Khuyến nghị để tối ưu hóa hiệu suất dữ liệu

Áp dụng cho khuyến nghị về danh sách kiểm tra Hiệu quả hiệu suất được thiết kế tốt này: Power Platform

P.S:08 Tối ưu hóa hiệu suất dữ liệu. Tối ưu hóa kho dữ liệu theo mục đích sử dụng thực tế và dự kiến trong khối lượng công việc.

Hướng dẫn này mô tả các khuyến nghị để tối ưu hóa hiệu suất dữ liệu. Tối ưu hóa hiệu suất dữ liệu là cải thiện hiệu quả xử lý và lưu trữ dữ liệu của khối lượng công việc. Mọi hoạt động khối lượng công việc, giao dịch hoặc tính toán thường dựa vào việc truy xuất, xử lý và lưu trữ dữ liệu nhanh chóng và chính xác. Khi hiệu suất dữ liệu được tối ưu hóa, khối lượng công việc sẽ chạy trơn tru. Hiệu suất dữ liệu bị xâm phạm sẽ tạo ra hiệu ứng domino làm giảm hiệu suất hoạt động. Việc không tối ưu hóa hiệu suất dữ liệu sẽ dẫn đến sự chậm trễ trong phản hồi, độ trễ tăng cao và khả năng mở rộng bị hạn chế. Nó gây nguy hiểm cho hiệu quả của toàn bộ khối lượng công việc.

Định nghĩa

Thuật ngữ Định nghĩa
Lưu trữ dữ liệu Một tài nguyên lưu trữ dữ liệu như cơ sở dữ liệu, kho lưu trữ đối tượng hoặc chia sẻ tệp.
Chỉ mục Cấu trúc cơ sở dữ liệu cung cấp khả năng truy cập nhanh vào các mục.
Xử lý phân tích trực tuyến (OLAP) Một công nghệ giúp tổ chức các cơ sở dữ liệu kinh doanh lớn, hỗ trợ phân tích phức tạp và thực hiện các truy vấn phân tích phức tạp mà không ảnh hưởng tiêu cực đến hệ thống giao dịch.
Xử lý giao dịch trực tuyến (OLTP) Một công nghệ ghi lại các tương tác kinh doanh khi chúng diễn ra trong hoạt động thường ngày của một tổ chức.
Phân vùng Quá trình phân chia dữ liệu vật lý thành các kho dữ liệu riêng biệt.
Điều chỉnh truy vấn Một quy trình tối ưu hóa tốc độ truy vấn cơ sở dữ liệu.

Các chiến lược thiết kế chính

Để tối ưu hóa việc sử dụng dữ liệu, hãy đảm bảo rằng kho dữ liệu được tối ưu hóa cho mục đích sử dụng dự kiến và mục đích sử dụng thực tế trong khối lượng công việc. Việc sử dụng dữ liệu được tối ưu hóa có thể cải thiện hiệu suất truy vấn, giảm mức tiêu thụ tài nguyên và nâng cao hiệu quả chung của hệ thống. Hãy xem xét các chiến lược sau:

  • Dữ liệu hồ sơ. Hiểu dữ liệu của bạn và đảm bảo rằng mô hình dữ liệu phù hợp với khối lượng công việc của bạn. Xem xét các yếu tố như kỹ thuật chuẩn hóa dữ liệu và phân vùng. Để truy xuất dữ liệu hiệu quả, hãy đảm bảo bạn chọn đúng kiểu dữ liệu và xác định mối quan hệ giữa các bảng.

  • Tối ưu hóa hiệu suất truy vấn. Phân tích và tối ưu hóa các truy vấn chạy trong khối lượng công việc. Sử dụng các kỹ thuật như tối ưu hóa truy vấn và lưu trữ đệm. Sử dụng chế độ xem phía máy chủ để lọc trước dữ liệu. Để xác định các điểm nghẽn, hãy sử dụng các công cụ giám sát hiệu suất và sau đó thực hiện những cải tiến cần thiết.

  • Thường xuyên theo dõi và điều chỉnh hệ thống. Liên tục theo dõi hiệu suất khối lượng công việc của bạn và lặp lại cấu hình lưu trữ dữ liệu và tối ưu hóa truy vấn. Dựa trên các biện pháp điều chỉnh hiệu suất tốt nhất, phân tích số liệu hệ thống, xác định các lĩnh vực cần cải thiện và thực hiện thay đổi. Khi dữ liệu tăng lên, bạn có thể phải cập nhật truy vấn để duy trì hiệu suất.

Dữ liệu hồ sơ

Phân tích dữ liệu bao gồm việc kiểm tra dữ liệu từ một nguồn và thu thập thông tin về dữ liệu đó. Mục tiêu là hiểu chất lượng, cấu trúc và đặc điểm của dữ liệu khối lượng công việc. Quá trình này cho phép xác định các vấn đề như giá trị bị thiếu, trùng lặp, định dạng không nhất quán và các bất thường khác.

Để lập hồ sơ dữ liệu hiệu quả, hãy cân nhắc các chiến lược sau:

  • Hiểu cấu trúc dữ liệu. Kiểm tra cấu trúc dữ liệu của bạn, bao gồm bảng, cột và mối quan hệ. Xác định kiểu dữ liệu, độ dài và ràng buộc được áp dụng cho mỗi cột. Đánh giá cấu trúc dữ liệu giúp bạn hiểu cách dữ liệu được tổ chức và cách dữ liệu liên quan đến các phần tử dữ liệu khác.

  • Phân tích khối lượng dữ liệu. Đánh giá khối lượng dữ liệu của bạn để hiểu được quy mô tổng thể và mô hình tăng trưởng. Xác định số lượng hồ sơ hoặc tài liệu và kích thước của từng bảng hoặc bộ sưu tập. Thông tin này giúp bạn ước tính nhu cầu lưu trữ và xác định các vấn đề về khả năng mở rộng.

  • Xác định mối quan hệ dữ liệu. Khám phá mối quan hệ giữa các phần tử dữ liệu. Hiểu cách dữ liệu được kết nối để bạn có thể xác định cách những thay đổi trong một bảng hoặc tài liệu có thể ảnh hưởng đến dữ liệu liên quan.

  • Đánh giá chất lượng dữ liệu. Đánh giá chất lượng dữ liệu của bạn bằng cách kiểm tra các yếu tố như tính đầy đủ, chính xác, nhất quán và tính duy nhất. Xác định các bất thường về dữ liệu, giá trị bị thiếu hoặc bản ghi trùng lặp có thể ảnh hưởng đến tính toàn vẹn của dữ liệu và hiệu suất truy vấn. Bước này giúp bạn xác định những khu vực cần làm sạch và cải thiện dữ liệu.

  • Thu thập dữ liệu phân phối. Phân tích sự phân bổ giá trị trong mỗi cột để xác định mô hình dữ liệu. Xác định các giá trị thường xuyên và hiếm, giá trị ngoại lệ và độ lệch dữ liệu. Để tối ưu hóa hiệu suất truy vấn, hãy phân tích xem liệu khóa thay thế có phù hợp để cải thiện hiệu suất hay không.

Theo dõi hiệu suất dữ liệu

Giám sát hiệu suất dữ liệu là hoạt động theo dõi liên tục hiệu quả của kho dữ liệu. Quá trình này bao gồm việc thu thập và phân tích số liệu hiệu suất cụ thể cho hoạt động dữ liệu, sử dụng các công cụ được thiết kế riêng cho các giải pháp giám sát cấp hệ thống, cơ sở dữ liệu cụ thể hoặc của bên thứ ba. Việc theo dõi hiệu suất dữ liệu hiệu quả cho phép bạn chủ động xác định và giảm thiểu các điểm nghẽn tiềm ẩn, đảm bảo các quy trình và tác vụ liên quan đến dữ liệu diễn ra hiệu quả.

Để theo dõi hiệu suất dữ liệu, hãy cân nhắc các chiến lược sau:

  • Thu thập số liệu cụ thể về dữ liệu. Thu thập các số liệu quan trọng liên quan trực tiếp đến hiệu suất dữ liệu. Các số liệu này bao gồm thời gian phản hồi truy vấn và thông lượng dữ liệu.

  • Thiết lập cảnh báo dữ liệu. Thiết lập cảnh báo cụ thể cho số liệu dữ liệu. Sử dụng ngưỡng hoặc điểm bất thường được xác định trước trong các số liệu này để kích hoạt cảnh báo. Cảnh báo cho phép bạn nhận thông báo khi số liệu hiệu suất vượt quá phạm vi chấp nhận được hoặc có hành vi bất thường; ví dụ, nếu truy vấn cơ sở dữ liệu mất nhiều thời gian hơn dự kiến hoặc nếu thông lượng dữ liệu giảm đáng kể. Bạn có thể thiết lập các cảnh báo này bằng các công cụ giám sát chuyên dụng hoặc các tập lệnh tùy chỉnh.

  • Chẩn đoán các vấn đề về hiệu suất dữ liệu. Thường xuyên xem xét các số liệu dữ liệu đã thu thập để xác định các điểm nghẽn hiệu suất tiềm ẩn hoặc sự suy giảm trong hoạt động dữ liệu. Các công cụ trực quan hóa hoặc bảng thông tin có thể vô cùng hữu ích trong quá trình này, giúp làm nổi bật các xu hướng, điểm nghẽn và giá trị ngoại lệ trong hiệu suất dữ liệu. Khi đã xác định được, hãy điều tra nguyên nhân gốc rễ của những vấn đề này và lập kế hoạch khắc phục phù hợp.

Dữ liệu phân vùng

Phân vùng bao gồm việc chia các tập dữ liệu lớn hoặc khối lượng công việc lớn thành các tập hợp con nhỏ hơn, dễ quản lý hơn. Phân vùng nâng cao hiệu quả hiệu suất dữ liệu bằng cách phân bổ khối lượng công việc và cải thiện xử lý song song. Nó cũng đảm bảo truy cập dữ liệu hiệu quả hơn dựa trên nhu cầu cụ thể và mẫu truy vấn. Bạn có thể phân vùng dữ liệu theo chiều dọc hoặc chiều ngang (còn gọi là phân mảnh). Ví dụ, nếu sử dụng bảng đàn hồi, hãy cân nhắc khóa phân vùng nào sẽ là khóa phân vùng. Dataverse

Chiến lược Định nghĩa Ví dụ: Trường hợp sử dụng
Phân vùng theo chiều dọc Chia một bảng thành các bảng nhỏ hơn bằng cách chọn các cột hoặc trường cụ thể cho mỗi phân vùng. Mỗi phân vùng đại diện cho một tập hợp con của toàn bộ dữ liệu. Nếu bạn có một bảng với các cột A, B, C và D, bạn có thể tạo một bảng với các cột A và B và một bảng khác với các cột C và D. - Một bảng chứa nhiều cột, nhưng các truy vấn không thể truy cập tất cả các cột cùng lúc.
- Một số cột lớn hơn những cột khác và việc tách chúng ra có thể tăng hiệu suất I/O.
- Các phần dữ liệu khác nhau có mô hình truy cập đa dạng.
Phân vùng theo chiều ngang Phân chia dữ liệu dựa trên các hàng hoặc phạm vi giá trị (còn gọi là phân mảnh). Mỗi phân vùng chứa một tập hợp con các hàng có đặc điểm tương tự. Nếu bạn có một bảng với các hàng từ 1 đến 1000, bạn có thể tạo một phân vùng với các hàng từ 1 đến 500 và một phân vùng khác với các hàng từ 501 đến 1000. - Bộ dữ liệu quá lớn đối với một vị trí hoặc máy chủ duy nhất.
- Dữ liệu được truy cập dựa trên các phạm vi hoặc bộ lọc cụ thể.
- Cần phân bổ khối lượng công việc trên các nút vật lý hoặc máy chủ để nâng cao hiệu suất.

Để phân vùng dữ liệu, hãy cân nhắc các bước sau:

  • Phân tích dữ liệu và truy vấn. Phân tích dữ liệu và mẫu truy vấn để xác định chiến lược phân vùng hoặc phân mảnh phù hợp. Hiểu bản chất của dữ liệu, mô hình truy cập và yêu cầu phân phối.

  • Xác định chìa khóa. Chọn khóa phân vùng hoặc phân mảnh để phân phối dữ liệu trên các phân vùng hoặc phân mảnh. Chọn khóa cẩn thận dựa trên đặc điểm dữ liệu và yêu cầu truy vấn.

  • Xác định logic. Xác định logic phân vùng hoặc phân mảnh dựa trên khóa đã chọn. Hãy cân nhắc việc chia dữ liệu thành các phạm vi, áp dụng thuật toán băm hoặc sử dụng các kỹ thuật phân vùng khác.

Tối ưu hóa truy vấn

Tối ưu hóa truy vấn sẽ tinh chỉnh các truy vấn để giảm dữ liệu đủ điều kiện và dữ liệu trả về. Những điều chỉnh này làm tăng hiệu quả và tốc độ truy xuất dữ liệu. Kết quả là, cơ sở dữ liệu có khối lượng công việc nhẹ hơn, tài nguyên hoạt động hiệu quả hơn và người dùng có những tương tác mượt mà hơn.

Để tối ưu hóa truy vấn cơ sở dữ liệu, hãy cân nhắc các chiến lược sau:

  • Viết lại truy vấn. Xem xét và phân tích các truy vấn phức tạp để xác định cơ hội viết lại chúng. Hãy cân nhắc việc tái cấu trúc logic truy vấn, loại bỏ các hoạt động dư thừa hoặc đơn giản hóa cú pháp truy vấn.

  • Tránh vấn đề truy vấn N+1. Giảm thiểu số lần truy cập khứ hồi vào cơ sở dữ liệu bằng cách sử dụng lệnh nối và truy xuất hàng loạt để truy xuất dữ liệu liên quan một cách hiệu quả.

  • Sắp xếp lại các phép nối. Đánh giá và cân nhắc sắp xếp lại thứ tự nối để giảm thiểu số hàng trong mỗi thao tác nối. Thứ tự bạn tham gia các bảng có thể ảnh hưởng đến hiệu suất truy vấn.

  • Truy vấn bộ nhớ đệm. Lưu trữ kết quả của các truy vấn được chạy thường xuyên để dễ dàng sử dụng lại. Bộ nhớ đệm truy vấn loại bỏ nhu cầu chạy đi chạy lại cùng một truy vấn và giảm chi phí xử lý truy vấn.

  • Theo dõi và điều chỉnh. Theo dõi số liệu hiệu suất truy vấn, chẳng hạn như thời gian chạy, mức sử dụng tài nguyên và thông lượng truy vấn. Sử dụng các công cụ lập hồ sơ cơ sở dữ liệu và chức năng giám sát để xác định các truy vấn có hiệu suất kém. Sử dụng thông tin đó để tối ưu hóa hiệu suất truy vấn.

Lưu trữ và xóa dữ liệu

Lưu trữ và xóa là những chiến lược giúp hợp lý hóa việc lưu trữ dữ liệu. Lưu trữ sẽ di chuyển dữ liệu cũ, ít được truy cập đến nơi lưu trữ tiết kiệm chi phí hơn. Xóa dữ liệu sẽ xóa vĩnh viễn dữ liệu dư thừa. Cả hai phương pháp đều góp phần nâng cao hiệu suất bằng cách giảm khối lượng dữ liệu, tăng tốc độ truy cập dữ liệu và giảm thời gian sao lưu và phục hồi.

  • Giảm khối lượng dữ liệu: Ít dữ liệu hơn có nghĩa là thời gian xử lý nhanh hơn, đảm bảo phản hồi nhanh chóng cho các yêu cầu của người dùng.
  • Tăng tốc độ truy cập dữ liệu: Một tập dữ liệu được cắt tỉa cho phép truy vấn và truy xuất dữ liệu nhanh hơn, tối ưu hóa khả năng phản hồi của hệ thống.
  • Giảm thời gian sao lưu và phục hồi: Các tập dữ liệu nhỏ hơn giúp đẩy nhanh quá trình sao lưu và phục hồi, giảm thiểu thời gian chết và đảm bảo hiệu suất nhất quán.

Lưu trữ và xóa dữ liệu đóng vai trò quan trọng trong việc duy trì hiệu suất hoạt động cao nhất trong các hệ thống dựa trên dữ liệu.

Tối ưu hóa tải lưu trữ

Tối ưu hóa tải lưu trữ có nghĩa là hợp lý hóa các yêu cầu đối với hệ thống lưu trữ. Nó giúp loại bỏ các yêu cầu không cần thiết, tăng cường khả năng truy xuất dữ liệu và tránh gây quá tải cho hệ thống lưu trữ. Việc tối ưu hóa tải lưu trữ đảm bảo hệ thống lưu trữ vẫn phản hồi được các yêu cầu hợp lệ và duy trì hiệu suất cao nhất. Thực hiện các chiến lược nhằm giảm gánh nặng xử lý cho kho dữ liệu. Để tối ưu hóa tải lưu trữ dữ liệu, hãy cân nhắc các chiến lược sau.

Sử dụng bộ nhớ đệm

Bộ nhớ đệm lưu trữ dữ liệu thường truy cập trong vùng lưu trữ truy cập nhanh, giúp việc truy xuất dữ liệu nhanh hơn so với việc lấy dữ liệu từ nguồn chính. Kỹ thuật này tăng cường hiệu suất dữ liệu bằng cách cắt giảm thời gian truy cập và tránh việc truy xuất dữ liệu lặp đi lặp lại. Bộ nhớ đệm cải thiện tốc độ đọc và thời gian phản hồi của người dùng, đặc biệt là đối với dữ liệu được truy cập thường xuyên. Phương pháp này hiệu quả nhất đối với dữ liệu tĩnh hoặc dữ liệu ít thay đổi.

Để đảm bảo hiệu quả lưu trữ đệm tối ưu, hãy cân nhắc các yếu tố như chính sách hết hạn, chiến lược loại bỏ và quản lý kích thước bộ nhớ đệm. Điều chỉnh các thiết lập, chẳng hạn như thời gian tồn tại (TTL), để có hiệu suất tối ưu. Để sử dụng bộ nhớ đệm nhằm tối ưu hóa tải lưu trữ, hãy cân nhắc các chiến lược sau:

  • Bộ nhớ đệm trong bộ nhớ: Thực hiện bộ nhớ đệm trong bộ nhớ để lưu trữ dữ liệu thường xuyên truy cập trong bộ nhớ nhằm truy xuất nhanh chóng. Bạn có thể sử dụng kỹ thuật này cho dữ liệu ứng dụng tốn kém khi tính toán hoặc truy xuất từ cơ sở dữ liệu. Bộ nhớ đệm trong bộ nhớ hữu ích đối với dữ liệu bạn thường xuyên đọc nhưng không thay đổi thường xuyên. Ví dụ, bạn có thể sử dụng các biến trong luồng đám mây hoặc bộ sưu tập trong ứng dụng canvas để lưu trữ dữ liệu.

  • Lưu trữ bộ nhớ đệm truy vấn cơ sở dữ liệu: Sử dụng kỹ thuật này để lưu trữ bộ nhớ đệm kết quả của các truy vấn cơ sở dữ liệu nhằm tránh chạy cùng một truy vấn nhiều lần. Bộ nhớ đệm truy vấn cơ sở dữ liệu hữu ích cho các truy vấn cơ sở dữ liệu phức tạp và tốn thời gian. Khi bạn lưu trữ đệm kết quả của một truy vấn, các yêu cầu tiếp theo cho cùng một truy vấn sẽ được trả về nhanh chóng. Ngoài ra, hãy cân nhắc sử dụng chế độ xem phía máy chủ khi có thể để lọc trước dữ liệu nhằm thu hẹp dữ liệu có liên quan đến truy vấn của bạn.

  • Bộ nhớ đệm mạng phân phối nội dung: Sử dụng kỹ thuật này để lưu trữ nội dung web trên các máy chủ mạng phân tán nhằm giảm độ trễ và cải thiện việc phân phối nội dung. Bộ nhớ đệm mạng phân phối nội dung có hiệu quả đối với nội dung tĩnh, như hình ảnh, tệp và tệp JavaScript. CSS Mạng phân phối nội dung lưu trữ các bản sao nội dung ở nhiều địa điểm trên toàn thế giới để người dùng có thể truy cập nội dung từ máy chủ gần họ nhất về mặt địa lý.

Tối ưu hóa cập nhật dữ liệu

Tối ưu hóa việc cập nhật dữ liệu bao gồm việc đánh giá các bản cập nhật dữ liệu được thực hiện để đảm bảo chúng có hiệu suất. Các bản cập nhật có thể ảnh hưởng đến hiệu suất nhiều hơn các hoạt động khác vì chúng có thể gây ra công việc không cần thiết và xung đột khóa.

Để đánh giá cách tối ưu hóa việc cập nhật dữ liệu, hãy xem xét:

  • Thay đổi dữ liệu. Tối ưu hóa tự động hóa để sử dụng ảnh trước của dữ liệu hoặc bộ lọc nhằm giảm thiểu công việc khi không có thay đổi thực tế nào xảy ra. Tránh kích hoạt tự động hóa đối với dữ liệu chưa sửa đổi.

  • Tự động hóa. Đánh giá thời điểm và cách thức kích hoạt cập nhật dựa trên những thay đổi dữ liệu và tối ưu hóa các kích hoạt để bao gồm bộ lọc. Ví dụ: chỉ kích hoạt tự động hóa khi một trường cụ thể trong nguồn dữ liệu bị sửa đổi. Đánh giá các bản cập nhật kích hoạt tự động hóa nhiều lần. Thay vào đó, hãy cân nhắc xem bạn có thể tạo một thao tác tùy chỉnh để xử lý mọi quá trình hay không. Ví dụ, nếu một đơn hàng được vận chuyển và ngày vận chuyển cùng số theo dõi được cập nhật riêng biệt, cả hai thông tin này đều có thể được cập nhật cùng lúc trong thao tác "ShipOrder" tùy chỉnh.

  • Bế tắc. Đánh giá các hoạt động cập nhật chậm có thể gây ra sự cố do nhiều luồng cập nhật cùng một dữ liệu theo các trình tự khác nhau. Sự kém hiệu quả này có thể dẫn đến xung đột khóa hoặc thậm chí là bế tắc tiềm ẩn, gây ra việc phải làm lại không cần thiết. Cập nhật các tài nguyên khác nhau theo cùng một trình tự để giảm thiểu xung đột.

  • Cập nhật hàng loạt. Nếu bạn chạy các hoạt động trên nhiều hàng của một bảng, hãy cân nhắc sử dụng hoạt động hàng loạt.

Tối ưu hóa việc di chuyển và xử lý dữ liệu

Tối ưu hóa việc di chuyển và xử lý dữ liệu bao gồm việc cải thiện hiệu quả và hiệu suất của các hoạt động liên quan đến trích xuất, chuyển đổi, tải và xử lý dữ liệu. Hãy xem xét những khía cạnh quan trọng sau đây của việc tối ưu hóa việc di chuyển và xử lý dữ liệu:

  • Tối ưu hóa trích xuất, chuyển đổi và tải (ETL) : Tối ưu hóa quy trình ETL để giảm thiểu thời gian xử lý. Bạn có thể hợp lý hóa quy trình trích xuất, triển khai các thuật toán chuyển đổi hiệu quả và tối ưu hóa quy trình tải. Khi bạn thực hiện hiệu quả từng bước, bạn sẽ tối ưu hóa được quy trình làm việc chung.

  • Xử lý song song : Sử dụng kỹ thuật xử lý song song để cải thiện hiệu suất. Khi bạn phân phối các tác vụ xử lý dữ liệu trên nhiều luồng hoặc nút, bạn có thể chia và xử lý khối lượng công việc đồng thời, giúp xử lý nhanh hơn.

  • Xử lý hàng loạt :Nhóm các nhiệm vụ tương tự lại với nhau để giảm chi phí phát sinh do các thao tác lặp đi lặp lại. Xử lý nhiều tác vụ cùng lúc để giảm tổng thời gian xử lý.

Thiết kế cho dữ liệu gần kề

Tính gần gũi của dữ liệu đề cập đến việc đặt dữ liệu gần hơn với người dùng hoặc dịch vụ truy cập dữ liệu thường xuyên nhất. Việc giảm khoảng cách vật lý hoặc logic giữa dữ liệu và người dùng đảm bảo truy cập dữ liệu nhanh hơn và phản hồi tốt hơn. Để tối ưu hóa thiết kế cho khoảng cách gần, hãy cân nhắc các chiến lược sau:

  • Đánh giá các mẫu truy cập dữ liệu : Đánh giá các mẫu truy cập khối lượng công việc và dữ liệu được truy cập thường xuyên. Phân tích này có thể giúp xác định vị trí đặt dữ liệu để đạt được lợi ích tối đa.

  • Chọn các giải pháp hỗ trợ di dời dữ liệu: Cân nhắc các giải pháp cung cấp khả năng di dời dữ liệu động dựa trên các mẫu truy cập thay đổi, đảm bảo định vị dữ liệu tối ưu.

  • Chọn các giải pháp hỗ trợ đồng bộ hóa dữ liệu: Nếu bạn đang phục vụ cho cơ sở người dùng phân tán, hãy chọn các giải pháp cho phép đồng bộ hóa dữ liệu trên nhiều vùng khác nhau để đảm bảo rằng các bản sao dữ liệu có sẵn ở gần người dùng.

Đánh đổi: Nếu dữ liệu cơ bản thay đổi thường xuyên, hãy triển khai cơ chế vô hiệu hóa bộ đệm để đảm bảo dữ liệu được lưu trong bộ đệm luôn được cập nhật.

Power Platform sự tạo điều kiện thuận lợi

Theo dõi hiệu suất dữ liệu: Để theo dõi hiệu suất dữ liệu, hãy cân nhắc sử dụng Azure Monitor để thu thập và phân tích số liệu cơ sở hạ tầng, nhật ký và dữ liệu ứng dụng. Bạn có thể tích hợp Monitor với các dịch vụ khác như Application Insights. Application Insights cung cấp khả năng giám sát hiệu suất ứng dụng và hỗ trợ nhiều nền tảng.

Application Insights thu thập dữ liệu sử dụng và hiệu suất. Bạn có thể sử dụng Log Analytics để đối chiếu dữ liệu đó với dữ liệu cấu hình và hiệu suất trên các tài nguyên Azure. Luồng dữ liệu hiện cung cấp dữ liệu hiệu suất liên quan đến các cuộc gọi đến API, các cuộc gọi thực thi plug-in và các cuộc gọi SDK. Application Insights Dataverse Dataverse Dataverse Dataverse

Tối ưu hóa các mẫu dữ liệu truy vấn trong ứng dụng canvas: Thực hiện theo hướng dẫn và đề xuất được ghi chép lại. Xem Các mẫu dữ liệu truy vấn được tối ưu hóa trong Power Apps.

Tối ưu hóa cách bạn tùy chỉnh, mở rộng hoặc tích hợp với Dataverse: Thực hiện theo các hướng dẫn và phương pháp hay nhất đã được ghi chép. Xem Các biện pháp thực hành tốt nhất và hướng dẫn khi sử dụng Microsoft Dataverse.

Tối ưu hóa hiệu suất truy vấn cơ sở dữ liệu và lập chỉ mục: Sử dụng tính năng phân tích hiệu suất truy vấn của Azure SQL Database để tối ưu hóa truy vấn, bảng và cơ sở dữ liệu. Bạn cũng có thể sử dụng tính năng này để xác định và khắc phục sự cố về hiệu suất truy vấn.

Đối với cơ sở dữ liệu quan hệ, hãy làm theo hướng dẫn thiết kế chỉ mục, hướng dẫn chỉ mục SQL Server và hướng dẫn chỉ mục Azure Cosmos DB . Sử dụng Cơ sở dữ liệu SQL để thực hiện điều chỉnh tự động cho các truy vấn nhằm cải thiện hiệu suất của chúng.

Đối với cơ sở dữ liệu SQL, bạn nên thường xuyên tổ chức lại hoặc xây dựng lại chỉ mục. Xác định các truy vấn chậm và điều chỉnh chúng để cải thiện hiệu suất. Nhiều công cụ cơ sở dữ liệu có tính năng điều chỉnh truy vấn. Để biết thêm thông tin, hãy tham khảo các biện pháp thực hành tốt nhất để tăng hiệu suất truy vấn.

Azure Cosmos DB có chính sách lập chỉ mục mặc định lập chỉ mục cho mọi thuộc tính của mọi mục và áp dụng lập chỉ mục phạm vi cho bất kỳ chuỗi hoặc số nào. Chính sách này cung cấp cho bạn hiệu suất truy vấn hiệu quả và bạn không phải quản lý chỉ mục trước.

Tối ưu hóa tải lưu trữ: Nhiều dịch vụ cơ sở dữ liệu Azure hỗ trợ bản sao đọc. Tính khả dụng và cấu hình của bản sao đọc khác nhau tùy thuộc vào dịch vụ cơ sở dữ liệu Azure. Tham khảo tài liệu chính thức của từng dịch vụ để hiểu rõ thông tin chi tiết và các tùy chọn.

Danh sách kiểm tra hiệu suất hiệu quả

Tham khảo bộ khuyến nghị đầy đủ.

Danh sách kiểm tra hiệu suất hiệu quả

  • Last updated on