิเคราะห์สถานะของธุรกิจของตน พวกเขาจะต้องวัดและเปรียบเทียบสถิติในช่วงเวลาต่างๆ และครอบคลุมหลายส่วนหรือทุกส่วนของธุรกิจ

ระยะเวลาและความกว้างของข้อมูลจำนวนมากที่สามารถทำการวิเคราะห์ได้ทำให้จำเป็นต้องจำลองข้อมูลการดำเนินงานลงในเครื่องมือวิเคราะห์เฉพาะทาง วิธีนี้ช่วยหลีกเลี่ยงไม่ให้การวิเคราะห์ที่ซับซ้อนส่งผลกระทบต่อประสิทธิภาพของระบบปฏิบัติการ แต่ยังช่วยให้สามารถวิเคราะห์ชุดข้อมูลที่เกินช่วงเวลาที่จำเป็นต้องใช้ข้อมูลในการปฏิบัติงานได้อีกด้วย ตัวอย่างเช่น คุณอาจต้องเปรียบเทียบข้อมูลในช่วงเจ็ดปี แทนที่จะเป็นหนึ่งถึงสองปี อย่างไรก็ตาม ความต้องการวิเคราะห์ที่แตกต่างกันอาจต้องใช้ระยะเวลาเก็บรักษาข้อมูลเต็มรูปแบบหรือครอบคลุมเฉพาะข้อมูลที่เก็บไว้ในระบบปฏิบัติการเท่านั้น

โดยทั่วไปข้อมูลวิเคราะห์จะช่วยให้สามารถรวบรวมข้อมูลจากหลายส่วนของธุรกิจและรวมข้อมูลจากหลายระบบเข้าด้วยกัน

การไหลของข้อมูล

โดยทั่วไปข้อมูลประเภทนี้จะไหลไปตามช่วงเวลาตั้งแต่ข้อมูลการปฏิบัติงานไปจนถึงข้อมูลธุรกรรมหรือข้อมูลประวัติ ดังที่แสดงในภาพต่อไปนี้

การไหลของข้อมูล

ประเภทการจัดเก็บข้อมูลที่แตกต่างกัน

Dataverse ประเภทการจัดเก็บข้อมูล

Dataverse จัดระเบียบการจัดเก็บข้อมูลออกเป็นสามหมวดหมู่หลัก โดยแต่ละหมวดหมู่มีรูปแบบการใช้งานและผลกระทบต่อการเรียกเก็บเงินที่แตกต่างกัน

ชนิดที่เก็บข้อมูล Description กรณีการใช้งานทั่วไป
การจัดเก็บฐานข้อมูล จัดเก็บข้อมูลที่มีโครงสร้างในตารางทั้งแบบมาตรฐานและแบบกำหนดเอง บันทึกทางธุรกิจ เมตาดาต้า ความสัมพันธ์ และการกำหนดค่า
ที่เก็บไฟล์ จัดเก็บไฟล์แนบและข้อมูลไบนารี แนบไฟล์อีเมล รูปภาพ เอกสารที่อัพโหลดผ่าน Power Apps
การจัดเก็บบันทึก จัดเก็บบันทึกการตรวจสอบและบันทึกการติดตามปลั๊กอิน การติดตามการเปลี่ยนแปลง การตรวจสอบ การวินิจฉัย และการปฏิบัติตาม

ประเภทการจัดเก็บข้อมูลแพลตฟอร์มการเงินและการดำเนินงาน

การจัดเก็บข้อมูลทางการเงินและการดำเนินงานได้รับการจัดการแยกจากกัน แต่มีการบูรณาการเข้ากับระบบนิเวศเพิ่มมากขึ้น Power Platform รวมถึงประเภทการจัดเก็บข้อมูลดังต่อไปนี้

ชนิดที่เก็บข้อมูล Description กรณีการใช้งานทั่วไป
การจัดเก็บฐานข้อมูลปฏิบัติการ ข้อมูลธุรกรรมหลักสำหรับการเงิน ห่วงโซ่อุปทาน ทรัพยากรบุคคล และอื่นๆ บันทึกบัญชี สินค้าคงคลัง คำสั่งซื้อของลูกค้า
ที่เก็บข้อมูลการจัดการเอกสาร วัตถุไบนารีขนาดใหญ่ (Blobs) ที่เก็บไว้ใน Azure Blob Storage ใบแจ้งหนี้ ใบเสร็จ เอกสารที่สแกน
บันทึกข้อมูลระยะไกลและการวินิจฉัย บันทึกระบบและข้อมูลเทเลเมทรี การติดตามประสิทธิภาพ การวินิจฉัยปัญหา

สถานการณ์การจัดเก็บข้อมูลแบบแบ่งปันและบูรณาการ

  • ที่เก็บข้อมูลแบบการเขียนสองทาง

    • ช่วยให้สามารถซิงค์ข้อมูลแบบเรียลไทม์ระหว่างแอปการเงินและการดำเนินงาน Dataverse
    • ต้องมีการจัดการบทบาทและความจุอย่างรอบคอบเพื่อหลีกเลี่ยงการซ้ำซ้อนหรือใช้งานมากเกินไป

  • การคงไว้ในระยะยาว (LTR)

    • ย้ายข้อมูลประวัติไปยัง Managed ที่จัดเก็บข้อมูลดิบ (MDL)
    • ลดการใช้งานพื้นที่เก็บข้อมูลหลักในขณะที่ยังคงรักษาการปฏิบัติตามข้อกำหนดและการเข้าถึงการวิเคราะห์
    • บูรณาการกับ:
      • ค้นหาด่วน (Dataverse- การค้นหาดั้งเดิม)
      • OneLake (การวิเคราะห์ข้อมูลที่ใช้ Fabric เป็นพื้นฐาน)
      • Synapse Link (การวิเคราะห์ทะเลสาบแบบกำหนดเอง)

ข้อมูลของคุณเติบโตขึ้นตามกาลเวลาอย่างไร

เมื่อองค์กรขยายขนาดการใช้งาน Dataverse และแพลตฟอร์มการเงินและการดำเนินงาน Dynamics 365 การเติบโตของข้อมูลจะกลายเป็นทั้งสัญญาณของความสำเร็จและความท้าทายเชิงกลยุทธ์ สิ่งที่เริ่มต้นจากชุดข้อมูลเชิงธุรกรรมแบบย่อๆ สามารถพัฒนาไปเป็นข้อมูลที่ซับซ้อนและมีหลายชั้นได้อย่างรวดเร็ว หัวข้อนี้จะเจาะลึกถึงปัจจัยขับเคลื่อนหลัก 5 ประการของการเติบโตของข้อมูลและผลกระทบต่อการจัดเก็บ ประสิทธิภาพการทำงาน และการกำกับดูแล

การใช้คลังข้อมูลบนข้อมูลปฏิบัติการ

เพื่อปลดล็อกข้อมูลเชิงลึกจากระบบปฏิบัติการ องค์กรต่างๆ จำนวนมากใช้ Azure Synapse Link, OneLake หรือการส่งออกข้อมูลเพื่อจำลองข้อมูลจาก Dataverse และแอปทางการเงินและการดำเนินงานลงในระบบวิเคราะห์ แม้ว่าจะรองรับการรายงานขั้นสูงและเวิร์กโหลด AI แต่ยังแนะนำ:

  • การจัดเก็บข้อมูลซ้ำซ้อน ทั่วทั้งชั้นปฏิบัติการและวิเคราะห์

    ข้อมูลมักมีการทำซ้ำระหว่างสภาพแวดล้อมการทำงานและการวิเคราะห์ ความซ้ำซ้อนนี้จะเพิ่มการใช้พื้นที่เก็บข้อมูลโดยรวมและอาจนำไปสู่ต้นทุนที่สูงขึ้น โดยเฉพาะอย่างยิ่งหากมีการเก็บข้อมูลในประวัติไว้โดยไม่มีกำหนดเวลาในทั้งสองระบบ

  • การทำซ้ำของสคีมา และภาระในการจัดการเวอร์ชัน

    เพื่อรักษาความสอดคล้องกันระหว่างระบบ องค์กรต่างๆ จะต้องจำลองการเปลี่ยนแปลงโครงร่าง เช่น ฟิลด์ใหม่และคอลัมน์ที่เปลี่ยนชื่อ ทั้งในเลเยอร์ปฏิบัติการและเลเยอร์วิเคราะห์ สิ่งนี้เพิ่มความซับซ้อนในการกำกับดูแลข้อมูลและเพิ่มความเสี่ยงของการเปลี่ยนแปลงรูปแบบ ซึ่งอาจทำให้รายงานหรือโมเดลที่อยู่ถัดไปเสียหายได้

  • เพิ่มการเก็บรักษาข้อมูลในอดีตสำหรับการวิเคราะห์แนวโน้ม

    โดยทั่วไประบบวิเคราะห์จะเก็บรักษาข้อมูลไว้เป็นระยะเวลานานเพื่อรองรับการวิเคราะห์แนวโน้ม การคาดการณ์ และการรายงานตามกฎระเบียบ แม้ว่าการเก็บรักษาข้อมูลในระยะยาวจะมีคุณค่า แต่อาจนำไปสู่ชุดข้อมูลที่มีขนาดใหญ่เกินไปหากไม่ได้รับการจัดการด้วยกลยุทธ์การเก็บถาวรและการแบ่งระดับข้อมูลที่เหมาะสม

การจัดเก็บข้อมูลในคลังข้อมูลถือเป็นสิ่งสำคัญสำหรับการวิเคราะห์ แต่หากไม่มีนโยบายวงจรชีวิต พื้นที่จัดเก็บข้อมูลของคุณอาจเพิ่มขึ้นเป็นสองหรือสามเท่า

การใช้การค้นหาข้อมูล

คุณลักษณะต่างๆ เช่น การค้นหา Dataverse การทำดัชนี Copilot และการค้นหาตามความเกี่ยวข้อง จำเป็นต้องมีการทำดัชนีข้อมูลที่มีโครงสร้างและไม่มีโครงสร้างปริมาณมาก ดัชนีเหล่านี้มักจะ:

  • การใช้พื้นที่จัดเก็บบันทึกและฐานข้อมูล

    ดัชนีการค้นหาจะถูกเก็บไว้ในที่จัดเก็บทั้งบันทึกและฐานข้อมูล เมื่อมีการทำเครื่องหมายตารางและฟิลด์ให้ค้นหาได้มากขึ้น ขนาดดัชนีก็จะเพิ่มขึ้นตามสัดส่วน สิ่งนี้สามารถส่งผลกระทบอย่างมากต่อการใช้งานพื้นที่เก็บข้อมูลโดยรวม โดยเฉพาะในสภาพแวดล้อมที่มีปริมาณบันทึกจำนวนมากหรือมีการเปลี่ยนแปลงโครงร่างบ่อยครั้ง

  • ยังคงอยู่แม้แต่สำหรับตารางที่ไม่ได้ใช้หรือเลิกใช้งานแล้ว

    แม้ว่าตารางบางตารางจะไม่สนับสนุนอีกต่อไปหรือไม่ได้ใช้งานอีกต่อไปแล้ว ดัชนีการค้นหาที่เกี่ยวข้องอาจยังคงอยู่ เว้นแต่จะลบออกอย่างชัดเจน ส่งผลให้เกิดการใช้พื้นที่จัดเก็บที่ไม่จำเป็นและอาจทำให้การวางแผนความจุมีความซับซ้อน

  • มักทำซ้ำในสภาพแวดล้อมต่างๆ เช่น การพัฒนา การทดสอบ และสภาพแวดล้อมการผลิต

    โดยทั่วไปดัชนีการค้นหาจะถูกจำลองในสภาพแวดล้อมการพัฒนา การทดสอบ และการผลิต แม้ว่าการทำเช่นนี้จะช่วยให้พฤติกรรมการค้นหามีความสม่ำเสมอ แต่ยังทำให้พื้นที่จัดเก็บข้อมูลเพิ่มขึ้นอีกด้วย โดยเฉพาะเมื่อมีการโคลนหรือรีเฟรชสภาพแวดล้อมบ่อยครั้ง

การค้นหาช่วยปรับปรุงการใช้งานและความพร้อมของ AI แต่ดัชนีที่พองตัวนั้นเป็นปัจจัยที่ไม่ก่อให้เกิดการใช้พื้นที่เก็บข้อมูลเกิน

การเปิดใช้งานการบันทึกข้อมูล

บันทึกการตรวจสอบ บันทึกการติดตามปลั๊กอิน และการวัดระยะไกลเป็นสิ่งสำคัญสำหรับการปฏิบัติตามข้อกำหนด การแก้จุดบกพร่อง และการตรวจสอบ อย่างไรก็ตาม โปรดทราบจุดต่อไปนี้:

  • พื้นที่จัดเก็บบันทึก เติบโตแบบเป็นเส้นตรงตามการใช้งานและจำนวนผู้ใช้

    ข้อมูลบันทึกเติบโตตามสัดส่วนด้วย:

    • จำนวนผู้ใช้และระดับกิจกรรมของพวกเขา
    • ปริมาณธุรกรรมและการบูรณาการ
    • ความซับซ้อนของตรรกะทางธุรกิจ เช่น ปลั๊กอินและเวิร์กโฟลว์

    ในสภาพแวดล้อมที่มีการใช้งานสูง อาจส่งผลให้ตารางบันทึกขยายตัวอย่างรวดเร็ว ซึ่งกินทั้งโควตาฐานข้อมูลและการจัดเก็บบันทึก

  • ค่าเริ่มต้นการเก็บรักษา มักจะใจดีเกินไป เช่น 90 วันขึ้นไป

    ตามค่าเริ่มต้น คุณลักษณะการบันทึกข้อมูลหลายอย่างจะเก็บข้อมูลไว้เป็นระยะเวลานาน เช่น 90 วันขึ้นไป แม้ว่าสิ่งนี้จะรองรับการตรวจสอบย้อนกลับในระยะยาว แต่ก็อาจส่งผลให้เกิดการใช้พื้นที่จัดเก็บที่ไม่จำเป็น โดยเฉพาะเมื่อไม่ได้มีการตรวจสอบหรือส่งออกบันทึกอย่างจริงจัง

  • บันทึกที่สร้างโดยระบบ จะถูกเรียกเก็บเงินจากลูกค้าใน Dataverse -

    ใน Dataverse บันทึกที่สร้างโดยระบบ รวมถึงบันทึกการตรวจสอบและบันทึกการติดตามปลั๊กอิน จะถูกนับรวมในสิทธิ์การจัดเก็บข้อมูลของลูกค้า ซึ่งหมายความว่าหากไม่มีการล้างข้อมูลหรือกลยุทธ์การส่งออกที่เหมาะสม การบันทึกข้อมูลอาจทำให้เกิดการใช้พื้นที่เก็บข้อมูลเกินและเพิ่มต้นทุนใบอนุญาตโดยตรง

การบันทึกข้อมูลเป็นสิ่งที่ไม่สามารถต่อรองได้สำหรับอุตสาหกรรมที่อยู่ภายใต้การควบคุม แต่จะต้องจับคู่กับกลยุทธ์การเก็บรักษาและการส่งออก เช่น Azure Monitor หรือ Log Analytics

การมีหลายสำเนาของสภาพแวดล้อมการใช้งานจริง

เพื่อรองรับการพัฒนา การทดสอบ การฝึกอบรม และการแก้ไขปัญหา ลูกค้ามักจะสร้างสภาพแวดล้อมแซนด์บ็อกซ์หรือโคลน แต่ละสำเนา:

  • ทำซ้ำพื้นที่จัดเก็บทั้งหมดของข้อมูลและดัชนี
  • อาจรวมถึงการอ้างอิงที่ไม่ชัดเจน เช่น ดัชนีการค้นหา บันทึกการตรวจสอบ และข้อมูลเมตา
  • ไม่ค่อยได้ทำความสะอาดหลังใช้งาน

การขยายตัวของสภาพแวดล้อมเป็นแรงผลักดันหลักของต้นทุนและความซับซ้อนของการจัดเก็บข้อมูล นโยบายการกำกับดูแลและการทำงานอัตโนมัติเป็นสิ่งสำคัญในการควบคุม

การเพิ่มประสิทธิภาพของการสอบถามข้อมูล

เมื่อปริมาณข้อมูลเพิ่มขึ้นและการตอบสนองของแอปพลิเคชันกลายเป็นสิ่งสำคัญ ลูกค้าและ ISV มักจะนำเทคนิคเพิ่มประสิทธิภาพการค้นหาต่างๆ มาใช้เพื่อปรับปรุงประสิทธิภาพใน Dataverse และ Dynamics 365 กลยุทธ์เหล่านี้มักพบได้บ่อยโดยเฉพาะในการรายงาน การวิเคราะห์ และสถานการณ์ที่เน้นการบูรณาการ

เพื่อปรับปรุงประสิทธิภาพ ลูกค้าและ ISV มักจะสร้าง:

  • ดัชนีที่กำหนดเองและมุมมองที่เป็นรูปธรรม

    สิ่งเหล่านี้ใช้เพื่อเร่งการดำเนินการค้นหาโดยการคำนวณการรวมหรือการรวมข้อมูลล่วงหน้า มีประโยชน์ในสถานการณ์ที่เกี่ยวข้องกับตัวกรองที่ซับซ้อนหรือชุดข้อมูลขนาดใหญ่

  • ตารางที่ไม่ได้ทำให้เป็นมาตรฐานสำหรับการรายงาน

    เพื่อลดความซับซ้อนของการรายงานและลดความซับซ้อนของการค้นหา นักพัฒนาจึงมักสร้างข้อมูลเชิงสัมพันธ์ในรูปแบบแบน ตารางเหล่านี้ช่วยลดความจำเป็นในการรวมรันไทม์และปรับปรุงประสิทธิภาพของแดชบอร์ด

  • เลเยอร์แคชหรือการรวมข้อมูล

    บางครั้งข้อมูลที่เข้าถึงบ่อยครั้งจะถูกรวบรวมไว้ล่วงหน้าหรือแคชไว้ในตารางกลางหรือที่เก็บข้อมูลภายนอกเพื่อลดภาระของฐานข้อมูลหลัก

แม้ว่าการปรับปรุงเหล่านี้จะช่วยให้ตอบสนองได้ดีขึ้น แต่ก็ยัง:

  • เพิ่มการใช้งานพื้นที่เก็บข้อมูล

    เลเยอร์การเพิ่มประสิทธิภาพแต่ละเลเยอร์จะแนะนำโครงสร้างข้อมูลเพิ่มเติม ไม่ว่าจะเป็นสำเนาของข้อมูลที่มีอยู่แล้วในรูปแบบที่ไม่ได้ทำให้เป็นมาตรฐาน มุมมองที่คำนวณไว้ล่วงหน้า หรือตารางแคช โครงสร้างเหล่านี้มักจะทำซ้ำข้อมูลที่จัดเก็บไว้ที่อื่นแล้ว ส่งผลให้มีพื้นที่จัดเก็บข้อมูลโดยรวมที่ใหญ่ขึ้น ในสภาพแวดล้อมที่มีโควตาการจัดเก็บข้อมูลที่เข้มงวดหรือรูปแบบการออกใบอนุญาตตามต้นทุน เช่น Dataverse สิ่งนี้สามารถทวีความรุนแรงขึ้นอย่างรวดเร็วจนกลายเป็นการใช้งานเกินที่หลีกเลี่ยงได้

  • อาจกลายเป็นเด็กกำพร้าเมื่อแอพพลิเคชั่นพัฒนาไป

    เมื่อแอปพลิเคชันมีการพัฒนา สิ่งประดิษฐ์การเพิ่มประสิทธิภาพบางอย่างอาจไม่ได้รับการอ้างอิงโดยรายงานที่ใช้งานอยู่ แผงควบคุม หรือการรวมข้อมูลอีกต่อไป วัตถุกำพร้า เหล่านี้จะยังคงใช้พื้นที่จัดเก็บต่อไปและอาจทำให้การทำงานของระบบช้าลง เช่น ในระหว่างการสำรองข้อมูลหรือการสร้างดัชนี หากไม่ได้รับการระบุและลบออก หากไม่มีการตรวจสอบเป็นประจำ การตรวจสอบเหล่านี้อาจสะสมมากขึ้นโดยไม่มีใครสังเกตเห็น ส่งผลให้ประสิทธิภาพการทำงานที่ถูกสร้างขึ้นมาเพื่อรองรับลดลง

การเพิ่มประสิทธิภาพการค้นหาเป็นสิ่งสำคัญสำหรับการปรับขนาด แต่ต้องมีความสมดุลกับการรักษาความสะอาดของที่เก็บข้อมูลและการปรับแต่งที่ขับเคลื่อนโดยการวัดจากระยะไกล

ดัชนีและผลกระทบต่อการจัดเก็บ

ดัชนีมีความจำเป็นสำหรับการปรับปรุงประสิทธิภาพการค้นหาและใช้การดึงข้อมูลอย่างรวดเร็วในชุดข้อมูลขนาดใหญ่ ทั้งในแอปการเงินและการดำเนินงาน Dataverse และ Dynamics 365 ดัชนีจะถูกสร้างขึ้นโดยอัตโนมัติสำหรับคีย์หลักและฟิลด์ที่สอบถามบ่อยครั้ง และดัชนีที่กำหนดเองอื่นๆ ก็สามารถกำหนดเพื่อรองรับสถานการณ์ทางธุรกิจที่เฉพาะเจาะจงได้

แม้ว่าดัชนีจะมีความสำคัญต่อประสิทธิภาพการทำงาน แต่ดัชนียังมีผลกระทบโดยตรงต่อการใช้พื้นที่เก็บข้อมูล ซึ่งมักถูกประเมินต่ำเกินไปในระหว่างการออกแบบโซลูชัน

ดัชนีใช้พื้นที่เก็บข้อมูลอย่างไร

  • การทำซ้ำข้อมูลเชิงกายภาพ: แต่ละดัชนีจะจัดเก็บสำเนาของคอลัมน์ที่ถูกทำดัชนี พร้อมด้วยตัวชี้ไปยังแถวที่สอดคล้องกัน ยิ่งมีคอลัมน์และแถวที่สร้างดัชนีมากเท่าใด ขนาดดัชนีก็จะใหญ่ขึ้น

  • การเติบโตพร้อมกับปริมาณข้อมูล: เมื่อตารางพื้นฐานเติบโตขึ้น ดัชนีก็จะเติบโตขึ้นตามไปด้วย ในสภาพแวดล้อมที่มีธุรกรรมสูง ดัชนีสามารถเติบโตได้อย่างรวดเร็ว โดยเฉพาะในตารางขนาดใหญ่ที่ไม่ได้ปรับมาตรฐานหรือตารางที่มีการแทรกและอัปเดตบ่อยครั้ง

  • ดัชนีหลายรายการต่อตาราง: โดยทั่วไปแล้วตารางเดียวจะมีดัชนีหลายรายการ เช่น การค้นหา การกรอง การเรียงลำดับ และการรวม ดัชนีอื่นๆ จะเพิ่มเข้าไปในพื้นที่จัดเก็บข้อมูลสะสม

  • ค้นหาดัชนีใน Dataverse: คุณลักษณะเช่น Dataverse การค้นหาและการสร้างดัชนี Copilot จะสร้างดัชนีเฉพาะที่ครอบคลุมหลายฟิลด์และตาราง ข้อมูลเหล่านี้จะถูกเก็บไว้ในตาราง DataverseSearch และอาจใช้พื้นที่มาก โดยเฉพาะเมื่อใช้ในสภาพแวดล้อมหลายแบบ เช่น สภาพแวดล้อมการพัฒนา การทดสอบ และการผลิต

  • ดัชนีที่สร้างโดยระบบ: ดัชนีบางส่วนถูกสร้างขึ้นโดยอัตโนมัติโดยแพลตฟอร์ม เช่น สำหรับฟิลด์การค้นหาหรือความสัมพันธ์ สิ่งเหล่านี้อาจยังคงอยู่แม้ว่าตารางที่เกี่ยวข้องจะไม่รองรับอีกต่อไป เว้นแต่จะถูกลบออกอย่างชัดเจน

ผลกระทบต่อการจัดเก็บข้อมูล

  • เพิ่มฐานข้อมูลและการจัดเก็บบันทึก: ดัชนีมีส่วนสนับสนุนการใช้งานฐานข้อมูลและการจัดเก็บบันทึก ซึ่งอาจส่งผลต่อต้นทุนใบอนุญาตใน Dataverse
  • การทำซ้ำสภาพแวดล้อม: เมื่อมีการคัดลอกหรือรีเฟรชสภาพแวดล้อม ดัชนีทั้งหมดจะถูกทำซ้ำ ทำให้การใช้งานพื้นที่เก็บข้อมูลเพิ่มขึ้นในสภาพแวดล้อมการพัฒนา การทดสอบ และการผลิต
  • ค่าใช้จ่ายในการบำรุงรักษา: ดัชนีจะต้องได้รับการอัปเดตเมื่อข้อมูลมีการเปลี่ยนแปลง ซึ่งอาจเพิ่มความล่าช้าในการเขียนและการใช้ทรัพยากร

ผลกระทบของการซิงโครไนซ์ฝั่งเซิร์ฟเวอร์ต่อพื้นที่เก็บข้อมูล

การซิงโครไนซ์ฝั่งเซิร์ฟเวอร์ Dataverse ช่วยให้สามารถรวมอีเมล การนัดหมาย และงานต่างๆ ระหว่าง Microsoft Exchange และ Dataverseได้อย่างราบรื่น นอกจากจะช่วยเพิ่มประสิทธิภาพการทำงานและการทำงานอัตโนมัติแล้ว ยังช่วยเพิ่มการใช้พื้นที่จัดเก็บในลักษณะต่อไปนี้ด้วย

  • การสร้างบันทึกกิจกรรม: อีเมลหรือการนัดหมายที่ซิงโครไนซ์แต่ละรายการจะสร้างบันทึกกิจกรรมใน Dataverse ซึ่งรวมถึงข้อมูลเมตา เนื้อหาเนื้อหา และไฟล์แนบที่อาจเกิดขึ้น
  • การจัดเก็บสิ่งที่แนบมา: หากไม่ได้กรองหรือถ่ายโอนสิ่งที่แนบมา สิ่งที่แนบมาเหล่านั้นจะถูกจัดเก็บโดยตรงใน Dataverse ทำให้ใช้พื้นที่จัดเก็บมากขึ้น
  • การปฏิบัติตามและการเก็บรักษา: องค์กรที่ใช้การซิงโครไนซ์ฝั่งเซิร์ฟเวอร์เพื่อติดตามการปฏิบัติตามอาจเก็บข้อมูลไว้มากกว่าที่จำเป็น ส่งผลให้พื้นที่จัดเก็บขยายใหญ่ขึ้น
  • เนื้อหาที่ได้รับการปกป้อง: แม้แต่อีเมลที่ได้รับการปกป้องโดย Purview แม้จะมีข้อจำกัดในด้านการมองเห็นเนื้อหา แต่ก็ยังคงสร้างระเบียนตัวแทนที่ใช้พื้นที่

เพื่อจัดการกับผลกระทบนี้ องค์กรต่างๆ ควรนำนโยบายการเก็บรักษาข้อมูลมาใช้ พิจารณาการถ่ายโอนข้อมูลสิ่งที่แนบมา และตรวจสอบปริมาณบันทึกกิจกรรมเป็นประจำ

ฉันจะจัดการพื้นที่เก็บข้อมูลที่เพิ่มขึ้นเรื่อยๆ ได้อย่างไร

ไม่ว่าคุณจะเผชิญกับการใช้พื้นที่เก็บข้อมูลเกินหรือตั้งเป้าที่จะก้าวไปข้างหน้า การจัดการการเติบโตของข้อมูลใน Dataverse และแพลตฟอร์มการเงินและการดำเนินงานของ Dynamics 365 จำเป็นต้องมีแนวทางที่รอบคอบและขับเคลื่อนด้วยนโยบาย หัวข้อนี้จะสรุปประเด็นเชิงกลยุทธ์สองประเด็น ได้แก่ การแก้ไขเชิงรับและการกำกับดูแลเชิงรุก

มีสองสถานการณ์ที่เป็นไปได้:

  1. คุณต้องการใช้แนวทางปฏิบัติที่ดีที่สุดอย่างจริงจังเพื่อจัดการพื้นที่เก็บข้อมูลและหลีกเลี่ยงต้นทุนที่สูงในอนาคต
  2. คุณอยู่ในสถานการณ์ที่จำเป็นต้องลดขนาดและต้นทุนพื้นที่เก็บข้อมูล

ใช้แนวทางปฏิบัติที่ดีที่สุดในการจัดการขนาดและต้นทุนการจัดเก็บข้อมูล

สถานการณ์ที่ 1: คุณต้องการใช้แนวทางปฏิบัติที่ดีที่สุดอย่างจริงจังในการจัดการพื้นที่เก็บข้อมูล

หากคุณยังไม่อยู่ในโหมดวิกฤต ตอนนี้คือเวลาที่จะใช้เครื่องมือและเทคนิคเพื่อจัดการพื้นที่จัดเก็บข้อมูลเชิงรุก

กำหนดค่าการวิเคราะห์สำหรับข้อมูลของคุณ

เมื่อองค์กรเติบโตขึ้น ความจำเป็นในการดึงข้อมูลเชิงลึกจากข้อมูลการปฏิบัติงานโดยไม่กระทบต่อประสิทธิภาพการทำงานของแอปพลิเคชันธุรกิจหลักก็เพิ่มขึ้นตามไปด้วย Microsoft เสนอวิธีการต่างๆ มากมายเพื่อให้สามารถวิเคราะห์ข้อมูลทางการเงินและการปฏิบัติการของ Dynamics 365 ได้โดยการรวมเข้ากับคลังข้อมูลหรือดาต้าเลคของคุณเอง Dataverse

ต่อไปนี้เป็นสองตัวเลือกอันทรงพลังที่ควรพิจารณา:

ตัวเลือก 1 ใช้ Azure Synapse ลิงก์ – นำทะเลสาบของคุณเองมา

Azure Synapse ลิงก์นี้ช่วยให้คุณเชื่อมต่อ Dataverse โดยตรงกับพื้นที่ทำงาน Azure Data Lake หรือ Synapse ของคุณเอง วิธีนี้ช่วยให้สามารถจำลองข้อมูลการปฏิบัติงานในสภาพแวดล้อมเชิงวิเคราะห์ได้เกือบเรียลไทม์ โดยไม่ต้องเขียน ETL pipeline ที่ซับซ้อน

ประโยชน์:

  • รันการวิเคราะห์ขั้นสูงและโมเดล AI บนข้อมูลสดหรือเกือบสด
  • หลีกเลี่ยงผลกระทบต่อประสิทธิภาพการทำงานของระบบการผลิตของคุณ
  • ใช้เครื่องมือที่คุ้นเคย เช่น T-SQL, Spark หรือ Power BI สำหรับการรายงาน

ตัวอย่างกรณีการใช้งาน: บริษัทค้าปลีกใช้ Synapse Link เพื่อวิเคราะห์พฤติกรรมการซื้อของลูกค้าในแต่ละภูมิภาค โดยผสมผสานข้อมูลการจัดการความสัมพันธ์กับลูกค้ากับข้อมูลตลาดภายนอกในทะเลสาบของตนเอง Dataverse

ตัวเลือก 2 ใช้ OneLake – การวิเคราะห์แบบรวมด้วย Microsoft Fabric

OneLake ซึ่งเป็นส่วนหนึ่งของ Microsoft Fabric มอบประสบการณ์ Data Lake แบบรวมศูนย์ที่คุณสามารถจัดเก็บและวิเคราะห์ข้อมูลจากหลายแหล่ง รวมถึง Dataverse และแอปทางการเงินและการดำเนินงาน โดยไม่เกิดการซ้ำซ้อน

ประโยชน์:

  • พื้นที่จัดเก็บข้อมูลแบบรวมศูนย์สำหรับภาระงานการวิเคราะห์ทั้งหมด
  • การบูรณาการดั้งเดิมกับ Power BI, Synapse และบริการ AI
  • การกำกับดูแลและความปลอดภัยที่เรียบง่ายในทุกโดเมนข้อมูล

ตัวอย่างกรณีการใช้งาน: บริษัทให้บริการทางการเงินใช้ OneLake เพื่อรวบรวมข้อมูลการปฏิบัติงานจากแอปทางการเงินและการปฏิบัติงานและกับตัวบ่งชี้เศรษฐกิจภายนอก ช่วยให้สามารถสร้างแบบจำลองความเสี่ยงและแดชบอร์ดสำหรับผู้บริหารได้แบบเรียลไทม์ Dataverse การดำเนินการนี้ช่วยให้คุณสามารถแยกข้อมูลปฏิบัติการออกจากระบบหลักของคุณได้ และอนุญาตให้มีการวิเคราะห์ที่ปรับขนาดได้และคุ้มต้นทุนด้วยการส่งออกข้อมูลนั้นไปยังสภาพแวดล้อมการวิเคราะห์ของตนเอง โดยไม่ต้องทำซ้ำภาระงานหรือกระทบต่อประสิทธิภาพการทำงาน

เครื่องมือและเทคนิคในการลดพื้นที่จัดเก็บ

Dataverse นำเสนอเครื่องมือและกลยุทธ์ในตัวหลายประการเพื่อช่วยให้ผู้ดูแลระบบจัดการพื้นที่เก็บข้อมูลอย่างมีประสิทธิภาพและรักษาประสิทธิภาพของระบบ

Dataverse

จัดการข้อมูลด้วยนโยบายการกํากับดูแล

  • เริ่มต้นด้วยสภาพแวดล้อมและตารางที่ใช้พื้นที่เก็บข้อมูลมากที่สุด
  • ใช้ นโยบายการกํากับดูแล ที่เกิดซ้ําสําหรับการเติบโตของข้อมูลที่สามารถคาดการณ์ได้แทนที่จะใช้การล้างข้อมูลครั้งเดียวเท่านั้น
  • ทดสอบเกณฑ์การลบและการเก็บรักษาในสภาพแวดล้อม Sandbox ก่อนใช้งานจริง
  • ตรวจสอบผลของนโยบายและความล้มเหลวอย่างสม่ําเสมอ
  • เพิ่มความจุที่เก็บข้อมูลเมื่อไม่สามารถลบหรือย้ายข้อมูลที่จําเป็นไปยังการเก็บข้อมูลระยะยาวได้

สิ่งแวดล้อมและการล้างข้อมูล

  • ลบสภาพแวดล้อมที่ไม่ได้ใช้งาน: คุณสามารถลบสภาพแวดล้อมเพื่อกู้คืนพื้นที่เก็บข้อมูลและลบข้อมูลระบุตัวตนส่วนบุคคล (PII)
  • งานการลบข้อมูลจำนวนมาก: คุณสามารถลบข้อมูลต่อไปนี้เป็นกลุ่มได้:
    • ข้อมูลเก่าหรือข้อมูลที่ไม่เกี่ยวข้องกับธุรกิจ
    • การทดสอบที่ไม่จำเป็นหรือตัวอย่างข้อมูล
    • ข้อมูลที่นำเข้าจากระบบอื่นอย่างไม่ถูกต้อง

การเพิ่มประสิทธิภาพไฟล์และตาราง

  • ลดพื้นที่จัดเก็บไฟล์โดยใช้การค้นหาล่วงหน้า: บทความนี้จะแนะนำ 15 วิธีในการจัดการพื้นที่จัดเก็บของคุณให้ดีขึ้น ใช้หนึ่งในวิธีการเหล่านี้เพื่อควบคุมการใช้พื้นที่เก็บข้อมูลทั้งหมดของคุณ คุณสามารถลบประเภทข้อมูลตามที่คุณต้องการ หรือตั้งค่าการลบจำนวนมากให้เกิดในช่วงเวลาที่กำหนดไว้ ตัวอย่างเช่น คุณสามารถลบบันทึกย่อ ไฟล์แนบ ประวัติการนำเข้า และข้อมูลอื่นๆ ได้
  • ล้างข้อมูลบันทึกจากตารางงานระบบ (AsyncOperationBase) และบันทึกกระบวนการ (WorkflowLogBase): หากองค์กรของคุณใช้งานเวิร์กโฟลว์หรือกระบวนการทางธุรกิจอย่างหนัก ตารางเหล่านี้ (AsyncOperationBase, WorkflowLogBase) จะเติบโตขึ้นตามกาลเวลาและในที่สุดก็จะมีขนาดใหญ่พอที่จะนำไปสู่ปัญหาประสิทธิภาพการทำงานและใช้พื้นที่เก็บข้อมูลมากเกินไปในฐานข้อมูลขององค์กรของคุณ สำหรับ WorkflowLogBase คุณสามารถกำหนดค่าให้ ลบงานเวิร์กโฟลว์พื้นหลังที่เสร็จสมบูรณ์โดยอัตโนมัติได้

การเก็บรักษาในระยะยาว (LTR) และการเก็บถาวร

การเพิ่มประสิทธิภาพดัชนีการค้นหา

  • ลด Dataverse การค้นหา: คุณสามารถลดขนาดพื้นที่เก็บข้อมูลได้โดยดำเนินการตามขั้นตอนทั้งหมดใน Dataverse รายละเอียดพื้นที่เก็บข้อมูลตามความจุ
  • ลดขนาดของตาราง DataverseSearch: ตาราง DataverseSearch คือพื้นที่จัดเก็บสะสมที่ใช้โดยดัชนีการค้นหา Dataverse ซึ่งประกอบด้วยข้อมูลจากฟิลด์ที่ค้นหาได้, เรียกข้อมูลได้, และกรองได้ทั้งหมด ของตารางที่คุณได้จัดทำดัชนีสำหรับสภาพแวดล้อมของคุณ คุณสามารถลดขนาดตารางได้โดยการลบคอลัมน์การค้นหา ดูคอลัมน์ และกรองเงื่อนไขสำหรับตารางหนึ่งตารางหรือมากกว่า คุณสามารถปิดการค้นหา Dataverse เพื่อลบข้อมูลที่จัดทำดัชนีทั้งหมดออก
แอปการเงินและการดำเนินงาน

แอปการเงินและการปฏิบัติการมีตัวเลือกที่ยืดหยุ่นสำหรับการจัดการพื้นที่เก็บข้อมูลในสภาพแวดล้อมการผลิตและแซนด์บ็อกซ์

การจัดการสิ่งแวดล้อม

  • จำกัดจำนวนสำเนาการผลิตเต็มรูปแบบ: คุณสามารถลดการใช้พื้นที่เก็บข้อมูลโดยรวมของแอปการเงินและการปฏิบัติการได้โดยการลบสำเนาการผลิตเต็มรูปแบบในสภาพแวดล้อมแซนด์บ็อกซ์ ตัวอย่างเช่น หากคุณมีสำเนาของสภาพแวดล้อมการผลิตจำนวน 5 ชุดในแซนด์บ็อกซ์ การใช้พื้นที่จัดเก็บของคุณคือผลรวมของการผลิตบวกกับสำเนาของสภาพแวดล้อมการผลิตจำนวน 5 ชุดในแซนด์บ็อกซ์
  • ตัดแต่งข้อมูลในสภาพแวดล้อมแซนด์บ็อกซ์: ตัดแต่งข้อมูลในสภาพแวดล้อมแซนด์บ็อกซ์จะช่วยลดพื้นที่จัดเก็บข้อมูลโดยรวมได้ คุณสามารถทำตามวิธีต่อไปนี้เพื่อทำความสะอาดข้อมูลในแซนด์บ็อกซ์
    • กระบวนการคืนค่าจะดำเนินการเปิดและปรับแต่ง
    • เขียน T-SQL
    • เขียน X++
  • ดำเนินการคัดลอกระหว่างสภาพแวดล้อมแบบไร้ธุรกรรม: การคัดลอกสภาพแวดล้อมสำหรับแอปทางการเงินและการดำเนินงานโดยทั่วไปเกี่ยวข้องกับการทำซ้ำฐานข้อมูลทั้งหมด รวมถึงการกำหนดค่า ข้อมูลหลัก และธุรกรรม ซึ่งแม้ว่าจะมีประโยชน์สำหรับการดีบัก แต่ก็เพิ่มการใช้พื้นที่เก็บข้อมูลอย่างมากทั้งในด้านการเงินและการดำเนินงานและ Dataverse

การจัดการการทำความสะอาดและบันทึกที่กำหนดเอง

  • เขียนกิจวัตรการทำความสะอาดแบบกำหนดเองตามความจำเป็น: คุณสามารถเขียนกิจวัตรการทำความสะอาดแบบกำหนดเองตามที่ธุรกิจของคุณต้องการเพื่อทำความสะอาดข้อมูลที่ไม่ต้องการ
  • หลีกเลี่ยงการเก็บบันทึก: คุณสามารถย้าย SysDatabaseLog ไปยังฐานข้อมูลที่มีการทำธุรกรรมน้อยลงเพื่อลดพื้นที่จัดเก็บข้อมูลโดยรวม

การเก็บถาวรและการเก็บรักษาในระยะยาว

มีโปรแกรมทำความสะอาดในตัว

  • กิจวัตรการทำความสะอาด: ใน Dynamics 365 Finance และ Dynamics 365 Supply Chain Management กิจวัตรการทำความสะอาดจะพร้อมใช้งานในโมดูลต่างๆ กิจวัตรการทำความสะอาด ให้ภาพรวมของกิจวัตรที่มีอยู่ในปัจจุบัน หลังจากคัดลอกฐานข้อมูลแซนด์บ็อกซ์แล้ว ให้รันโปรแกรมการล้างข้อมูลเหล่านี้เพื่อลบตารางที่ไม่จำเป็น เช่น ประวัติชุด บันทึก และประวัติธุรกรรมการขายปลีก ลบข้อมูลที่ล้าสมัยหรือไม่เกี่ยวข้อง
  • เก็บถาวรข้อมูลธุรกรรมบัตรเครดิต: อธิบายงานการเก็บถาวร Dynamics 365 Commerce ที่สามารถช่วยเพิ่มพื้นที่ว่างในฐานข้อมูลโดยการเก็บถาวรโทเค็นการชำระเงินบัตรเครดิต

ลดขนาดและต้นทุนการจัดเก็บข้อมูล

สถานการณ์ที่ 2: คุณอยู่ในสถานการณ์ที่ต้องลดขนาดและต้นทุนการจัดเก็บข้อมูลแล้ว

ประเมินสิ่งที่ใช้พื้นที่เก็บข้อมูล

  • ใช้รายงานศูนย์การจัดการและการเงินและการจัดเก็บข้อมูลการดำเนินงานเพื่อระบุตาราง ประเภทไฟล์ และบันทึกที่ใช้ข้อมูลมากที่สุด Power Platform
  • ใช้ข้อมูลระยะไกล หากมี เพื่อกำหนดการใช้งานให้กับแอป ผู้ใช้ หรือหน่วยธุรกิจที่เจาะจง

ให้ความสำคัญกับผู้สมัครทำความสะอาด

  • มุ่งเน้นไปที่:
    • ตารางการจัดเตรียมและการรวม เช่น บัฟเฟอร์การเขียนแบบคู่
    • บันทึกการตรวจสอบ: เก็บไว้ในที่เก็บข้อมูลของคุณเอง
    • สภาพแวดล้อมหรือแซนด์บ็อกซ์ที่ไม่ได้ใช้
    • เมตาดาต้ากำพร้าและดัชนีการค้นหา
    • ลบสิ่งที่คุณไม่ต้องการ เช่น การลบเป็นกลุ่ม

ใช้ Synapse Link และ OneLake สำหรับการรายงานเชิงวิเคราะห์

  • ส่งออกข้อมูลวิเคราะห์ไปยัง Synapse Link
  • ใช้ OneLake เพื่อเข้าถึงข้อมูลที่เก็บไว้และข้อมูลทางธุรกิจเพื่อวัตถุประสงค์ในการรายงานและวิเคราะห์

ใช้การเก็บข้อมูลระยะยาว (LTR)

  • ย้ายข้อมูลในประวัติไปยัง Managed ที่จัดเก็บข้อมูลดิบ (MDL) โดยใช้นโยบาย LTR
  • รักษาการเข้าถึงการค้นหาและการวิเคราะห์ผ่านการค้นหาด่วน Synapse Link หรือ OneLake

กรณีการใช้งาน

กรณีการใช้งานสำหรับการจัดการที่เก็บข้อมูลใน Dataverse และสภาพแวดล้อมทางการเงินและการปฏิบัติการมีความสำคัญต่อการเพิ่มประสิทธิภาพพื้นที่ฐานข้อมูล การปรับปรุงประสิทธิภาพของระบบ และการตอบสนองข้อกำหนดด้านกฎระเบียบ ด้านล่างนี้เป็นสถานการณ์ทั่วไปบางอย่างที่แสดงให้เห็นว่ากลยุทธ์เหล่านี้สามารถนำไปใช้ได้อย่างไร:

  • การจัดการการเติบโตของข้อมูลทางประวัติศาสตร์

    • สถานการณ์: ธุรกิจแห่งหนึ่งดำเนินการบน Dynamics 365 มาหลายปีแล้ว และมีปริมาณธุรกรรมในอดีตและสิ่งที่แนบมาสะสมไว้เป็นจำนวนมาก
    • การดำเนินการ: นำกลยุทธ์การเก็บรักษาข้อมูลในระยะยาวมาใช้เพื่อเก็บรักษาข้อมูลที่ไม่ได้ใช้งาน ลดขนาดฐานข้อมูลหลัก และรักษาให้เป็นไปตามข้อกำหนดการตรวจสอบ

  • การเก็บรักษาข้อมูลที่ขับเคลื่อนโดยการปฏิบัติตาม

    • สถานการณ์: ลูกค้าอุตสาหกรรมที่อยู่ภายใต้การควบคุมจะต้องเก็บรักษาข้อมูลทางการเงินหรือข้อมูลลูกค้าไว้เป็นเวลาเจ็ดถึงสิบปีในรูปแบบที่ป้องกันการปลอมแปลง
    • การดำเนินการ: ใช้ LTR เพื่อเก็บรักษาข้อมูลที่ไม่สามารถเปลี่ยนแปลงได้และอ่านได้อย่างเดียวให้เป็นไปตามข้อกำหนดทางกฎหมายและข้อบังคับ ขณะเดียวกันก็รักษาข้อมูลทางธุรกิจให้มีขนาดเล็กโดยไม่กระทบต่อการวิเคราะห์และการรายงาน

  • การค้นหาและการเพิ่มประสิทธิภาพดัชนี Copilot

    • สถานการณ์: Dataverse การค้นหาและการสร้างดัชนี Copilot ได้รับการเปิดใช้งานในทุกสภาพแวดล้อม รวมถึงตารางที่ไม่ได้ใช้งาน
    • การดำเนินการ: ตรวจสอบฟิลด์ที่ค้นหาได้และปิดการใช้งานการสร้างดัชนีสำหรับตารางค่าต่ำหรือตารางที่ไม่รองรับอีกต่อไป ตรวจสอบขนาดของตาราง DataverseSearch และเพิ่มประสิทธิภาพการกำหนดค่าเพื่อลดการจัดเก็บบันทึกและฐานข้อมูล

  • การจัดการการตรวจสอบและการวัดระยะไกล

    • สถานการณ์: บันทึกการติดตามปลั๊กอินและบันทึกการตรวจสอบกำลังเติบโตอย่างรวดเร็ว ซึ่งใช้พื้นที่เก็บข้อมูลและส่งผลกระทบต่อประสิทธิภาพการทำงาน
    • การดำเนินการ: ส่งออกบันทึกไปยังระบบภายนอก เช่น Azure Monitor และทำการล้างข้อมูลรายการเก่าโดยอัตโนมัติเพื่อรักษาการมองเห็นโดยไม่ทำให้พื้นที่จัดเก็บมีขนาดใหญ่ขึ้น

  • การบูรณาการคลังข้อมูลและการวิเคราะห์

    • สถานการณ์: องค์กรจำลองข้อมูลปฏิบัติการไปยัง Azure Synapse หรือ OneLake เพื่อการวิเคราะห์ ส่งผลให้มีการจัดเก็บข้อมูลซ้ำซ้อน
    • การดำเนินการ: ใช้การส่งออกแบบส่วนเพิ่ม ใช้ตัวกรอง และหลีกเลี่ยงการจำลองชุดข้อมูลทั้งหมดเพื่อลดความซ้ำซ้อน ขณะเดียวกันก็ยังคงได้รับข้อมูลเชิงลึกที่หลากหลาย

  • การลดการใช้พื้นที่จัดเก็บเกิน

    • สถานการณ์: ลูกค้าได้รับการแจ้งเตือนว่าเกินโควตาพื้นที่เก็บข้อมูล Dataverse ซึ่งส่งผลให้เกิดต้นทุนที่ไม่คาดคิด
    • การดำเนินการ: ใช้รายงานความจุเพื่อระบุตารางที่ใช้สูงสุด ล้างสภาพแวดล้อมที่ล้าสมัย และลบสิ่งที่แนบมาหรือบันทึกที่ไม่ได้ใช้ พิจารณาการย้ายข้อมูลที่เย็น—โดยทั่วไปคือข้อมูลในอดีตหรือข้อมูลที่เข้าถึงไม่บ่อย—ไปยังระดับการจัดเก็บข้อมูลที่มีต้นทุนต่ำกว่า

  • การเพิ่มประสิทธิภาพการทำงานในตารางขนาดใหญ่

    • สถานการณ์: กระบวนการที่สำคัญทางธุรกิจกำลังช้าลงเนื่องจากตารางมีขนาดใหญ่
    • การดำเนินการ: เก็บถาวรบันทึกเก่า ล้างงานระบบ เช่น AsyncOperationBase และ WorkflowLogBase

  • การจัดการวงจรชีวิตสิ่งแวดล้อม

    • สถานการณ์: สภาพแวดล้อมการพัฒนาและการทดสอบถูกโคลนจากการผลิต โดยทำซ้ำข้อมูลและดัชนีทั้งหมด
    • การดำเนินการ: ตัดทอนสภาพแวดล้อมแซนด์บ็อกซ์หลังจากการรีเฟรช ปิดการใช้งานการสร้างดัชนีการค้นหาที่ไม่จำเป็น และลบข้อมูลทดสอบเพื่อลดการใช้พื้นที่จัดเก็บซ้ำซ้อน ลบสภาพแวดล้อมแซนด์บ็อกซ์ที่ไม่ได้ใช้เพื่อประหยัดพื้นที่จัดเก็บ

กรณีศึกษา

กรณีศึกษาที่ 1: การลดการใช้พื้นที่จัดเก็บเกินโดยการล้างดัชนี

โปรไฟล์ลูกค้า: บริษัทการผลิตระดับโลกที่ใช้ Dynamics 365 สำหรับห่วงโซ่อุปทานและแอปการเงินและการดำเนินงาน

ความท้าทาย: ลูกค้าประสบปัญหาการใช้พื้นที่เก็บข้อมูลเกินอย่างไม่คาดคิดและประสิทธิภาพลดลงในสภาพแวดล้อมการผลิตของตน การสืบสวนเผยให้เห็นว่าดัชนีที่กำหนดเองหลายรายการและมุมมองที่เป็นรูปธรรมซึ่งสร้างขึ้นในช่วงเริ่มต้นการใช้งานไม่ได้ใช้งานอีกต่อไป แต่ยังคงใช้พื้นที่เก็บข้อมูลจำนวนมาก

โซลูชัน: ทีมงานได้ดำเนินการตรวจสอบดัชนีที่กำหนดเองทั้งหมดทุกไตรมาสและลบดัชนีที่ไม่ได้รับการอ้างอิงโดยแบบสอบถามหรือรายงานที่ใช้งานอยู่ พวกเขายังนำนโยบายการกำกับดูแลมาใช้เพื่อทบทวนคำขอดัชนีใหม่ก่อนการปรับใช้

ผลลัพธ์:

  • ลดพื้นที่จัดเก็บฐานข้อมูลลง 28%
  • ปรับปรุงประสิทธิภาพการค้นหาดีขึ้น 15%
  • หลีกเลี่ยงค่าใช้จ่ายด้านการจัดเก็บข้อมูลอื่น ๆ ที่คาดว่าจะสูงถึง 12,000 ดอลลาร์ต่อปี

กรณีศึกษาที่ 2: การเก็บข้อมูลประวัติเพื่อให้บรรลุเป้าหมายด้านการปฏิบัติตามข้อกำหนดและประสิทธิภาพ

โปรไฟล์ลูกค้า: บริษัทด้านบริการทางการเงินที่ใช้ Dataverse และ Dynamics 365 สำหรับการต้อนรับลูกค้าใหม่และฟังก์ชันการจัดการกรณี

ความท้าทาย: บริษัทจำเป็นต้องเก็บรักษาข้อมูลของลูกค้าไว้มากกว่าเจ็ดปีเพื่อให้เป็นไปตามข้อกำหนดด้านกฎระเบียบ แต่ปริมาณข้อมูลที่ไม่ได้ใช้งานที่เพิ่มขึ้นทำให้เวิร์กโฟลว์ที่ใช้งานช้าลงและมีต้นทุนการจัดเก็บข้อมูลที่เพิ่มขึ้น

โซลูชัน: ลูกค้านำกลยุทธ์การเก็บรักษาข้อมูลในระยะยาวมาใช้โดยใช้ความสามารถในการเก็บถาวรของ Dataverse บันทึกที่ไม่ได้ใช้งานจะถูกย้ายไปยังระดับการจัดเก็บข้อมูลแบบอ่านอย่างเดียวที่คุ้มต้นทุน ในขณะที่ข้อมูลที่ใช้งานอยู่จะยังคงอยู่ในที่จัดเก็บประสิทธิภาพสูง

ผลลัพธ์:

  • เก็บถาวรมากกว่า 1.2 ล้านรายการ
  • ลดขนาดฐานข้อมูลหลักลง 40%
  • รักษาความสามารถในการตรวจสอบและการปฏิบัติตามนโยบายการจัดเก็บข้อมูลอย่างครบถ้วน

กรณีศึกษาที่ 3: การปรับปรุงดัชนีการค้นหาให้มีประสิทธิภาพทั่วทั้งสภาพแวดล้อม

โปรไฟล์ลูกค้า: องค์กรค้าปลีกที่มี Dataverse สภาพแวดล้อมต่างๆ มากมาย รวมถึงสภาพแวดล้อมการพัฒนา การทดสอบ และการผลิต ซึ่งรองรับโซลูชันการจัดการความสัมพันธ์ลูกค้าที่เปิดใช้งาน Copilot

ความท้าทาย: ดัชนีการค้นหาถูกใช้ทั่วทุกสภาพแวดล้อม รวมถึงตารางที่ไม่ได้ใช้และข้อมูลทดสอบ ส่งผลให้ตาราง DataverseSearch มีขนาดใหญ่ขึ้นและใช้พื้นที่เก็บข้อมูลโดยไม่จำเป็น

โซลูชัน: ทีมงานได้ตรวจสอบฟิลด์ที่ค้นหาได้และหยุดใช้การสร้างดัชนีบนตารางที่ไม่สำคัญในสภาพแวดล้อมการพัฒนาและการทดสอบ พวกเขายังทำการล้างดัชนีอัตโนมัติในระหว่างการรีเฟรชสภาพแวดล้อมอีกด้วย

ผลลัพธ์:

  • ลดพื้นที่จัดเก็บดัชนีการค้นหาลง 35%
  • ปรับปรุงเวลาการรีเฟรชสภาพแวดล้อมให้ดีขึ้น 20%
  • ลดการใช้งานการจัดเก็บบันทึกและฐานข้อมูลโดยรวม

กรณีศึกษาที่ 4: การใช้ข้อมูลส่งออกสำหรับการวิเคราะห์โดยไม่ต้องจัดเก็บข้อมูลซ้ำซ้อน

โปรไฟล์ลูกค้า: ผู้ให้บริการด้านการดูแลสุขภาพที่ใช้ Dynamics 365 และ Dataverse สำหรับการมีส่วนร่วมและการเรียกเก็บเงินของผู้ป่วย

ความท้าทาย: ทีมวิเคราะห์จำเป็นต้องเข้าถึงข้อมูลการปฏิบัติการเพื่อวิเคราะห์แนวโน้มและการสร้างแบบจำลอง AI แต่การทำสำเนาข้อมูลในคลังสินค้าแยกต่างหากทำให้มีต้นทุนการจัดเก็บและความซับซ้อนเพิ่มมากขึ้น

โซลูชัน: ลูกค้าใช้ Azure Synapse เชื่อมโยงกับการส่งออกข้อมูลเพิ่มและการจัดเก็บแบบแบ่งชั้นใน OneLake พวกเขาเก็บเฉพาะข้อมูลวิเคราะห์ที่จำเป็นและใช้นโยบายการเก็บรักษาเพื่อจัดการความลึกทางประวัติศาสตร์

ผลลัพธ์:

  • เปิดใช้งานการวิเคราะห์แบบเรียลไทม์โดยไม่กระทบต่อระบบปฏิบัติการ
  • ลดการเก็บข้อมูลซ้ำซ้อนลง 45%
  • การกำกับดูแลที่ดีขึ้นตลอดวงจรชีวิตข้อมูลวิเคราะห์

บทสรุป

การจัดการพื้นที่เก็บข้อมูลที่มีประสิทธิภาพเป็นสิ่งสำคัญสำหรับการรักษาประสิทธิภาพของระบบและเพิ่มประสิทธิภาพการใช้ทรัพยากรในสภาพแวดล้อม Dynamics 365 ขั้นตอนการล้างข้อมูลและงานการเก็บถาวรที่ระบุไว้ในบทความนี้มอบโซลูชันที่แข็งแกร่งเพื่อเพิ่มพื้นที่ว่างในฐานข้อมูลที่มีค่าและปรับปรุงการดำเนินงานให้มีประสิทธิภาพ โดยการใช้เครื่องมือเหล่านี้ เช่น LTR และเทคนิคที่คล้ายคลึงกัน ลูกค้าสามารถแก้ไขปัญหาการจัดเก็บข้อมูลทั่วไป และสร้างแนวทางการจัดการข้อมูลที่ยั่งยืนได้ นอกจากนี้ การศึกษาเฉพาะกรณีในโลกแห่งความเป็นจริงยังแสดงให้เห็นถึงประสิทธิผลของแนวทางเหล่านี้ และให้ข้อมูลเชิงลึกเกี่ยวกับการประยุกต์ใช้ในทางปฏิบัติ การนำกลยุทธ์เหล่านี้มาใช้ช่วยให้องค์กรสามารถจัดการความต้องการพื้นที่จัดเก็บข้อมูลได้อย่างรอบด้านและเพิ่มประสิทธิภาพโดยรวม

การอ้างอิง

การล้างพื้นที่จัดเก็บข้อมูลใน Dataverse:

การทำความสะอาดระบบจัดเก็บข้อมูลในด้านการเงินและการดำเนินงาน:

ความจุในการเก็บข้อมูล:

  • อัปเดตล่าสุดเมื่อ