Dataverse ve finans ve operasyon uygulamalarında depolama yönetimi

Kuruluşlar dijital dönüşüm yolculuklarını hızlandırdıkça, verileri etkili bir şekilde yönetme yeteneği stratejik bir iş zorunluluğu haline gelir. Yapay zeka destekli uygulamaların ve Copilot odaklı iş akışlarının yükselişiyle birlikte, işletmeler benzeri görülmemiş hızlarda veri üretiyor ve tüketiyor. Bu veriler inovasyonu teşvik eder, kişiselleştirilmiş deneyimlere olanak tanır ve kritik karar alma sürecini destekler - ancak yalnızca akıllıca yönetilir ve depolanırsa.

Bu gelişen iş gereksinimlerini desteklemek için kuruluşların proaktif bir depolama yönetimi stratejisi benimsemesi gerekir. Bu, günlük operasyonlar için artık gerekli olmayan verilerin sorumlu bir şekilde işlenmesini, yüksek değerli iş yükleri için kapasiteyi serbest bırakmasını, operasyonel sürtünmeyi azaltmasını ve uyumluluk ve denetim gereksinimleriyle uyumlu hale getirilmesini sağlar.

Teknik açıdan bakıldığında, Dynamics 365'te Dataverse etkili depolama yönetimi sistem performansını artırır, maliyet verimliliğini artırır ve uzun süreli saklama (LTR) ilkelerine uyulmasını sağlar. Her iki platform da kuruluşların depolamayı yönetmesini sağlayan araçlar ve otomasyon yetenekleri sunar.

Kuruluşlar, bu makalede özetlenen stratejileri uygulayarak destek ek yükünü azaltabilir, uyumluluğu kolaylaştırabilir ve iş uygulamalarından daha fazla değer elde ederek depolamayı bir kısıtlamadan rekabet avantajına dönüştürebilir.

Temel avantajlar

Dynamics 365'te ve Dynamics 365'te Dataverse etkili depolama yönetimi, müşterilerin ortak sorunlarını ele alan ve genel operasyonel verimliliği artıran çeşitli önemli avantajlar sağlar.

  • LTR ile daha fazla uyumluluk: Etkili depolama yönetimi, verilerin LTR politikalarına uygun olarak depolanmasını sağlar. Bu, yalnızca yasal gereksinimlerin karşılanmasına yardımcı olmakla kalmaz, aynı zamanda kritik verilerin korunmasını ve gerektiğinde erişilebilir olmasını sağlar.

  • Geliştirilmiş performans: Kuruluşlar, depolama yönetimini optimize ederek sistemlerinin performansını önemli ölçüde artırabilir. Verimli depolama tahsisi ve yönetimi, gecikmeyi azaltır ve veri alma hızını artırarak daha sorunsuz ve daha hızlı operasyonlara yol açar.

  • Maliyet verimliliğini artırma: Etkili depolama yönetimi, kuruluşların depolama ortamlarını düzene sokarak ve düzene sokarak yüksek değerli verilere odaklanmalarını sağlar. İşletmeler, yalnızca gerekli olanları koruyarak depolama ayak izlerini optimize edebilir, bu da daha akıllı kaynak kullanımı ve uygun maliyetli ölçeklenebilirlik sağlar.

Background

Kuruluşlar büyüdükçe ve operasyonlarını daha fazla dijitalleştirdikçe, Dynamics 365 gibi Dataverse sistemlerde depolanan iş verilerinin hacmi de istikrarlı bir şekilde artar. Bu, yalnızca aktif, işlemsel verileri değil, aynı zamanda denetim, düzenleyici veya iş sürekliliği amaçlarıyla saklanması gereken geçmiş kayıtları da içerir. Zaman içinde bu birikim, özellikle artık etkin olarak kullanılmayan veriler yüksek performanslı depolama katmanlarında kaldığında, performans düşüşüne, artan operasyonel ek yüke ve artan depolama maliyetlerine yol açabilir.

İyi tanımlanmış bir depolama yönetimi stratejisi, arşivlenebilecek, temizlenebilecek veya daha düşük maliyetli, okuma için optimize edilmiş depolamaya taşınabilecek verileri belirleyerek kuruluşların bu zorlukların üstesinden gelmesine yardımcı olur. Bu, finansal kayıtlar, denetim günlükleri veya mevzuat başvuruları gibi verilerin değişmez, düşük erişimli ve salt okunur kalması gereken uyumluluk senaryoları için önemlidir. Bu tür verilerin, canlı sistemlerin performansını etkilemeden uyumlu bir şekilde saklanmasını sağlamak, birçok kuruluş için önemli bir gerekliliktir.

Kuruluşlar, her iki platformda da bulunan araçları ve stratejileri kullanarak depolama ayak izlerine ilişkin daha iyi görünürlük elde edebilir, gereksiz tüketimi azaltabilir ve uyumluluk açısından kritik verilerin uygun şekilde işlenmesini sağlayabilir.

Bu makalede, müşterilerin veri saklama uygulamalarını iş ve mevzuat gereksinimleriyle uyumlu hale getirmelerine yardımcı olan depolama yönetimine yönelik pratik yaklaşımlar özetlenmektedir. Bu, sistem performansını artırır, operasyonel ek yükü azaltır ve uyumluluk yükümlülüklerinin ödün vermeden karşılanmasını sağlar.

Verileri neden saklıyoruz?

Verileriniz için doğru veri saklama modelini seçmek ve optimize etmek için, verileri depolamamızın nedenleri ve kullanımları üzerinde düşünmek değerlidir.

Operasyonel veriler

Bir iş uygulamasında, satışları, finansal veya tedarik zinciri eylemlerini izlemek için kullanılan operasyonel verilerdir.

Müşterilerle etkileşimler, siparişler veya envanter faaliyetleri gibi ayrıntılı eylemleri kaydeden müşteri ve dahili operasyonel süreçleri desteklemek için bu verilere gerçek zamanlı olarak erişilmesi gerekir.

Zamanla, işletimsel veriler etkin olarak kullanılmaktan seyrek olarak kullanılmaya geçebilir. Bir müşteriye bir siparişte veya bir destek vakasında yardımcı olmak için verilerin neredeyse gerçek zamanlı olarak erişilebilir olması gerekebilir. Örneğin, aşağıdaki senaryoları değerlendirin:

  • Bir müşteri sipariş verirken, bir süredir işletmeyle etkileşime girmeyen başka bir müşteri sipariş verir.
  • Verilen ve sevk edilen her siparişe sürekli olarak erişilmektedir. Ayrıca, üç yıllık bir garanti süresi altında olan ve destek için başvurulması gerekebilecek ve muhtemelen geri ödeme gerektirebilecek siparişler de vardır.

Bu, aşağıdakiler gibi işletimsel veri erişim gereksinimlerinin aşamalarına yol açabilir:

  • Bir yıldan az etkin olarak erişilen veri.
  • Üç yıldan daha az seyrek erişilen veriler.
  • Verilere artık operasyonel olarak erişilemediği üç yıldan fazla bir süre.

İşletimsel depolamanın gerçek zamanlı doğası, bunu diğer depolamaya kıyasla nispeten pahalı hale getirir, bu nedenle verilere operasyonel olarak ne zaman erişilmesi gerektiğini ve ne zaman erişilmediğini anlamak, saklama stratejilerini tanımlamak için önemlidir.

Operasyonel entegrasyon

Özel bir işletimsel kullanım kategorisi olarak, verilerin aşağıdakiler gibi desenler de dahil olmak üzere birden çok işletimsel sistem arasında çoğaltılması gerekebilir:

  • Bankacılık: Ön saflardaki müşteri etkileşimleri için müşteri ilişkileri yönetimi ve birden fazla bankacılık sistemine replikasyon. Örneğin, cari hesaplarınız, kredi kartlarınız, ipotek ve kredi kontrol sistemleriniz var.
  • Üretim: Ön saflarda sipariş almak için müşteri ilişkileri yönetimi ve tedarik zinciri yönetimi için kurumsal kaynak yönetim sistemi.
  • Polis acil durum yönetimi: Vatandaş etkileşimleri için müşteri ilişkileri yönetimi ve polis departmanları için bir sevk sistemi, dağıtım yönetimi sunar.

Bu durumlarda, her sistemin izlediği benzersiz veriler olsa da, genellikle sistemler arasında paylaşılması ve senkronize halde tutulması gereken ortak, ana veriler vardır ve bu da entegrasyon gereksinimlerine yol açar.

Denetim verileri

Bir işletme tipik olarak, finansal denetim, düzenleyici açıklama veya dolandırıcılık incelemesini desteklemek gibi dahili veya harici denetim amaçları için verileri uzun süreler boyunca (örneğin ortalama yedi yıl boyunca) tutmak için düzenleyici sorumluluğa sahiptir.

Bu veriler genellikle hem operasyonel amaçlar için gereken verileri hem de veri kümesinde tek bir yerden incelemeye izin verdiği için artık ihtiyaç duyulmayan verileri kapsar.

Analiz verileri

Kuruluşların işlerinin durumunu gözden geçirme ve analiz etme ihtiyacı vardır. Zaman içindeki istatistikleri ölçmeli ve karşılaştırmalı ve işletmenin birden çok bölümünü veya tüm bölümlerini kapsamalıdırlar.

Bu analizin gerçekleşebileceği büyük dönemler ve veri genişliği, operasyonel verileri özel, analiz araçlarına çoğaltma ihtiyacına yol açar. Bu, karmaşık analitiğin operasyonel sistemlerin performansını etkilemesini önler, ancak aynı zamanda verilerin operasyonel olarak ihtiyaç duyulduğu sürenin ötesine geçen veri kümeleri arasında analize de olanak tanır. Örneğin, verileri bir ila iki yıl yerine yedi yıl boyunca karşılaştırmanız gerekebilir. Bununla birlikte, farklı analiz ihtiyaçları, tam veri saklama sürelerine ihtiyaç duyabilir veya yalnızca operasyonel sistemlerde tutulan verileri kapsayabilir.

Analiz verileri genellikle işletmenin birden çok bölümünde veri toplanmasına olanak tanır ve birden çok sistemden gelen verileri birleştirir.

Veri akışı

Bu türlerdeki veriler genellikle zaman içinde işletimsel verilerden ve ardından aşağıdaki görüntüde gösterildiği gibi işlemsel veya geçmiş verilere akar.

Veri akışı.

Farklı depolama türleri

Dataverse Depolama türleri

Dataverse Depolamayı, her biri farklı kullanım kalıplarına ve faturalandırma etkilerine sahip üç ana kategoriye ayırır.

Depolama türü Description Yaygın kullanım örnekleri
Veritabanı depolama alanı Yapılandırılmış verileri standart ve özel tablolarda depolar. İş kayıtları, meta veriler, ilişkiler ve yapılandırmalar
Dosya depolama Ekleri ve ikili verileri depolar. E-posta ekleri, resimler, aracılığıyla yüklenen belgeler Power Apps
Günlük depolama Denetim günlüklerini ve eklenti izleme günlüklerini depolar. Değişiklik izleme, denetim, tanılama ve uyumluluk

Finans ve operasyon platformu depolama türleri

Finans ve operasyon depolaması ayrı ayrı yönetiliyor, ancak ekosisteme Power Platform giderek daha fazla entegre ediliyor. Aşağıdaki depolama türlerini içerir.

Depolama türü Description Yaygın kullanım örnekleri
İşletimsel veritabanı depolaması Finans, tedarik zinciri, insan kaynakları ve daha fazlası için temel işlem verileri Genel muhasebe girişleri, stok, müşteri siparişleri
Belge yönetimi depolaması Azure Blob Depolama'da depolanan ikili büyük nesneler (Blob'lar) Faturalar, makbuzlar, taranmış belgeler
Telemetri ve tanılama günlükleri Sistem günlükleri ve telemetri verileri Performans izleme, sorun teşhisi.

Paylaşılan ve entegre depolama senaryoları

  • Çift yazmalı depolama

    • Finans ve operasyon uygulamaları arasında Dataverse gerçek zamanlı senkronizasyona izin verir.
    • Yinelemeyi veya aşırı kullanımı önlemek için dikkatli rol ve kapasite yönetimi gerektirir.

  • Uzun süreli saklama (LTR)

    • Geçmiş verileri Yönetilen Veri Gölü'ne (MDL) taşır.
    • Uyumluluk ve analiz erişimini sürdürürken birincil depolama kullanımını azaltır.
    • Şunlarla entegre olur:
      • Hızlı Bul (Dataverse-yerel arama)
      • OneLake (Yapı tabanlı analitik)
      • Synapse Link (özel göl analizi)

Verileriniz zaman içinde nasıl büyür?

Kuruluşlar Dynamics 365 finans ve operasyon platformunun kullanımını Dataverse ölçeklendirdikçe, veri büyümesi hem başarının bir işareti hem de stratejik bir zorluk haline gelir. Yalın, işlemsel bir veri kümesi olarak başlayan şey, hızla karmaşık, çok katmanlı bir veri varlığına dönüşebilir. Bu bölümde, veri büyümesinin beş temel itici gücü ve bunların depolama, performans ve idare üzerindeki etkileri incelenmektedir.

Operasyonel verilerde veri ambarı kullanma

Birçok kuruluş, operasyonel sistemlerden içgörüler elde etmek için Link, OneLake veya veri dışa aktarma özelliğini kullanarak Azure Synapse finans ve operasyon uygulamalarından gelen verileri Dataverse analitik bir sisteme çoğaltır. Bu, gelişmiş raporlamayı ve yapay zeka iş yüklerini desteklerken, şunları da sunar:

  • Operasyonel ve analitik katmanlar arasında yedekli depolama

    Veriler genellikle operasyonel ve analitik ortamlar arasında çoğaltılır. Bu yedeklilik genel depolama tüketimini artırır ve özellikle geçmiş veriler her iki sistemde de süresiz olarak tutulursa daha yüksek maliyetlere yol açabilir.

  • Şema çoğaltma ve sürüm oluşturma ek yükü

    Sistemler arasındaki tutarlılığı korumak için, kuruluşların şema değişikliklerini (örneğin, yeni alanlar ve yeniden adlandırılmış sütunlar) hem operasyonel hem de analitik katmanlarda çoğaltması gerekir. Bu, veri idaresine karmaşıklık ekler ve şema kayması riskini artırır ve bu da aşağı akış raporlarını veya modellerini bozabilir.

  • Eğilim analizi için geçmiş verilerin daha fazla saklanması

    Analitik sistemler, eğilim analizini, tahminleri ve düzenleyici raporlamayı desteklemek için genellikle verileri daha uzun süreler boyunca saklar. Değerli olsa da, bu uzun süreli saklama, uygun arşivleme ve katmanlama stratejileriyle yönetilmezse şişirilmiş veri kümelerine yol açabilir.

Veri ambarı, analitik için çok önemlidir, ancak yaşam döngüsü ilkeleri olmadan depolama ayak izinizi iki veya üç katına çıkarabilir.

Veriler üzerinde aramayı kullanma

Arama, Copilot dizin oluşturma ve ilgi araması gibi Dataverse özellikler, büyük hacimli yapılandırılmış ve yapılandırılmamış verilerin dizine eklenmesini gerektirir. Bu indeksler genellikle:

  • Günlük ve veritabanı depolama alanını kullanma

    Arama dizinleri hem günlük hem de veritabanı depolama alanında depolanır. Daha fazla tablo ve alan aranabilir olarak işaretlendikçe, dizin boyutu da orantılı olarak büyür. Bu, özellikle büyük hacimli kayıtların veya sık şema değişikliklerinin olduğu ortamlarda genel depolama kullanımını önemli ölçüde etkileyebilir.

  • Kullanılmayan veya kullanım dışı bırakılan tablolar için bile kalıcı

    Belirli tablolar kullanım dışı bırakılsa veya artık etkin olarak kullanılmasa bile, ilişkili arama dizinleri açıkça kaldırılmadığı sürece devam edebilir. Bu, gereksiz depolama tüketimine yol açar ve kapasite planlamasını karmaşıklaştırabilir.

  • Genellikle geliştirme, test ve üretim ortamları gibi ortamlar arasında yinelenir

    Arama dizinleri genellikle geliştirme, test ve üretim ortamlarında çoğaltılır. Bu, tutarlı arama davranışı sağlarken, özellikle ortamlar sık sık klonlandığında veya yenilendiğinde depolama ayak izini de çoğaltır.

Arama, kullanılabilirliği ve yapay zeka hazırlığını artırır, ancak dizin şişkinliği, depolama fazlalıklarına sessiz bir katkıda bulunur.

Veriler üzerinde günlüğe kaydetmeyi etkinleştirme

Denetim günlükleri, eklenti izleme günlükleri ve telemetri uyumluluk, hata ayıklama ve izleme için kritik öneme sahiptir. Ancak, aşağıdaki noktalara dikkat edin:

  • Günlük depolama , kullanım ve kullanıcı sayısıyla doğrusal olarak büyür.

    Günlük verileri aşağıdakilerle orantılı olarak büyür:

    • Kullanıcı sayısı ve etkinlik düzeyleri
    • İşlemlerin ve entegrasyonların hacmi
    • Eklentiler ve iş akışları gibi iş mantığının karmaşıklığı

    Yüksek kullanımlı ortamlarda bu, günlük tablolarının hızlı bir şekilde genişletilmesine ve hem veritabanı hem de günlük depolama kotalarının tüketilmesine neden olabilir.

  • Saklama varsayılanları genellikle 90 gün veya daha uzun süre gibi çok cömerttir.

    Varsayılan olarak, birçok günlük özelliği verileri 90 gün veya daha uzun süreler gibi uzun süreler boyunca saklar. Bu, uzun vadeli izlenebilirliği desteklese de, özellikle günlükler etkin bir şekilde gözden geçirilmediğinde veya dışarı aktarılmadığında gereksiz depolama tüketimine neden olabilir.

  • Sistem tarafından oluşturulan günlükler müşteriye Dataverse faturalandırılır.

    Denetim Dataverse günlükleri ve eklenti izleme günlükleri de dahil olmak üzere sistem tarafından oluşturulan günlükler, müşterinin depolama yetkilendirmesine göre sayılır. Bu, uygun temizleme veya dışa aktarma stratejileri olmadan günlüğe kaydetmenin depolama fazlalıklarına ve artan lisanslama maliyetlerine doğrudan katkıda bulunabileceği anlamına gelir.

Günlüğe kaydetme, düzenlemeye tabi sektörler için pazarlık konusu değildir, ancak Azure İzleyici veya Log Analytics gibi bekletme ve dışarı aktarma stratejileriyle eşleştirilmelidir.

Üretim ortamının birden çok kopyasına sahip olmak

Geliştirme, test, eğitim ve sorun gidermeyi desteklemek için müşteriler genellikle korumalı alan veya klonlanmış ortamlar oluşturur. Her kopya:

  • Tam verileri ve dizin ayak izini çoğaltır.
  • Arama dizinleri, denetim günlükleri ve meta veriler gibi belirgin olmayan bağımlılıkları içerebilir.
  • Kullanımdan sonra nadiren temizlenir.

Ortamın yayılması, depolama maliyetinin ve karmaşıklığının önemli bir itici gücüdür. Yönetişim ilkeleri ve otomasyon, sınırlamanın anahtarıdır.

Veriler üzerindeki sorguların optimizasyonu

Veri hacimleri büyüdükçe ve uygulama yanıt hızı kritik hale geldikçe, müşteriler ve ISV'ler genellikle Dynamics 365'te Dataverse performansı artırmak için çeşitli sorgu iyileştirme teknikleri uygular. Bu stratejiler özellikle raporlama, analiz ve tümleştirme ağırlıklı senaryolarda yaygındır.

Performansı artırmak için müşteriler ve ISV'ler genellikle şunları oluşturur:

  • Özel dizinler ve gerçekleştirilmiş görünümler

    Bunlar, birleştirmeleri veya toplamaları önceden hesaplayarak sorgu yürütmeyi hızlandırmak için kullanılır. Karmaşık filtreler veya büyük veri kümeleri içeren senaryolarda yardımcı olurlar.

  • Raporlama için normalleştirilmemiş tablolar

    Raporlamayı basitleştirmek ve sorgu karmaşıklığını azaltmak için geliştiriciler genellikle ilişkisel verilerin düzleştirilmiş sürümlerini oluşturur. Bu tablolar, çalışma zamanı birleştirmelerine olan gereksinimi azaltır ve pano performansını artırır.

  • Katmanları veya agregaları önbelleğe alma

    Sık erişilen veriler bazen birincil veritabanındaki yükü azaltmak için ara tablolarda veya dış depolarda önceden toplanır veya önbelleğe alınır.

Bunlar yanıt verme hızını artırırken, aynı zamanda:

  • Depolama kullanımını artırın

    Her iyileştirme katmanı, mevcut verilerin normalleştirilmemiş bir biçimde bir kopyası, önceden hesaplanmış bir görünüm veya bir önbellek tablosu olsun, daha fazla veri yapısı sunar. Bu yapılar genellikle halihazırda başka bir yerde depolanmış verileri çoğaltarak daha büyük bir genel depolama ayak izine yol açar. Katı depolama kotalarına veya maliyet tabanlı lisanslama modellerine sahip ortamlarda, Dataverse bu durum hızla önlenebilir fazlalıklara dönüşebilir.

  • Uygulamalar geliştikçe yalnız bırakılabilir

    Uygulamalar geliştikçe, bazı iyileştirme yapıtlarına artık etkin raporlar, panolar veya tümleştirmeler tarafından başvurulmayabilir. Bu yalnız bırakılmış nesneler depolama alanını tüketmeye devam eder ve hatta tanımlanıp kaldırılmazsa, örneğin yedeklemeler veya dizin oluşturma sırasında sistem işlemlerini yavaşlatabilir. Düzenli denetimler olmadan, fark edilmeden birikebilirler ve desteklemek için yaratıldıkları performans kazanımlarını baltalayabilirler.

Sorgu iyileştirmesi ölçek için gereklidir, ancak depolama hijyeni ve telemetri odaklı ayarlama ile dengelenmelidir.

Dizinler ve depolama üzerindeki etkileri

Dizinler, sorgu performansını artırmak ve büyük veri kümelerinde hızlı veri alımını kullanmak için gereklidir. Hem Dataverse Dynamics 365 finans ve operasyon uygulamalarında, birincil anahtarlar ve sık sorgulanan alanlar için dizinler otomatik olarak oluşturulur ve belirli iş senaryolarını desteklemek için diğer özel dizinler tanımlanabilir.

Dizinler performans için kritik öneme sahip olsa da, depolama tüketimi üzerinde de doğrudan bir etkiye sahiptir ve genellikle çözüm tasarımı sırasında hafife alınır.

Dizinler depolama alanını nasıl kullanır?

  • Verilerin fiziksel olarak çoğaltılması: Her dizin, dizine alınan sütunların bir kopyasını ve karşılık gelen satırlara yönelik işaretçileri depolar. Dizine ne kadar çok sütun ve satır eklenirse, dizin boyutu o kadar büyük olur.

  • Veri hacmiyle büyüme: Temel alınan tablo büyüdükçe dizin de büyür. Yüksek işlem ortamlarında, dizinler, özellikle büyük, normalleştirilmemiş tablolarda veya sık eklemeler ve güncelleştirmeler içeren tablolarda hızla büyüyebilir.

  • Tablo başına birden çok dizin: Tek bir tablonun, örneğin arama, filtreleme, sıralama ve birleştirmeler için birden çok dizine sahip olması yaygın bir durumdur. Her bir dizin, kümülatif depolama ayak izine eklenir.

  • Arama dizinleri Dataverse: Arama ve Copilot dizin oluşturma gibi Dataverse özellikler, birden çok alana ve tabloya yayılan özel dizinler oluşturur. Bunlar DataverseSearch tablosunda depolanır ve özellikle geliştirme, test ve üretim ortamları gibi birden çok ortamda kullanıldığında önemli ölçüde yer kaplayabilir.

  • Sistem tarafından oluşturulan dizinler: Arama alanları veya ilişkiler gibi bazı dizinler platform tarafından otomatik olarak oluşturulur. Bunlar, açıkça kaldırılmadığı sürece, ilişkili tablolar kullanım dışı bırakılsa bile devam edebilir.

Depolama etkileri

  • Artan veritabanı ve günlük depolama: Dizinler hem veritabanı hem de günlük depolama kullanımına katkıda bulunur ve bu da lisanslama maliyetlerini Dataverse etkileyebilir.
  • Ortam çoğaltma: Ortamlar kopyalandığında veya yenilendiğinde, tüm dizinler çoğaltılır ve geliştirme, test ve üretim ortamlarında depolama kullanımını artırır.
  • Bakım ek yükü: Dizinler, veri değişiklikleri olarak güncelleştirilmelidir ve bu da yazma gecikme süresini ve kaynak tüketimini artırabilir.

Depolama üzerinde sunucu tarafı eşitleme etkisi

Sunucu tarafı senkronizasyonu Dataverse , e-postaların, randevuların ve görevlerin ve Microsoft Exchange arasında Dataversesorunsuz bir şekilde tümleştirilmesini sağlar. Üretkenliği ve otomasyonu artırırken, depolama tüketimine de aşağıdaki şekillerde katkıda bulunur.

  • Etkinlik kaydı oluşturma: Eşitlenen her e-posta veya randevu, meta verileri, gövde içeriğini ve olası ekleri içeren bir etkinlik kaydı Dataverse oluşturur.
  • Ek depolama alanı: Ekler filtrelenmez veya boşaltılmazsa doğrudan içinde Dataverse depolanır ve bu da depolama alanı kullanımını artırır.
  • Uyumluluk ve saklama: Uyumluluk izlemesi için sunucu tarafı eşitlemesi kullanan kuruluşlar, gerekenden daha fazla veri depolayabilir ve depolamayı daha da şişirebilir.
  • Korumalı içerik: Purview korumalı e-postalar bile içerik görünürlüğü sınırlı olsa da, yer kaplayan yer tutucu kayıtları oluşturmaya devam eder.

Bu etkiyi yönetmek için kuruluşlar bekletme ilkeleri uygulamalı, ekleri boşaltmayı düşünmeli ve etkinlik kaydı hacimlerini düzenli olarak izlemelidir.

Sürekli büyüyen depolama alanını nasıl yönetebilirim?

İster halihazırda depolama fazlalıklarıyla karşı karşıya olun ister bunların bir adım önünde olmayı hedefliyor olun, Dynamics 365 finans ve operasyon platformunda veri büyümesini Dataverse yönetmek bilinçli, ilke odaklı bir yaklaşım gerektirir. Bu bölümde iki stratejik giriş noktası özetlenmektedir: reaktif düzeltme ve proaktif idare.

İki olası senaryo vardır:

  1. Depolamayı yönetmek ve gelecekte yüksek maliyetlerden kaçınmak için en iyi uygulamaları proaktif olarak uygulamak istiyorsunuz.
  2. Zaten depolama boyutunu ve maliyetini azaltmanın gerekli olduğu bir durumdasınız.

Depolama boyutunu ve maliyetlerini yönetmek için en iyi uygulamaları uygulayın

Senaryo 1: Depolamayı yönetmek için en iyi yöntemleri proaktif olarak uygulamak istiyorsunuz

Henüz kriz modunda değilseniz, depolamayı proaktif olarak yönetmek için araç ve teknikleri uygulamanın tam zamanı.

Verileriniz için analitiği yapılandırma

Kuruluşlar büyüdükçe, temel iş uygulamalarının performansını etkilemeden operasyonel verilerden içgörüler elde etme ihtiyacı da artar. Microsoft, kendi veri gölünüz veya ambarınızla tümleştirerek Dynamics 365 finans ve operasyon verileri üzerinde Dataverse analizlere ve Dynamics 365 finans ve operasyon verilerine izin vermek için birden çok yol sunar.

İşte göz önünde bulundurmanız gereken iki güçlü seçenek:

Seçenek 1. Link'i kullanın Azure Synapse - kendi gölünüzü getirin

Azure Synapse Bağlantı, doğrudan kendi Azure Data Lake veya Synapse çalışma alanınıza bağlanmanıza Dataverse olanak tanır. Bu, karmaşık ETL işlem hatları yazmadan işletimsel verilerin analitik bir ortama neredeyse gerçek zamanlı olarak çoğaltılmasına olanak tanır.

Fayda -ları:

  • Canlı veya canlıya yakın veriler üzerinde gelişmiş analizler ve yapay zeka modelleri çalıştırın.
  • Üretim sistemleriniz üzerinde performans etkisinden kaçının.
  • T-SQL, Spark gibi tanıdık araçları veya Power BI raporlama için kullanın.

Kullanım örneği örneği: Bir perakende şirketi, bölgeler arasında müşteri satın alma davranışını analiz etmek için Synapse Link'i kullanıyor ve müşteri ilişkileri yönetimi verilerini kendi göllerinde harici, pazar verileriyle birleştiriyor Dataverse .

Seçenek 2. OneLake'i kullanın – birleşik analitik Microsoft Fabric

OneLake'in Microsoft Fabric bir parçası olan OneLake, finans ve operasyon uygulamaları da dahil olmak üzere Dataverse birden çok kaynaktan gelen verileri yineleme olmadan depolayabileceğiniz ve analiz edebileceğiniz birleşik bir veri gölü deneyimi sağlar.

Fayda -ları:

  • Tüm analitik iş yükleri için merkezi depolama.
  • Synapse ve yapay zeka hizmetleriyle yerel tümleştirme Power BI.
  • Veri etki alanları arasında basitleştirilmiş yönetişim ve güvenlik.

Kullanım örneği örneği: Bir finansal hizmetler firması, finans ve operasyon uygulamalarından Dataverse gelen operasyonel verileri ve harici ekonomik göstergelerle konsolide etmek için OneLake'i kullanarak gerçek zamanlı, risk modelleme ve yönetici panolarına olanak tanır. Bunu yaparak, işletimsel verileri çekirdek sistemlerinizden ayırabilir ve iş yüklerini çoğaltmadan veya performansı etkilemeden bu verileri kendi analitik ortamlarına aktararak ölçeklenebilir, uygun maliyetli analizlere olanak tanıyabilirsiniz.

Depolamayı azaltmak için araçlar ve teknikler

Dataverse Yöneticilerin depolamayı verimli bir şekilde yönetmesine ve sistem performansını korumasına yardımcı olmak için çeşitli yerleşik araçlar ve stratejiler sunar.

Dataverse

İdare ilkeleriyle verileri yönetme

  • En çok depolama alanı kullanan ortamlar ve tablolarla başlayın.
  • Yalnızca bir kerelik temizlemeye güvenmek yerine tahmin edilebilir veri büyümesi için yinelenen idare ilkelerini kullanın.
  • Silme ve saklama ölçütlerini üretim ortamında kullanmadan önce korumalı alan ortamında test edin.
  • İlke sonuçlarını ve hatalarını düzenli olarak gözden geçirin.
  • Gerekli veriler silinemiyorsa veya uzun süreli saklamaya taşınamıyorsa depolama kapasitesi ekleyin.

Ortam ve veri temizleme

  • Kullanılmayan ortamları silme: Depolama alanını kurtarmak ve Kişisel Olarak Tanımlanabilir Bilgileri (PII) kaldırmak için bir ortamı silebilirsiniz.
  • Toplu silme işleri: Aşağıdaki verileri toplu olarak silebilirsiniz:
    • Eski veriler veya işletmeyle ilgisi olmayan veriler.
    • Gerekli olmayan test veya örnek verileri.
    • Diğer sistemlerden hatalı şekilde içeri aktarılan veriler.

Dosya ve tablo optimizasyonu

  • Gelişmiş bulmayı kullanarak dosya depolama alanını azaltın: Bu makale, depolama alanınızı daha iyi yönetmeniz için size 15 yöntem sunar. Toplam veri depolama alanı kullanımınızı denetlemek için bu yöntemlerden birini veya daha fazlasını kullanın. Gereksinim duyulduğunda veri kategorilerini silebilir veya toplu silme işlerini belirli aralıklarla yinelenecek şekilde ayarlayabilirsiniz. Örneğin, notları, ekleri, içeri aktarma geçmişini ve diğer verileri silebilirsiniz.
  • Sistem işi (AsyncOperationBase) ve işlem günlüğü (WorkflowLogBase) tablolarından kayıtları temizleme: Kuruluşunuz iş akışlarını veya iş süreci akışlarını yoğun bir şekilde kullanıyorsa, bu tablolar (AsyncOperationBase, WorkflowLogBase) zamanla büyür ve sonunda performans sorunlarına neden olacak ve kuruluş veritabanınızda aşırı depolama alanı kullanacak kadar büyük hale gelir. WorkflowLogBase için, tamamlanan arka plan iş akışı işlerini otomatik olarak silmek içinyapılandırabilirsiniz.

Uzun süreli saklama (LTR) ve arşivleme

Arama dizini optimizasyonu

  • Aramayı Dataverse azalt: Kapasite tabanlı depolama ayrıntılarındaki Dataverse tüm adımları gerçekleştirerek depolama boyutunu azaltabilirsiniz.
  • DataverseSearch tablosunun boyutunu azaltma: DataverseSearch tablosu, arama dizini tarafından kullanılan kümülatif depolama alanıdır Dataverse . Ortamınız için dizine aldığınız tabloların tüm aranabilir, alınabilir ve filtrelenebilir alanlarındaki verileri içerir. Bir veya daha fazla tablo için sütunları bulma, sütunları görüntüleme ve filtre koşullarını kaldırarak tablo boyutunu azaltabilirsiniz. Tüm dizinlenmiş verileri kaldırmak için Dataverse aramasını kapatabilirsiniz.
Finans ve operasyon uygulamaları

Finans ve operasyon uygulamaları, üretim ve korumalı alan ortamlarında depolamayı yönetmek için esnek seçenekler sunar.

Çevre yönetimi

  • Tam üretim kopyalarının sayısını sınırlayın: Korumalı alan ortamlarındaki tam üretim kopyalarını kaldırarak finans ve operasyon uygulamalarının genel depolama tüketimini azaltabilirsiniz. Örneğin, bir korumalı alanda üretim ortamlarının beş kopyası varsa, depolama tüketiminiz üretim ile bir korumalı alandaki üretim ortamlarının beş kopyasının toplamıdır.
  • Korumalı alan ortamlarında verileri kırpın: Korumalı alan ortamındaki verileri kırparak genel depolama ayak izini azaltabilirsiniz. Sandbox içerisindeki verileri temizlemek için aşağıdaki yöntemleri takip edebilirsiniz.
    • Geri yükleme işlemi, bir açma ve kırpma işlemi sağlar
    • T-SQL yazma
    • X++ yazın
  • Ortamlar arasında işlemsiz kopyalama gerçekleştirin: Finans ve operasyon uygulamaları için ortam kopyalama geleneksel olarak yapılandırma, ana veriler ve işlemler dahil olmak üzere tam veritabanı çoğaltmasını içerir ve bu da hata ayıklama için yararlı olsa da hem finans hem de operasyonlarda Dataverse depolama tüketimini önemli ölçüde artırır.

Özel temizleme ve günlük yönetimi

  • Gerektiği gibi özel temizleme rutinleri yazın: İstenmeyen verileri temizlemek için işletmenizin ihtiyaç duyduğu özel temizleme rutinleri yazabilirsiniz.
  • Günlükleri depolamaktan kaçının: Genel depolama ayak izini azaltmak için SysDatabaseLog'u daha az işlemsel bir veritabanına taşıyabilirsiniz .

Arşivleme ve uzun süreli saklama

  • Veri arşivleme: LTR: Finans ve operasyon uygulamaları, kuruluşların arşivleme yoluyla aşağıdaki avantajları elde etmesine olanak tanır:
    • Denetim, yasal ve mevzuat gereksinimlerini karşılamak için geçmiş, etkin olmayan uygulama verilerini uzun vadede güvenli hale getirin.
    • Büyük tablolarla ilişkili uygulama performansını potansiyel olarak artırmak için uygulama veritabanının boyutunu ve tüketilen kapasiteyi azaltın.
  • Arşiv verilerini ayarlama ve yönetme
  • Arşiv özelleştirme
  • Stok hareketi konsolidasyonu

Yerleşik temizlik rutinleri

  • Temizleme rutinleri: Dynamics 365 Finance'te ve Dynamics 365 Supply Chain Management temizleme rutinleri çeşitli modüllerde mevcuttur. Temizleme rutinleri , şu anda mevcut olan rutinlere genel bir bakış sağlar. Korumalı alan veritabanını kopyaladıktan sonra, toplu iş geçmişi, günlükler ve perakende işlem geçmişi gibi gereksiz tabloları kaldırmak için bu temizleme yordamlarını proaktif olarak çalıştırın. Eski veya alakasız verileri silin.
  • Kredi kartı işlem verilerini arşivleme: Kredi kartı ödeme belirteçlerini arşivleyerek veritabanında yer açmaya yardımcı olabilecek bir arşivleme işini Dynamics 365 Commerce açıklar.

Depolama boyutunu ve maliyetlerini azaltın

Senaryo 2: Depolama boyutunu ve maliyetini azaltmanın gerekli olduğu bir durumdasınız

Depolama alanını neyin tükettiğini değerlendirin

  • En çok tüketen tabloları Power Platform , dosya türlerini ve günlükleri belirlemek için yönetim merkezi ile finans ve operasyon depolama raporlarını kullanın.
  • Kullanımı belirli uygulamalara, kullanıcılara veya departmanlara ilişkilendirmek için varsa telemetri kullanın.

Temizlik adaylarına öncelik verin

  • Odaklanmak üzere:
    • Çift yazma arabellekleri gibi hazırlama ve tümleştirme tabloları
    • Denetim günlükleri: Kendi depolama alanınızda saklayın
    • Kullanılmayan ortamlar veya korumalı alanlar
    • Artık meta veriler ve arama dizinleri
    • İhtiyacınız olmayanları silin, örneğin toplu silme

Analitik raporlama için Synapse Link ve OneLake'i kullanın

  • Analitik verileri Synapse Link'e aktarın.
  • Raporlama ve analitik amaçlarla saklanan verilere ve iş verilerine erişmek için OneLake'i kullanın.

Uzun süreli saklama (LTR) uygulama

  • LTR ilkelerini kullanarak geçmiş verileri Yönetilen Veri Gölü'ne (MDL) taşıyın.
  • Hızlı Bul, Synapse Link veya OneLake aracılığıyla arama ve analiz erişimini koruyun.

Kullanım örnekleri

Finans ve operasyon ortamlarında depolama yönetimi Dataverse için kullanım senaryoları, veritabanı alanını optimize etmek, sistem performansını artırmak ve yasal gereksinimleri karşılamak için kritik öneme sahiptir. Aşağıda, bu stratejilerin nasıl uygulanabileceğini gösteren bazı tipik senaryolar verilmiştir:

  • Geçmiş verilerin büyümesini yönetme

    • Senaryo: Bir işletme birkaç yıldır Dynamics 365'te yayında ve büyük hacimli geçmiş işlemler ve ekler biriktirmiş.
    • Eylem: Etkin olmayan verileri korumak, birincil veritabanı boyutunu azaltmak ve denetim gereksinimleriyle uyumluluğu sürdürmek için uzun vadeli saklama stratejileri uygulayın.

  • Uyumluluk odaklı veri saklama

    • Senaryo: Düzenlemeye tabi bir sektör müşterisi, finansal verileri veya müşteri verilerini kurcalamaya karşı korumalı bir biçimde yedi ila on yıl boyunca saklamalıdır.
    • Eylem: Sabit, salt okunur verileri yasal ve düzenleyici gerekliliklere uygun olarak saklamak için LTR'yi kullanın ve analiz ve raporlamadan ödün vermeden iş verilerini yalın tutun.

  • Arama ve Yardımcı pilot indeks optimizasyonu

    • Senaryo: Dataverse Arama ve Copilot dizin oluşturma, kullanılmayan tablolar da dahil olmak üzere tüm ortamlarda etkinleştirilir.
    • Eylem: Aranabilir alanları denetleyin ve düşük değerli veya kullanım dışı bırakılan tablolar için dizin oluşturmayı devre dışı bırakın. DataverseSearch tablosunun boyutunu izleyin ve günlük ve veritabanı depolamasını azaltmak için yapılandırmaları iyileştirin.

  • Denetim ve telemetri yönetimi

    • Senaryo: Eklenti izleme günlükleri ve denetim günlükleri hızla büyüyor, depolama alanını tüketiyor ve performansı etkiliyor.
    • Eylem: Günlükleri Azure İzleyici gibi dış sistemlere aktarın ve depolama alanını şişirmeden görünürlüğü korumak için eski girişlerin temizlenmesini otomatikleştirin.

  • Veri ambarı ve analitik entegrasyonu

    • Senaryo: Kuruluş, işletimsel verileri analiz için veya OneLake'e Azure Synapse çoğaltır ve bu da yinelenen depolamaya yol açar.
    • Eylem: Zengin içgörülere izin verirken yedekliliği en aza indirmek için artımlı dışarı aktarmaları kullanın, filtreler uygulayın ve tam veri kümesi çoğaltmasından kaçının.

  • Depolama fazlalıklarının azaltılması

    • Senaryo: Müşteri, depolama kotasının aşılmasıyla Dataverse ilgili bir bildirim alır ve bu da beklenmeyen maliyetlere yol açar.
    • Eylem: En çok tüketen tabloları belirlemek, eski ortamları temizlemek ve kullanılmayan ekleri veya günlükleri kaldırmak için kapasite raporlarını kullanın. Seyrek erişimli verileri (genellikle geçmiş veya seyrek erişilen kayıtlar) daha düşük maliyetli depolama katmanlarına taşımayı göz önünde bulundurun.

  • Büyük tablolarda performansı en iyi duruma getirme

    • Senaryo: Büyük tablolar nedeniyle iş açısından kritik süreçler yavaşlıyor.
    • Eylem: Eski kayıtları arşivleyin, sistem işlerini temizleyin, örneğin AsyncOperationBase ve WorkflowLogBase.

  • Ortam yaşam döngüsü yönetimi

    • Senaryo: Geliştirme ve test ortamları, tüm verileri ve dizinleri çoğaltarak üretimden kopyalanır.
    • Eylem: Yenilemeden sonra korumalı alan ortamlarını kırpın, gereksiz arama dizini oluşturmayı devre dışı bırakın ve yedekli depolama tüketimini azaltmak için test verilerini kaldırın. Depolama alanından tasarruf etmek için kullanılmayan korumalı alan ortamlarını silin.

Örnek olaylar

Örnek olay incelemesi 1: Dizin temizleme yoluyla depolama fazlalıklarını azaltma

Müşteri profili: Tedarik zinciri ve finans ve operasyon uygulamaları için Dynamics 365 kullanan küresel bir üretim şirketi.

Sorun: Müşteri, üretim ortamında beklenmeyen depolama fazlalıkları ve performans düşüşü yaşıyordu. Araştırma, erken uygulama sırasında oluşturulan birden çok özel dizinin ve gerçekleştirilmiş görünümün artık kullanımda olmadığını, ancak yine de önemli miktarda depolama alanı tükettiğini ortaya çıkardı.

Çözüm: Ekip, tüm özel dizinler için üç aylık bir denetim gerçekleştirdi ve etkin sorgular veya raporlar tarafından başvurulmayanları kaldırdı. Ayrıca, dağıtımdan önce yeni dizin isteklerini gözden geçirmek için bir idare ilkesi de uyguladılar.

Sonuç:

  • Veritabanı depolama alanı %28 oranında azaltıldı.
  • Sorgu performansı %15 iyileştirildi.
  • Diğer depolama maliyetlerinde yılda öngörülen $12,000 artışından kaçınıldı.

Örnek olay incelemesi 2: Uyumluluk ve performans hedeflerini karşılamak için geçmiş verileri arşivleme

Müşteri profili: Müşteri ekleme ve servis talebi yönetimi işlevleri için Dynamics 365 kullanan Dataverse bir finansal hizmetler firması.

Zorluk: Firmanın yasal gereklilikleri karşılamak için müşteri kayıtlarını yedi yıldan fazla bir süre boyunca saklaması gerekiyordu, ancak etkin olmayan verilerin artan hacmi aktif iş akışlarını yavaşlatıyor ve depolama maliyetlerini artırıyordu.

Çözüm: Müşteri, arşivleme özelliklerini kullanarak Dataverse uzun vadeli bir saklama stratejisi uyguladı. Etkin olmayan kayıtlar salt okunur, maliyet açısından optimize edilmiş bir depolama katmanına taşınırken, etkin veriler yüksek performanslı depolama alanında kaldı.

Sonuç:

  • 1,2 milyondan fazla kayıt arşivlendi.
  • Birincil veritabanı boyutu %40 oranında azaltıldı.
  • Tam denetlenebilirlik ve saklama politikalarına uygunluk sağlandı.

Örnek olay incelemesi 3: Ortamlar arasında arama dizinlerini kolaylaştırma

Müşteri profili: Geliştirme, test ve üretim ortamları dahil olmak üzere birden çok Dataverse ortama sahip olan ve Copilot özellikli bir müşteri ilişkileri yönetimi çözümünü destekleyen bir perakende kuruluşu.

Sorun: Arama dizinleri, kullanılmayan tablolar ve test verileri de dahil olmak üzere tüm ortamlarda kullanıldı. Bu, DataverseSearch tablolarının şişirilmesine ve gereksiz depolama tüketimine yol açtı.

Çözüm: Ekip, aranabilir alanları gözden geçirdi ve geliştirme ve test ortamlarında kritik olmayan tablolarda dizin oluşturmayı durdurdu. Ayrıca ortam yenilemeleri sırasında dizin temizlemeyi otomatikleştirdiler.

Sonuç:

  • Arama dizini depolama alanı %35 oranında azaltıldı.
  • Ortam yenileme süreleri %20 iyileştirildi.
  • Genel günlük ve veritabanı depolama kullanımı düşürüldü.

Örnek olay incelemesi 4: Depolamayı çoğaltmadan analiz için veri dışa aktarmayı kullanma

Müşteri profili: Dynamics 365 kullanan ve Dataverse hasta katılımı ve faturalandırma için çalışan bir sağlık hizmeti sağlayıcısı.

Zorluk: Analiz ekibinin trend analizi ve yapay zeka modellemesi için operasyonel verilere erişmesi gerekiyordu ancak verileri ayrı bir depoya çoğaltmak depolama maliyetlerini ve karmaşıklığı artırıyordu.

Çözüm: Müşteri, OneLake'te artımlı dışa aktarma ve katmanlı depolama ile Link'i kullandı Azure Synapse . Yalnızca temel analitik verileri korudular ve tarihsel derinliği yönetmek için saklama ilkeleri uyguladılar.

Sonuç:

  • Operasyonel sistemleri etkilemeden gerçek zamanlı analizler etkinleştirildi.
  • Yedekli depolama %45 oranında azaltıldı.
  • Analitik veri yaşam döngüsü üzerinde geliştirilmiş yönetişim.

Sonuç

Etkili depolama yönetimi, Dynamics 365 ortamlarında sistem performansını korumak ve kaynak kullanımını optimize etmek için çok önemlidir. Bu makalede özetlenen temizleme yordamları ve arşivleme işleri, değerli veritabanı alanını boşaltmak ve işlemleri kolaylaştırmak için sağlam çözümler sağlar. Müşteriler, LTR ve benzeri teknikler gibi bu araçları kullanarak yaygın depolama zorluklarını ele alabilir ve sürdürülebilir veri yönetimi uygulamaları oluşturabilir. Ayrıca, gerçek dünyadaki vaka çalışmaları, bu yaklaşımların etkinliğini göstermekte ve pratik uygulamalarına ilişkin içgörüler sunmaktadır. Bu stratejilerin benimsenmesi, kuruluşların depolama ihtiyaçlarını proaktif olarak yönetmelerini ve genel verimliliği artırmalarını sağlar.

Başvurular

Depolama temizliği Dataverse:

Finans ve operasyonlarda depolama temizleme:

Depolama kapasitesi:

  • Son güncelleştirme: