Quản lý lưu trữ trong Dataverse và các ứng dụng tài chính và hoạt động

Khi các tổ chức đẩy nhanh hành trình chuyển đổi số, khả năng quản lý dữ liệu hiệu quả sẽ trở thành mệnh lệnh chiến lược của doanh nghiệp. Với sự gia tăng của các ứng dụng hỗ trợ AI và quy trình làm việc do Copilot điều khiển, các doanh nghiệp đang tạo ra và sử dụng dữ liệu với tốc độ chưa từng có. Dữ liệu này thúc đẩy sự đổi mới, cho phép trải nghiệm được cá nhân hóa và hỗ trợ việc ra quyết định quan trọng, nhưng chỉ khi dữ liệu được quản lý và lưu trữ một cách thông minh.

Để hỗ trợ những nhu cầu kinh doanh đang thay đổi này, các tổ chức phải áp dụng chiến lược quản lý lưu trữ chủ động. Điều này đảm bảo rằng dữ liệu không còn cần thiết cho hoạt động hàng ngày sẽ được xử lý một cách có trách nhiệm, giải phóng năng lực cho khối lượng công việc có giá trị cao, giảm thiểu sự cản trở trong hoạt động và tuân thủ các yêu cầu về tuân thủ và kiểm toán.

Về mặt kỹ thuật, việc quản lý lưu trữ hiệu quả trong Dataverse và Dynamics 365 sẽ nâng cao hiệu suất hệ thống, cải thiện hiệu quả chi phí và đảm bảo tuân thủ các chính sách lưu giữ dài hạn (LTR). Cả hai nền tảng đều cung cấp các công cụ và khả năng tự động hóa giúp các tổ chức quản lý lưu trữ.

Bằng cách triển khai các chiến lược được nêu trong bài viết này, các doanh nghiệp có thể giảm chi phí hỗ trợ, hợp lý hóa việc tuân thủ và khai thác nhiều giá trị hơn từ các ứng dụng kinh doanh của mình, biến lưu trữ từ một hạn chế thành lợi thế cạnh tranh.

Lợi ích chính

Quản lý lưu trữ hiệu quả trong Dataverse và Dynamics 365 mang lại một số lợi ích chính giúp giải quyết những vấn đề chung của khách hàng và nâng cao hiệu quả hoạt động chung.

  • Tăng cường tuân thủ chính sách LTR: Quản lý lưu trữ hiệu quả đảm bảo dữ liệu được lưu trữ tuân thủ chính sách LTR. Điều này không chỉ giúp đáp ứng các yêu cầu theo quy định mà còn đảm bảo dữ liệu quan trọng được lưu giữ và có thể truy cập khi cần.

  • Cải thiện hiệu suất: Bằng cách tối ưu hóa quản lý lưu trữ, các tổ chức có thể cải thiện đáng kể hiệu suất của hệ thống. Phân bổ và quản lý lưu trữ hiệu quả giúp giảm độ trễ và cải thiện tốc độ truy xuất dữ liệu, giúp hoạt động mượt mà và nhanh hơn.

  • Nâng cao hiệu quả chi phí: Quản lý lưu trữ hiệu quả giúp các tổ chức tập trung vào dữ liệu có giá trị cao bằng cách sắp xếp hợp lý và dọn dẹp không gian lưu trữ của họ. Bằng cách chỉ giữ lại những gì cần thiết, doanh nghiệp có thể tối ưu hóa dung lượng lưu trữ, dẫn đến việc sử dụng tài nguyên thông minh hơn và khả năng mở rộng tiết kiệm chi phí.

Nền

Khi các tổ chức phát triển và số hóa nhiều hoạt động hơn, khối lượng dữ liệu kinh doanh được lưu trữ trong các hệ thống như Dataverse và Dynamics 365 sẽ tăng đều đặn. Điều này không chỉ bao gồm dữ liệu giao dịch đang hoạt động mà còn bao gồm cả hồ sơ lịch sử phải được lưu giữ cho mục đích kiểm toán, quản lý hoặc duy trì hoạt động kinh doanh. Theo thời gian, sự tích tụ này có thể dẫn đến suy giảm hiệu suất, tăng chi phí hoạt động và tăng chi phí lưu trữ, đặc biệt là khi dữ liệu không còn được sử dụng nữa vẫn nằm trong các tầng lưu trữ hiệu suất cao.

Một chiến lược quản lý lưu trữ được xác định rõ ràng sẽ giúp các tổ chức giải quyết những thách thức này bằng cách xác định dữ liệu có thể được lưu trữ, dọn dẹp hoặc chuyển đến bộ lưu trữ có chi phí thấp hơn và được tối ưu hóa khả năng đọc. Điều này rất quan trọng đối với các tình huống tuân thủ trong đó dữ liệu phải không thay đổi, ít quyền truy cập và chỉ đọc, chẳng hạn như hồ sơ tài chính, nhật ký kiểm toán hoặc hồ sơ nộp theo quy định. Đảm bảo dữ liệu đó được lưu giữ theo cách tuân thủ, mà không ảnh hưởng đến hiệu suất của hệ thống đang hoạt động là yêu cầu quan trọng đối với nhiều doanh nghiệp.

Bằng cách sử dụng các công cụ và chiến lược có sẵn trên cả hai nền tảng, các tổ chức có thể hiểu rõ hơn về dung lượng lưu trữ, giảm mức tiêu thụ không cần thiết và đảm bảo dữ liệu quan trọng về mặt tuân thủ được xử lý phù hợp.

Bài viết này phác thảo những cách tiếp cận thực tế trong quản lý lưu trữ giúp khách hàng điều chỉnh hoạt động lưu trữ dữ liệu của mình theo nhu cầu kinh doanh và quy định. Điều này cải thiện hiệu suất hệ thống, giảm chi phí hoạt động và đảm bảo các nghĩa vụ tuân thủ được đáp ứng mà không có sự thỏa hiệp.

Tại sao chúng tôi lưu trữ dữ liệu

Để lựa chọn và tối ưu hóa mô hình lưu giữ dữ liệu phù hợp cho dữ liệu của bạn, điều quan trọng là phải xem xét lý do và mục đích sử dụng dữ liệu.

Dữ liệu hoạt động

Với ứng dụng kinh doanh, dữ liệu hoạt động được sử dụng để theo dõi doanh số hoặc các hoạt động tài chính hoặc chuỗi cung ứng.

Dữ liệu này cần được truy cập theo thời gian thực, hỗ trợ các quy trình hoạt động nội bộ và của khách hàng, ghi lại các hành động chi tiết như tương tác với khách hàng, đơn đặt hàng hoặc hoạt động kiểm kê.

Theo thời gian, dữ liệu vận hành có thể chuyển từ trạng thái được sử dụng tích cực sang trạng thái ít được sử dụng. Dữ liệu có thể cần phải được truy cập gần như theo thời gian thực để hỗ trợ khách hàng đặt hàng hoặc trong trường hợp hỗ trợ. Ví dụ, hãy xem xét các tình huống sau:

  • Một khách hàng đặt hàng, trong khi một khách hàng khác, người đã không tương tác với doanh nghiệp trong một thời gian, cũng đặt hàng.
  • Mỗi đơn hàng đã được đặt và đang được vận chuyển đều được truy cập liên tục. Ngoài ra, còn có những đơn hàng được bảo hành trong thời hạn ba năm có thể cần được tham khảo để được hỗ trợ và có thể yêu cầu hoàn lại tiền.

Điều này có thể dẫn đến các giai đoạn nhu cầu truy cập dữ liệu hoạt động như sau:

  • Dữ liệu được truy cập tích cực trong vòng chưa đầy một năm.
  • Dữ liệu được truy cập không thường xuyên trong vòng chưa đầy ba năm.
  • Hơn ba năm dữ liệu không còn được truy cập nữa.

Bản chất thời gian thực của lưu trữ hoạt động khiến cho nó tương đối tốn kém so với các loại lưu trữ khác, do đó, việc nhận biết khi nào cần truy cập dữ liệu để hoạt động và khi nào thì không rất quan trọng để xác định chiến lược lưu giữ.

Tích hợp hoạt động

Là một danh mục sử dụng hoạt động chuyên biệt, dữ liệu có thể cần được sao chép giữa nhiều hệ thống hoạt động, bao gồm các mẫu như:

  • Ngân hàng : Quản lý quan hệ khách hàng cho các tương tác với khách hàng tuyến đầu và sao chép sang nhiều hệ thống ngân hàng. Ví dụ, bạn có tài khoản vãng lai, thẻ tín dụng, thế chấp và hệ thống kiểm tra tín dụng.
  • Chế tạo : Quản lý quan hệ khách hàng cho hoạt động tiếp nhận đơn hàng và hệ thống quản lý nguồn lực doanh nghiệp cho quản lý chuỗi cung ứng.
  • Xử lý khẩn cấp của cảnh sát :Quản lý quan hệ khách hàng để tương tác với công dân và hệ thống điều phối cho sở cảnh sát cung cấp dịch vụ quản lý triển khai.

Trong những trường hợp này, mặc dù mỗi hệ thống có thể có dữ liệu riêng để theo dõi, nhưng thường có dữ liệu chính chung cần được chia sẻ giữa các hệ thống và được đồng bộ hóa, dẫn đến nhu cầu tích hợp.

Dữ liệu kiểm toán

Một doanh nghiệp thường có trách nhiệm theo quy định phải lưu giữ dữ liệu trong thời gian dài—ví dụ trung bình là bảy năm—cho mục đích kiểm toán, dù là nội bộ hay bên ngoài, chẳng hạn như hỗ trợ kiểm toán tài chính, công bố theo quy định hoặc đánh giá gian lận.

Dữ liệu này thường bao gồm cả dữ liệu cần thiết cho mục đích vận hành và dữ liệu không còn cần thiết nữa vì nó cho phép xem xét toàn bộ tập dữ liệu từ một nơi.

Dữ liệu phân tích

Các tổ chức có nhu cầu xem xét và phân tích tình hình kinh doanh của mình. Họ phải đo lường và so sánh số liệu thống kê theo thời gian, bao gồm nhiều hoặc tất cả các bộ phận của doanh nghiệp.

Khoảng thời gian và phạm vi dữ liệu lớn mà quá trình phân tích này có thể diễn ra dẫn đến nhu cầu sao chép dữ liệu hoạt động vào các công cụ phân tích chuyên biệt. Điều này giúp tránh việc phân tích phức tạp ảnh hưởng đến hiệu suất của hệ thống vận hành, nhưng cũng cho phép phân tích trên các tập dữ liệu vượt ra ngoài khoảng thời gian cần dữ liệu cho hoạt động. Ví dụ, bạn có thể cần so sánh dữ liệu trong bảy năm, thay vì trong một đến hai năm. Tuy nhiên, nhu cầu phân tích khác nhau có thể cần toàn bộ thời gian lưu giữ dữ liệu hoặc chỉ bao gồm dữ liệu được lưu giữ trong hệ thống vận hành.

Dữ liệu phân tích thường cho phép tổng hợp dữ liệu từ nhiều bộ phận của doanh nghiệp và kết hợp dữ liệu từ nhiều hệ thống.

Luồng dữ liệu

Dữ liệu thuộc các loại này thường chảy theo thời gian từ dữ liệu hoạt động rồi đến dữ liệu giao dịch hoặc dữ liệu lịch sử, như thể hiện trong hình ảnh sau.

Luồng dữ liệu.

Các loại lưu trữ khác nhau

Dataverse các loại lưu trữ

Dataverse tổ chức lưu trữ thành ba loại chính, mỗi loại có mô hình sử dụng và ý nghĩa thanh toán riêng biệt.

Loại lưu trữ Description Các trường hợp sử dụng phổ biến
Lưu trữ cơ sở dữ liệu Lưu trữ dữ liệu có cấu trúc trong các bảng—tiêu chuẩn và tùy chỉnh. Hồ sơ kinh doanh, siêu dữ liệu, mối quan hệ và cấu hình
Lưu trữ tệp Lưu trữ tệp đính kèm và dữ liệu nhị phân. Tệp đính kèm email, hình ảnh, tài liệu được tải lên qua Power Apps
Lưu trữ nhật ký Lưu trữ nhật ký kiểm tra và nhật ký theo dõi plugin. Theo dõi, kiểm tra, chẩn đoán và tuân thủ thay đổi

Các loại lưu trữ nền tảng tài chính và hoạt động

Kho lưu trữ tài chính và hoạt động được quản lý riêng biệt nhưng ngày càng được tích hợp vào hệ sinh thái. Power Platform Bao gồm các loại lưu trữ sau.

Loại lưu trữ Description Các trường hợp sử dụng phổ biến
Lưu trữ cơ sở dữ liệu hoạt động Dữ liệu giao dịch cốt lõi cho tài chính, chuỗi cung ứng, nguồn nhân lực, v.v. Sổ cái, hàng tồn kho, đơn đặt hàng của khách hàng
Lưu trữ quản lý tài liệu Các đối tượng nhị phân lớn (Blob) được lưu trữ trong Azure Blob Storage Hóa đơn, biên lai, tài liệu được quét
Nhật ký chẩn đoán và đo từ xa Nhật ký hệ thống và dữ liệu đo từ xa Theo dõi hiệu suất, chẩn đoán sự cố.

Các kịch bản lưu trữ được chia sẻ và tích hợp

  • Lưu trữ ghi kép

    • Cho phép đồng bộ hóa thời gian thực giữa Dataverse và các ứng dụng tài chính và vận hành.
    • Cần quản lý vai trò và năng lực cẩn thận để tránh trùng lặp hoặc sử dụng quá mức.

  • Giữ lại dài hạn (LTR)

    • Di chuyển dữ liệu lịch sử đến Hồ dữ liệu được quản lý (MDL).
    • Giảm mức sử dụng bộ nhớ chính trong khi vẫn duy trì khả năng tuân thủ và truy cập phân tích.
    • Tích hợp với:
      • Tìm kiếm nhanh (Dataverse-tìm kiếm gốc)
      • OneLake (Phân tích dựa trên Fabric)
      • Synapse Link (phân tích hồ tùy chỉnh)

Dữ liệu của bạn tăng trưởng như thế nào theo thời gian

Khi các tổ chức mở rộng việc sử dụng Dataverse và nền tảng tài chính và hoạt động Dynamics 365, sự tăng trưởng dữ liệu vừa là dấu hiệu của thành công vừa là thách thức mang tính chiến lược. Những gì bắt đầu như một tập dữ liệu giao dịch tinh gọn có thể nhanh chóng phát triển thành một cơ sở dữ liệu phức tạp, nhiều lớp. Phần này khám phá năm động lực chính thúc đẩy tăng trưởng dữ liệu và ý nghĩa của chúng đối với lưu trữ, hiệu suất và quản trị.

Sử dụng kho dữ liệu trên dữ liệu hoạt động

Để khai thác thông tin chi tiết từ hệ thống vận hành, nhiều tổ chức sử dụng Azure Synapse Link, OneLake hoặc xuất dữ liệu để sao chép dữ liệu từ Dataverse và các ứng dụng tài chính và vận hành vào hệ thống phân tích. Mặc dù hỗ trợ báo cáo nâng cao và khối lượng công việc AI, nhưng nó cũng giới thiệu:

  • Lưu trữ dự phòng trên các lớp hoạt động và phân tích

    Dữ liệu thường bị trùng lặp giữa môi trường vận hành và môi trường phân tích. Sự dư thừa này làm tăng tổng lượng lưu trữ tiêu thụ và có thể dẫn đến chi phí cao hơn, đặc biệt nếu dữ liệu lịch sử được lưu giữ vô thời hạn trong cả hai hệ thống.

  • Trùng lặp lược đồ và chi phí quản lý phiên bản

    Để duy trì tính nhất quán giữa các hệ thống, các tổ chức phải sao chép các thay đổi về lược đồ, ví dụ như các trường mới và các cột được đổi tên, trên cả lớp vận hành và lớp phân tích. Điều này làm tăng tính phức tạp cho quản trị dữ liệu và tăng nguy cơ trôi lược đồ, có thể phá vỡ các báo cáo hoặc mô hình tiếp theo.

  • Tăng cường lưu giữ dữ liệu lịch sử để phân tích xu hướng

    Các hệ thống phân tích thường lưu giữ dữ liệu trong thời gian dài hơn để hỗ trợ phân tích xu hướng, dự báo và báo cáo theo quy định. Mặc dù có giá trị, việc lưu giữ lâu dài này có thể dẫn đến tình trạng phình to các tập dữ liệu nếu không được quản lý bằng các chiến lược lưu trữ và phân tầng phù hợp.

Kho dữ liệu rất cần thiết cho việc phân tích, nhưng nếu không có chính sách vòng đời, nó có thể tăng gấp đôi hoặc gấp ba dung lượng lưu trữ của bạn.

Sử dụng tìm kiếm trên dữ liệu

Các tính năng như tìm kiếm, lập chỉ mục Copilot và tìm kiếm theo mức độ liên quan yêu cầu lập chỉ mục khối lượng lớn dữ liệu có cấu trúc và không có cấu trúc. Dataverse Các chỉ số này thường:

  • Tiêu thụ nhật ký và lưu trữ cơ sở dữ liệu

    Chỉ mục tìm kiếm được lưu trữ trong cả kho lưu trữ nhật ký và cơ sở dữ liệu. Khi có nhiều bảng và trường được đánh dấu là có thể tìm kiếm, kích thước chỉ mục sẽ tăng theo tỷ lệ thuận. Điều này có thể ảnh hưởng đáng kể đến tổng mức sử dụng lưu trữ, đặc biệt là trong môi trường có khối lượng bản ghi lớn hoặc thường xuyên thay đổi lược đồ.

  • Duy trì ngay cả đối với các bảng không sử dụng hoặc đã lỗi thời

    Ngay cả khi một số bảng không còn được sử dụng hoặc không còn được sử dụng nữa, các chỉ mục tìm kiếm liên quan của chúng vẫn có thể tồn tại trừ khi bị xóa một cách rõ ràng. Điều này dẫn đến việc tiêu thụ dung lượng lưu trữ không cần thiết và có thể làm phức tạp việc lập kế hoạch năng lực.

  • Thường được sao chép trên nhiều môi trường, chẳng hạn như môi trường phát triển, thử nghiệm và sản xuất

    Các chỉ mục tìm kiếm thường được sao chép trên các môi trường phát triển, thử nghiệm và sản xuất. Mặc dù điều này đảm bảo hành vi tìm kiếm nhất quán nhưng cũng làm tăng dung lượng lưu trữ, đặc biệt là khi môi trường được sao chép hoặc làm mới thường xuyên.

Tìm kiếm cải thiện khả năng sử dụng và tính sẵn sàng của AI, nhưng việc chỉ mục phình to là tác nhân âm thầm gây ra tình trạng quá tải lưu trữ.

Cho phép ghi nhật ký dữ liệu

Nhật ký kiểm tra, nhật ký theo dõi plug-in và dữ liệu từ xa rất quan trọng đối với việc tuân thủ, gỡ lỗi và giám sát. Tuy nhiên, hãy lưu ý những điểm sau:

  • Dung lượng lưu trữ nhật ký tăng theo mức sử dụng và số lượng người dùng.

    Dữ liệu nhật ký tăng theo tỷ lệ với:

    • Số lượng người dùng và mức độ hoạt động của họ
    • Khối lượng giao dịch và tích hợp
    • Sự phức tạp của logic kinh doanh như plug-in và quy trình làm việc

    Trong môi trường sử dụng nhiều, điều này có thể dẫn đến việc mở rộng nhanh chóng các bảng nhật ký, tiêu tốn cả hạn ngạch lưu trữ cơ sở dữ liệu và nhật ký.

  • Mặc định giữ lại thường quá hào phóng như 90 ngày hoặc hơn.

    Theo mặc định, nhiều tính năng ghi nhật ký sẽ lưu giữ dữ liệu trong thời gian dài, chẳng hạn như 90 ngày hoặc lâu hơn. Mặc dù điều này hỗ trợ khả năng truy xuất dữ liệu lâu dài, nhưng nó có thể dẫn đến việc sử dụng dung lượng lưu trữ không cần thiết, đặc biệt là khi nhật ký không được xem xét hoặc xuất một cách tích cực.

  • Nhật ký do hệ thống tạo ra được lập hóa đơn cho khách hàng trong Dataverse.

    TRONG Dataverse, nhật ký do hệ thống tạo ra, bao gồm nhật ký kiểm tra và nhật ký theo dõi plug-in, được tính vào quyền lưu trữ của khách hàng. Điều này có nghĩa là nếu không có chiến lược dọn dẹp hoặc xuất khẩu phù hợp, việc khai thác gỗ có thể trực tiếp góp phần gây ra tình trạng lưu trữ quá mức và làm tăng chi phí cấp phép.

Việc ghi nhật ký là điều bắt buộc đối với các ngành được quản lý, nhưng phải kết hợp với các chiến lược lưu giữ và xuất dữ liệu, chẳng hạn như Azure Monitor hoặc Log Analytics.

Có nhiều bản sao của môi trường sản xuất

Để hỗ trợ phát triển, thử nghiệm, đào tạo và khắc phục sự cố, khách hàng thường tạo môi trường thử nghiệm hoặc môi trường nhân bản. Mỗi bản sao:

  • Sao chép toàn bộ dữ liệu và dấu vết chỉ mục.
  • Có thể bao gồm các phụ thuộc không rõ ràng như chỉ mục tìm kiếm, nhật ký kiểm tra và siêu dữ liệu.
  • Ít khi được vệ sinh sau khi sử dụng.

Sự phát triển của môi trường là động lực chính gây ra chi phí lưu trữ và tính phức tạp. Chính sách quản trị và tự động hóa là chìa khóa để ngăn chặn.

Tối ưu hóa các truy vấn trên dữ liệu

Khi khối lượng dữ liệu tăng lên và khả năng phản hồi của ứng dụng trở nên quan trọng, khách hàng và ISV thường triển khai nhiều kỹ thuật tối ưu hóa truy vấn khác nhau để cải thiện hiệu suất trong Dataverse và Dynamics 365. Các chiến lược này đặc biệt phổ biến trong các tình huống báo cáo, phân tích và tích hợp nặng.

Để cải thiện hiệu suất, khách hàng và ISV thường tạo:

  • Chỉ mục tùy chỉnh và chế độ xem được hiện thực hóa

    Chúng được sử dụng để tăng tốc thực hiện truy vấn bằng cách tính toán trước các phép nối hoặc tổng hợp. Chúng hữu ích trong các tình huống liên quan đến bộ lọc phức tạp hoặc tập dữ liệu lớn.

  • Bảng không chuẩn hóa để báo cáo

    Để đơn giản hóa báo cáo và giảm độ phức tạp của truy vấn, các nhà phát triển thường tạo các phiên bản dữ liệu quan hệ phẳng. Các bảng này làm giảm nhu cầu liên kết thời gian chạy và cải thiện hiệu suất bảng điều khiển.

  • Lưu trữ các lớp hoặc tổng hợp

    Dữ liệu được truy cập thường xuyên đôi khi được tổng hợp trước hoặc lưu vào bộ nhớ đệm trong các bảng trung gian hoặc kho lưu trữ bên ngoài để giảm tải cho cơ sở dữ liệu chính.

Mặc dù những điều này cải thiện khả năng phản ứng nhưng chúng cũng:

  • Tăng dung lượng lưu trữ

    Mỗi lớp tối ưu hóa giới thiệu nhiều cấu trúc dữ liệu hơn, có thể là bản sao dữ liệu hiện có ở định dạng không chuẩn hóa, dạng xem được tính toán trước hoặc bảng bộ đệm. Các cấu trúc này thường trùng lặp dữ liệu đã được lưu trữ ở nơi khác, dẫn đến tổng dung lượng lưu trữ lớn hơn. Trong môi trường có hạn ngạch lưu trữ nghiêm ngặt hoặc mô hình cấp phép dựa trên chi phí, như Dataverse, điều này có thể nhanh chóng leo thang thành tình trạng vượt mức có thể tránh được.

  • Có thể trở thành mồ côi khi các ứng dụng phát triển

    Khi các ứng dụng phát triển, một số hiện vật tối ưu hóa có thể không còn được tham chiếu bởi các báo cáo, bảng thông tin hoặc tích hợp đang hoạt động. Các đối tượng mồ côi này tiếp tục chiếm dung lượng lưu trữ và thậm chí có thể làm chậm hoạt động của hệ thống, ví dụ như trong quá trình sao lưu hoặc lập chỉ mục, nếu không được xác định và xóa. Nếu không được kiểm toán thường xuyên, chúng có thể tích tụ mà không được phát hiện, làm suy yếu chính những lợi ích về hiệu suất mà chúng được tạo ra để hỗ trợ.

Tối ưu hóa truy vấn là điều cần thiết để mở rộng quy mô nhưng phải cân bằng với việc lưu trữ hợp lý và điều chỉnh theo dữ liệu đo từ xa.

Chỉ mục và tác động của chúng đến lưu trữ

Chỉ mục rất cần thiết để cải thiện hiệu suất truy vấn và sử dụng khả năng truy xuất dữ liệu nhanh trong các tập dữ liệu lớn. Trong cả ứng dụng tài chính và hoạt động Dynamics 365, các chỉ mục được tự động tạo cho các khóa chính và các trường thường xuyên truy vấn, đồng thời có thể xác định các chỉ mục tùy chỉnh khác để hỗ trợ các tình huống kinh doanh cụ thể. Dataverse

Mặc dù chỉ mục rất quan trọng đối với hiệu suất, chúng cũng có tác động trực tiếp đến mức tiêu thụ lưu trữ, thường bị đánh giá thấp trong quá trình thiết kế giải pháp.

Cách các chỉ mục sử dụng dung lượng lưu trữ

  • Trùng lặp dữ liệu vật lý: Mỗi chỉ mục lưu trữ một bản sao của các cột được lập chỉ mục, cùng với các con trỏ tới các hàng tương ứng. Càng nhiều cột và hàng được lập chỉ mục thì kích thước chỉ mục càng lớn.

  • Tăng trưởng theo khối lượng dữ liệu: Khi bảng cơ sở tăng lên, chỉ mục cũng tăng theo. Trong môi trường có nhiều giao dịch, chỉ mục có thể tăng nhanh, đặc biệt là trên các bảng lớn, không chuẩn hóa hoặc những bảng có thao tác chèn và cập nhật thường xuyên.

  • Nhiều chỉ mục trên mỗi bảng: Một bảng thường có nhiều chỉ mục, ví dụ như để tìm kiếm, lọc, sắp xếp và liên kết. Mỗi chỉ mục khác nhau sẽ thêm vào dung lượng lưu trữ tích lũy.

  • Tìm kiếm chỉ mục trong Dataverse: Các tính năng như Dataverse tìm kiếm và lập chỉ mục Copilot tạo ra các chỉ mục chuyên biệt bao gồm nhiều trường và bảng. Những dữ liệu này được lưu trữ trong bảng DataverseSearch và có thể chiếm nhiều dung lượng, đặc biệt là khi sử dụng trên nhiều môi trường như môi trường phát triển, thử nghiệm và sản xuất.

  • Chỉ mục do hệ thống tạo: Một số chỉ mục được nền tảng tự động tạo ra, chẳng hạn như cho trường tra cứu hoặc mối quan hệ. Những điều này có thể vẫn tồn tại ngay cả khi các bảng liên quan đã không còn được sử dụng nữa, trừ khi bị xóa một cách rõ ràng.

Ý nghĩa lưu trữ

  • Tăng dung lượng lưu trữ cơ sở dữ liệu và nhật ký: Các chỉ mục góp phần vào việc sử dụng cả dung lượng lưu trữ cơ sở dữ liệu và nhật ký, điều này có thể ảnh hưởng đến chi phí cấp phép trong Dataverse.
  • Trùng lặp môi trường: Khi môi trường được sao chép hoặc làm mới, tất cả các chỉ mục đều được sao chép, làm tăng mức sử dụng bộ nhớ trên các môi trường phát triển, thử nghiệm và sản xuất.
  • Chi phí bảo trì: Chỉ mục phải được cập nhật khi dữ liệu thay đổi, điều này có thể làm tăng độ trễ ghi và mức tiêu thụ tài nguyên.

Tác động của đồng bộ hóa phía máy chủ lên lưu trữ

Đồng bộ hóa phía máy chủ trong Dataverse cho phép tích hợp liền mạch email, cuộc hẹn và nhiệm vụ giữa Microsoft Exchange và Dataverse. Trong khi nâng cao năng suất và tự động hóa, nó cũng góp phần vào việc tiêu thụ lưu trữ theo những cách sau.

  • Tạo bản ghi hoạt động: Mỗi email hoặc cuộc hẹn được đồng bộ hóa sẽ tạo ra một bản ghi hoạt động trong Dataverse, bao gồm siêu dữ liệu, nội dung chính và có thể là tệp đính kèm.
  • Lưu trữ tệp đính kèm: Nếu tệp đính kèm không được lọc hoặc tải xuống, chúng sẽ được lưu trữ trực tiếp trong Dataverse, làm tăng dung lượng lưu trữ.
  • Tuân thủ và lưu giữ: Các tổ chức sử dụng đồng bộ hóa phía máy chủ để theo dõi sự tuân thủ có thể lưu giữ nhiều dữ liệu hơn mức cần thiết, làm tăng thêm dung lượng lưu trữ.
  • Nội dung được bảo vệ: Ngay cả các email được bảo vệ bằng Purview, mặc dù khả năng hiển thị nội dung bị hạn chế, vẫn tạo ra các bản ghi giữ chỗ chiếm dung lượng.

Để quản lý tác động này, doanh nghiệp nên triển khai chính sách lưu giữ, cân nhắc việc xóa bỏ các tệp đính kèm và theo dõi khối lượng hồ sơ hoạt động thường xuyên.

Tôi có thể quản lý dung lượng lưu trữ ngày càng tăng như thế nào?

Cho dù bạn đang phải đối mặt với tình trạng vượt quá dung lượng lưu trữ hay muốn giải quyết trước tình trạng này, việc quản lý sự tăng trưởng dữ liệu trong Dataverse và nền tảng tài chính và hoạt động Dynamics 365 đòi hỏi một cách tiếp cận có chủ đích và dựa trên chính sách. Phần này phác thảo hai điểm khởi đầu chiến lược: khắc phục phản ứng và quản trị chủ động.

Có hai tình huống có thể xảy ra:

  1. Bạn muốn chủ động áp dụng các biện pháp tốt nhất để quản lý lưu trữ và tránh chi phí cao trong tương lai.
  2. Bạn đã ở trong tình huống cần phải giảm kích thước và chi phí lưu trữ.

Áp dụng các biện pháp tốt nhất để quản lý kích thước và chi phí lưu trữ

Tình huống 1: Bạn muốn chủ động áp dụng các biện pháp tốt nhất để quản lý lưu trữ

Nếu bạn chưa ở trong tình trạng khủng hoảng, bây giờ là lúc áp dụng các công cụ và kỹ thuật để quản lý lưu trữ một cách chủ động.

Cấu hình phân tích cho dữ liệu của bạn

Khi các tổ chức phát triển, nhu cầu trích xuất thông tin chi tiết từ dữ liệu hoạt động cũng tăng lên mà không ảnh hưởng đến hiệu suất của các ứng dụng kinh doanh cốt lõi. Microsoft cung cấp nhiều cách để cho phép phân tích dữ liệu tài chính và hoạt động của Dataverse và Dynamics 365 bằng cách tích hợp với kho dữ liệu hoặc hồ dữ liệu của riêng bạn.

Dưới đây là hai lựa chọn hữu ích mà bạn nên cân nhắc:

Tùy chọn 1. Sử dụng Azure Synapse Liên kết – mang theo hồ của riêng bạn

Azure Synapse Liên kết cho phép bạn kết nối Dataverse trực tiếp với không gian làm việc Azure Data Lake hoặc Synapse của riêng bạn. Điều này cho phép sao chép dữ liệu vận hành gần như theo thời gian thực vào môi trường phân tích mà không cần phải viết các đường ống ETL phức tạp.

Những lợi ích:

  • Chạy các mô hình phân tích nâng cao và AI trên dữ liệu trực tiếp hoặc gần trực tiếp.
  • Tránh tác động đến hiệu suất của hệ thống sản xuất.
  • Sử dụng các công cụ quen thuộc như T-SQL, Spark hoặc Power BI để báo cáo.

Ví dụ về trường hợp sử dụng: Một công ty bán lẻ sử dụng Synapse Link để phân tích hành vi mua hàng của khách hàng trên nhiều khu vực, kết hợp Dataverse dữ liệu quản lý quan hệ khách hàng với dữ liệu thị trường bên ngoài trong chính hồ dữ liệu của họ.

Tùy chọn 2. Sử dụng OneLake – phân tích hợp nhất với Microsoft Fabric

OneLake, một phần của Microsoft Fabric, cung cấp trải nghiệm hồ dữ liệu thống nhất, nơi bạn có thể lưu trữ và phân tích dữ liệu từ nhiều nguồn, bao gồm Dataverse và các ứng dụng tài chính và hoạt động, mà không bị trùng lặp.

Những lợi ích:

  • Lưu trữ tập trung cho tất cả khối lượng công việc phân tích.
  • Tích hợp gốc với Power BI, Synapse và các dịch vụ AI.
  • Quản trị và bảo mật đơn giản trên nhiều miền dữ liệu.

Ví dụ về trường hợp sử dụng: Một công ty dịch vụ tài chính sử dụng OneLake để hợp nhất dữ liệu hoạt động từ các ứng dụng tài chính và hoạt động và Dataverse với các chỉ số kinh tế bên ngoài, cho phép lập mô hình rủi ro theo thời gian thực và bảng điều khiển dành cho giám đốc điều hành. Bằng cách này, bạn có thể tách dữ liệu vận hành khỏi các hệ thống cốt lõi và cho phép phân tích có khả năng mở rộng và tiết kiệm chi phí bằng cách xuất dữ liệu đó sang môi trường phân tích riêng mà không làm chồng chéo khối lượng công việc hoặc ảnh hưởng đến hiệu suất.

Các công cụ và kỹ thuật để giảm lưu trữ

Dataverse cung cấp một số công cụ và chiến lược tích hợp để giúp người quản trị quản lý lưu trữ hiệu quả và duy trì hiệu suất hệ thống.

Dataverse

Dọn dẹp môi trường và dữ liệu

  • Xóa môi trường không sử dụng: Bạn có thể xóa môi trường để khôi phục dung lượng lưu trữ và xóa Thông tin nhận dạng cá nhân (PII).
  • Công việc xóa hàng loạt: Bạn có thể xóa hàng loạt dữ liệu sau:
    • Dữ liệu cũ hoặc dữ liệu không liên quan đến doanh nghiệp.
    • Thử nghiệm không cần thiết hoặc dữ liệu mẫu.
    • Dữ liệu không được nhập chính xác từ các hệ thống khác.

Tối ưu hóa tệp và bảng

Lưu trữ dài hạn (LTR) và lưu trữ

Tối ưu hóa chỉ mục tìm kiếm

  • Giảm Dataverse tìm kiếm: Bạn có thể giảm kích thước lưu trữ bằng cách thực hiện tất cả các bước trong Dataverse chi tiết lưu trữ dựa trên dung lượng.
  • Giảm kích thước của bảng DataverseSearch: Bảng DataverseSearch là dung lượng lưu trữ tích lũy được sử dụng bởi Dataverse chỉ mục tìm kiếm. Nó bao gồm dữ liệu từ tất cả các trường có thể tìm kiếm, truy xuất và lọc được của các bảng bạn đã lập chỉ mục cho môi trường của mình. Bạn có thể giảm kích thước bảng bằng cách xóa các cột tìm kiếm, cột xem và điều kiện lọc cho một hoặc nhiều bảng. Bạn có thể tắt tính năng tìm kiếm Dataverse để loại bỏ tất cả dữ liệu được lập chỉ mục.
Ứng dụng tài chính và hoạt động

Ứng dụng tài chính và vận hành cung cấp các tùy chọn linh hoạt để quản lý lưu trữ trên các môi trường sản xuất và môi trường thử nghiệm.

Quản lý môi trường

  • Giới hạn số lượng bản sao sản xuất đầy đủ: Bạn có thể giảm tổng mức tiêu thụ dung lượng lưu trữ của các ứng dụng tài chính và vận hành bằng cách xóa các bản sao sản xuất đầy đủ trong môi trường hộp cát. Ví dụ, nếu bạn có năm bản sao môi trường sản xuất trong một hộp cát, thì mức tiêu thụ dung lượng lưu trữ của bạn sẽ là tổng của môi trường sản xuất cộng với năm bản sao môi trường sản xuất trong một hộp cát.
  • Cắt bớt dữ liệu trong môi trường hộp cát: Bằng cách cắt bớt dữ liệu trong môi trường hộp cát, bạn có thể giảm tổng dung lượng lưu trữ. Bạn có thể làm theo các phương pháp dưới đây để dọn dẹp dữ liệu trong hộp cát.
    • Quá trình khôi phục cung cấp một lệnh mở và cắt
    • Viết T-SQL
    • Viết X++
  • Thực hiện sao chép không có giao dịch giữa các môi trường: Sao chép môi trường cho các ứng dụng tài chính và vận hành theo truyền thống liên quan đến việc sao chép toàn bộ cơ sở dữ liệu, bao gồm cấu hình, dữ liệu chính và giao dịch. Mặc dù hữu ích cho việc gỡ lỗi, nhưng điều này làm tăng đáng kể mức tiêu thụ dung lượng lưu trữ trên cả tài chính và vận hành và Dataverse.

Dọn dẹp tùy chỉnh và quản lý nhật ký

  • Viết các quy trình dọn dẹp tùy chỉnh khi cần thiết: Bạn có thể viết các quy trình dọn dẹp tùy chỉnh khi doanh nghiệp của bạn cần để dọn sạch dữ liệu không mong muốn.
  • Tránh lưu trữ nhật ký: Bạn có thể di chuyển SysDatabaseLog đến một cơ sở dữ liệu ít giao dịch hơn để giảm tổng dung lượng lưu trữ.

Lưu trữ và lưu giữ lâu dài

Các thói quen dọn dẹp tích hợp

  • Quy trình dọn dẹp: Trong Dynamics 365 Finance và Dynamics 365 Supply Chain Management, các quy trình dọn dẹp có sẵn trong nhiều mô-đun khác nhau. Quy trình dọn dẹp cung cấp cái nhìn tổng quan về các quy trình hiện có. Sau khi sao chép cơ sở dữ liệu hộp cát, hãy chủ động chạy các quy trình dọn dẹp này để xóa các bảng không cần thiết, chẳng hạn như lịch sử hàng loạt, nhật ký và lịch sử giao dịch bán lẻ. Xóa dữ liệu lỗi thời hoặc không liên quan.
  • Lưu trữ dữ liệu giao dịch thẻ tín dụng: Mô tả công việc lưu trữ trong Dynamics 365 Commerce có thể giúp giải phóng dung lượng trong cơ sở dữ liệu bằng cách lưu trữ mã thông báo thanh toán bằng thẻ tín dụng.

Giảm kích thước và chi phí lưu trữ

Tình huống 2: Bạn đã ở trong tình huống cần phải giảm kích thước và chi phí lưu trữ

Đánh giá những gì đang chiếm dung lượng lưu trữ

  • Sử dụng trung tâm quản trị và báo cáo lưu trữ tài chính và hoạt động để xác định các bảng, loại tệp và nhật ký chiếm nhiều dung lượng nhất. Power Platform
  • Sử dụng dữ liệu từ xa, nếu có, để phân bổ mức sử dụng cho các ứng dụng, người dùng hoặc đơn vị kinh doanh cụ thể.

Ưu tiên ứng viên dọn dẹp

  • Tập trung vào:
    • Bảng dàn dựng và tích hợp, chẳng hạn như bộ đệm ghi kép
    • Nhật ký kiểm tra: Lưu giữ trong bộ nhớ của riêng bạn
    • Môi trường hoặc hộp cát chưa sử dụng
    • Siêu dữ liệu mồ côi và chỉ mục tìm kiếm
    • Xóa những gì bạn không cần, ví dụ xóa hàng loạt

Sử dụng Synapse Link và OneLake để báo cáo phân tích

  • Xuất dữ liệu phân tích sang Synapse Link.
  • Sử dụng OneLake để truy cập dữ liệu được lưu giữ và dữ liệu kinh doanh cho mục đích báo cáo và phân tích.

Áp dụng lưu giữ dài hạn (LTR)

  • Di chuyển dữ liệu lịch sử đến Hồ dữ liệu được quản lý (MDL) bằng chính sách LTR.
  • Duy trì quyền truy cập tìm kiếm và phân tích thông qua Tìm kiếm nhanh, Liên kết Synapse hoặc OneLake.

Trường hợp sử dụng

Các trường hợp sử dụng để quản lý lưu trữ trong môi trường tài chính và vận hành rất quan trọng để tối ưu hóa không gian cơ sở dữ liệu, nâng cao hiệu suất hệ thống và đáp ứng các yêu cầu theo quy định. Dataverse Dưới đây là một số tình huống điển hình chứng minh cách áp dụng các chiến lược này:

  • Quản lý sự phát triển của dữ liệu lịch sử

    • Tình huống: Một doanh nghiệp đã sử dụng Dynamics 365 trong nhiều năm và đã tích lũy được khối lượng lớn các giao dịch lịch sử và tệp đính kèm.
    • Hành động: Triển khai các chiến lược lưu giữ dài hạn để giữ lại dữ liệu không hoạt động, giảm kích thước cơ sở dữ liệu chính và duy trì sự tuân thủ các yêu cầu kiểm toán.

  • Lưu giữ dữ liệu theo hướng tuân thủ

    • Tình huống: Một khách hàng trong ngành được quản lý phải lưu giữ dữ liệu tài chính hoặc dữ liệu khách hàng trong bảy đến mười năm ở định dạng không thể giả mạo.
    • Hành động: Sử dụng LTR để lưu giữ dữ liệu chỉ đọc, không thể thay đổi theo yêu cầu pháp lý và quy định, đồng thời duy trì dữ liệu kinh doanh tinh gọn mà không ảnh hưởng đến phân tích và báo cáo.

  • Tối ưu hóa chỉ mục Search và Copilot

    • Kịch bản: Dataverse Tìm kiếm và lập chỉ mục Copilot được bật trên tất cả các môi trường, bao gồm cả các bảng chưa sử dụng.
    • Hành động: Kiểm tra các trường có thể tìm kiếm và vô hiệu hóa lập chỉ mục cho các bảng có giá trị thấp hoặc không còn sử dụng nữa. Theo dõi kích thước của bảng DataverseSearch và tối ưu hóa cấu hình để giảm dung lượng lưu trữ nhật ký và cơ sở dữ liệu.

  • Quản lý kiểm toán và đo từ xa

    • Tình huống: Nhật ký theo dõi và nhật ký kiểm tra của plug-in đang tăng nhanh chóng, chiếm nhiều dung lượng lưu trữ và ảnh hưởng đến hiệu suất.
    • Hành động: Xuất nhật ký sang các hệ thống bên ngoài, như Azure Monitor, và tự động dọn dẹp các mục cũ để duy trì khả năng hiển thị mà không làm tăng dung lượng lưu trữ.

  • Tích hợp kho dữ liệu và phân tích

    • Tình huống: Tổ chức sao chép dữ liệu hoạt động sang Azure Synapse hoặc OneLake để phân tích, dẫn đến lưu trữ trùng lặp.
    • Hành động: Sử dụng xuất gia tăng, áp dụng bộ lọc và tránh sao chép toàn bộ tập dữ liệu để giảm thiểu sự trùng lặp trong khi vẫn cho phép có được thông tin chi tiết sâu sắc.

  • Giảm thiểu tình trạng lưu trữ quá mức

    • Tình huống: Một khách hàng nhận được thông báo về việc vượt quá hạn mức lưu trữ Dataverse , dẫn đến chi phí phát sinh ngoài dự kiến.
    • Hành động: Sử dụng báo cáo năng lực để xác định các bảng sử dụng nhiều nhất, dọn dẹp các môi trường lỗi thời và xóa các tệp đính kèm hoặc nhật ký không sử dụng. Hãy cân nhắc việc di chuyển dữ liệu lạnh - thường là các bản ghi lịch sử hoặc ít được truy cập - sang các tầng lưu trữ có chi phí thấp hơn.

  • Tối ưu hóa hiệu suất trong các bảng lớn

    • Tình huống: Các quy trình quan trọng đối với doanh nghiệp đang chậm lại do các bảng lớn.
    • Hành động: Lưu trữ các bản ghi cũ, dọn dẹp các tác vụ hệ thống, ví dụ như AsyncOperationBase và WorkflowLogBase.

  • Quản lý vòng đời môi trường

    • Kịch bản: Môi trường phát triển và thử nghiệm được sao chép từ môi trường sản xuất, sao chép toàn bộ dữ liệu và chỉ mục.
    • Hành động: Cắt bớt môi trường hộp cát sau khi làm mới, vô hiệu hóa lập chỉ mục tìm kiếm không cần thiết và xóa dữ liệu thử nghiệm để giảm mức tiêu thụ dung lượng lưu trữ dư thừa. Xóa các môi trường hộp cát không sử dụng để tiết kiệm dung lượng lưu trữ.

Nghiên cứu điển hình

Nghiên cứu tình huống 1: Giảm lượng lưu trữ vượt mức thông qua việc dọn dẹp chỉ mục

Hồ sơ khách hàng: Một công ty sản xuất toàn cầu sử dụng Dynamics 365 cho các ứng dụng chuỗi cung ứng, tài chính và vận hành.

Thách thức: Khách hàng đang gặp phải tình trạng vượt quá dung lượng lưu trữ ngoài ý muốn và hiệu suất giảm sút trong môi trường sản xuất của họ. Cuộc điều tra cho thấy nhiều chỉ mục tùy chỉnh và chế độ xem hiện thực được tạo trong giai đoạn triển khai ban đầu không còn được sử dụng nhưng vẫn chiếm nhiều dung lượng lưu trữ.

Giải pháp: Nhóm đã tiến hành kiểm tra hàng quý tất cả các chỉ mục tùy chỉnh và xóa những chỉ mục không được tham chiếu bởi các truy vấn hoặc báo cáo đang hoạt động. Họ cũng triển khai chính sách quản trị để xem xét các yêu cầu lập chỉ mục mới trước khi triển khai.

Kết quả:

  • Giảm dung lượng lưu trữ cơ sở dữ liệu xuống 28%.
  • Cải thiện hiệu suất truy vấn thêm 15%.
  • Tránh được chi phí dự kiến $12,000 mỗi năm cho các chi phí lưu trữ khác.

Nghiên cứu tình huống 2: Lưu trữ dữ liệu lịch sử để đáp ứng mục tiêu tuân thủ và hiệu suất

Hồ sơ khách hàng: Một công ty dịch vụ tài chính sử dụng Dataverse và Dynamics 365 để quản lý trường hợp và tiếp nhận khách hàng.

Thách thức: Công ty cần lưu giữ hồ sơ khách hàng trong hơn bảy năm để đáp ứng các yêu cầu theo quy định, nhưng khối lượng dữ liệu không hoạt động ngày càng tăng đã làm chậm quy trình làm việc đang hoạt động và làm tăng chi phí lưu trữ.

Giải pháp: Khách hàng đã triển khai chiến lược lưu giữ dài hạn bằng cách sử dụng khả năng lưu trữ của . Dataverse Các bản ghi không hoạt động được chuyển đến tầng lưu trữ chỉ đọc, được tối ưu hóa về chi phí, trong khi dữ liệu đang hoạt động vẫn được lưu trữ trong bộ lưu trữ hiệu suất cao.

Kết quả:

  • Lưu trữ hơn 1,2 triệu bản ghi.
  • Giảm 40% kích thước cơ sở dữ liệu chính.
  • Duy trì khả năng kiểm toán đầy đủ và tuân thủ các chính sách lưu giữ.

Nghiên cứu tình huống 3: Tinh giản chỉ mục tìm kiếm trên nhiều môi trường

Hồ sơ khách hàng: Một tổ chức bán lẻ với nhiều môi trường, bao gồm môi trường phát triển, thử nghiệm và sản xuất, hỗ trợ giải pháp quản lý quan hệ khách hàng hỗ trợ Copilot. Dataverse

Thách thức: Các chỉ mục tìm kiếm được sử dụng trên mọi môi trường, bao gồm các bảng chưa sử dụng và dữ liệu thử nghiệm. Điều này dẫn đến các bảng DataverseSearch bị phình to và tiêu tốn dung lượng lưu trữ không cần thiết.

Giải pháp: Nhóm đã xem xét các trường có thể tìm kiếm và ngừng sử dụng lập chỉ mục trên các bảng không quan trọng trong môi trường phát triển và thử nghiệm. Họ cũng tự động dọn dẹp chỉ mục trong quá trình làm mới môi trường.

Kết quả:

  • Giảm 35% dung lượng lưu trữ chỉ mục tìm kiếm.
  • Cải thiện thời gian làm mới môi trường thêm 20%.
  • Giảm tổng dung lượng lưu trữ nhật ký và cơ sở dữ liệu.

Nghiên cứu tình huống 4: Sử dụng xuất dữ liệu để phân tích mà không cần lưu trữ trùng lặp

Hồ sơ khách hàng: Nhà cung cấp dịch vụ chăm sóc sức khỏe sử dụng Dynamics 365 và Dataverse để thu hút bệnh nhân và thanh toán.

Thách thức: Nhóm phân tích cần truy cập vào dữ liệu vận hành để phân tích xu hướng và lập mô hình AI, nhưng việc sao chép dữ liệu vào một kho riêng biệt sẽ làm tăng chi phí lưu trữ và tính phức tạp.

Giải pháp: Khách hàng đã sử dụng Azure Synapse Liên kết với xuất dữ liệu gia tăng và lưu trữ theo từng tầng trong OneLake. Họ chỉ giữ lại dữ liệu phân tích cần thiết và áp dụng chính sách lưu giữ để quản lý chiều sâu lịch sử.

Kết quả:

  • Cho phép phân tích thời gian thực mà không ảnh hưởng đến hệ thống vận hành.
  • Giảm 45% dung lượng lưu trữ dư thừa.
  • Cải thiện khả năng quản lý vòng đời dữ liệu phân tích.

Phần kết luận

Quản lý lưu trữ hiệu quả là rất quan trọng để duy trì hiệu suất hệ thống và tối ưu hóa việc sử dụng tài nguyên trong môi trường Dynamics 365. Các quy trình dọn dẹp và công việc lưu trữ được nêu trong bài viết này cung cấp các giải pháp mạnh mẽ để giải phóng không gian cơ sở dữ liệu có giá trị và hợp lý hóa hoạt động. Bằng cách sử dụng các công cụ như LTR và các kỹ thuật tương tự, khách hàng có thể giải quyết những thách thức phổ biến về lưu trữ và tạo ra các hoạt động quản lý dữ liệu bền vững. Hơn nữa, các nghiên cứu tình huống thực tế chứng minh hiệu quả của các phương pháp này, cung cấp cái nhìn sâu sắc về ứng dụng thực tế của chúng. Việc áp dụng các chiến lược này giúp các tổ chức chủ động quản lý nhu cầu lưu trữ và nâng cao hiệu quả tổng thể.

Tham chiếu

Dọn dẹp kho lưu trữ trong Dataverse:

Dọn dẹp kho lưu trữ trong tài chính và hoạt động:

Dung lượng lưu trữ:

  • Last updated on