Megosztás a következőn keresztül:

SaaS-számítási feladatok adatai az Azure-ban

  • Cikk

Kezelje az adatokat a megoldás legértékesebb eszközeként. Független szoftverszállítóként Ön felel az ügyfelek adatainak kezeléséért. Az adattervezési stratégia és az adattár kiválasztása jelentős hatással lehet az ügyfelekre.

Ez a cikk útmutatást nyújt az ügyfelek adatintegritásának és bizalmasságának biztosításához az üzleti teljesítmény követelményeinek teljesítése során. Kiemeli azokat a legfontosabb szempontokat, amelyekkel hatékonyan érheti el ezeket a célokat.

Adattár kiválasztása

A szolgáltatott szoftver (SaaS)-megoldások adattára hatással van az architektúrájára, teljesítményére, megbízhatóságára és tranzakciós összetettségére. Hasonlítsa össze az Azure által felügyelt szolgáltatások képességeit hasonló, nem Microsoft-ajánlatokkal. Bizonyos esetekben érdemes lehet nyílt forráskódú termékeket futtatni a virtuális gépeken.

Kialakítási szempontok

  • Különbség a tranzakciós és az elemzési műveletek között. A tranzakciós adattárak az alkalmazások támogatására szolgálnak, az elemzési adattárakat pedig jelentéskészítésre és olyan feladatokra használják, mint a gépi tanulás. Ezek az üzletek speciális termékekkel vannak felépítve, és egyedi igényeik vannak a teljesítményre, a hozzáférési mintákra, a sémákra és a használati esetekre.

    Ez az útmutató a tranzakciós adattárakra összpontosít.

  • Az adatigények megismerése. Becsülje meg a kötetet, a módosítás gyakoriságát és a tárolandó adatok típusát.

    Az adatok várhatóan jelentősen növekednek az idő múlásával. SaaS-megoldások esetén a növekedés több dimenzióban történik. Az ügyfelek számának növekedésével várhatóan nő a mennyiség és az adattípusok száma. Győződjön meg arról, hogy ezt a növekedést tervezi, és olyan technológiákba fektet be, amelyek támogathatják azt.

    Döntsön egy relációs vagy nem kapcsolati adatplatform között az adatok jellege alapján. Számos tranzakciós számítási feladat esetén a relációs adatbázis jó választás az alkalmazásentitások különálló táblákként való modellezéséhez. Ez a megközelítés lehetővé teszi, hogy a lekérdezések a relációs adatmodellen keresztül működjenek. Ha az adatok természetesen illeszkednek egy dokumentummodellbe, vagy egy gráfstruktúrát követnek, a nem kapcsolódó megközelítések is megfelelőbbek lehetnek.

    További információ: SQL és NoSQL adatplatformok.

  • Minimalizálja az adattárak típusait. A különböző típusú adatok tárolása több különböző adattárban előnyös lehet a különböző adatplatformokon szakértelemmel rendelkező, kiforrott szervezetek számára. Ez a megközelítés azonban gyakran szükségtelen összetettséghez vezet a startupok és a kisebb szervezetek számára. Hatékonyabb, ha egy vagy kevés adattárra összpontosít.

    Ha nem rendelkezik a több adattár használatának üzleti indokával, akkor erőfeszítéseit egy vagy kevés adattárra összpontosítsa.

  • Használja, amit tud, és fektesse be. Ha a csapat már rendelkezik egy adott adattárral kapcsolatos szakértelemmel, gyakran jobb, ha ezt az adattárat használja ahelyett, hogy új készségeket tanul. Az adattárak és platformok összetettek, és a tervezési döntéseket nehéz lehet megfordítani.

    Tartsa azonban szem előtt a potenciális növekedést. Ha a jelenlegi adattár már nem felel meg a követelményeknek, válasszon egy adattárat, amely javíthatja a megoldás teljesítményét, rugalmasságát, biztonságát és működési hatékonyságát. Emellett a csapatnak is segítenie kell a szakértelmük elmélyítésében.

Tervezési javaslatok

Ajánlás Juttatás
Különítse el a tranzakciós adattárakat a napi műveletekhez az elemzési és jelentéskészítési adattáraktól. Az adattárak szándékának összekeverése szükségtelen összetettséghez vezethet. Az adatszegmentálás javítja a működési hatékonyságot, és maximalizálja az egyes adattárak kihasználtságát.
Válasszon egy relációs vagy nem kapcsolati adatstruktúra közül a követelmények alapján. Kezdje egy vagy kis számú adattárral.

A felügyelt adattárak rangsorolása. Gyakori lehetőségek az Azure Cosmos DB, az Azure SQL, a MySQL, a MongoDB és a PostgreSQL.		 Ez a megközelítés segít minimalizálni az összetettséget, és biztosítja, hogy a hatékonyság maximalizálása érdekében a megfelelő terméket használja. A felügyelt adattárak rugalmasan kezelik az erőforrásokat és a költségeket, és igény szerint méretezhetőek. A felügyelt adattárak használata kevesebb felügyeleti terhet okoz, mint a saját adattár üzembe helyezése a saját infrastruktúráján.
A választott technológia elsajátítása. A csapat felkészítése az SaaS-megoldások magas skálázási követelményeinek és egyéb összetettségeinek kezelésére. Ismerje meg a használt eszközöket és azok tágabb ökoszisztémáját, hogy hatékonyan tudja használni az adatplatformot a méretezés során.
Rugalmasan alakíthatja ki az adattervezést. Az SaaS-megoldás növekedésével vagy a követelmények változásával az adattárak hozzáadásával vagy módosításával alkalmazkodhat. Ez a rugalmasság lehetővé teszi, hogy egy adattárral kezdjen, és idővel fejlődjön az igényeinek megfelelően.

Bérlői modell és adatbázis-stratégia

Az adattervezés egyik kulcsfontosságú eleme az erőforrások ügyfelek nevében történő üzemeltetésének vagy az erőforrások környezetükben való üzemeltetésének döntése. A legtöbb SaaS-szolgáltató minden ügyfél számára üzemeltet erőforrásokat, ami rugalmasságot biztosít az adatbázis-kezelésben. Ha erőforrásokat üzemeltet az ügyfél környezetében, gondolja át, hogyan érheti el és kezelheti ezeket az erőforrásokat.

Kialakítási szempontok

  • Tervezze meg az adatbázis szegmentálását. A vállalatközi (B2B) SaaS-megoldásokban javasoljuk, hogy minden ügyfél számára hozzon létre dedikált adatbázisokat. Ez a megközelítés az ügyfelek közötti szigorú elkülönítés fenntartásával javítja az adatbiztonságot, ami csökkenti az adatkeverés kockázatát, és támogatja az ügyfél által kezelt titkosítási kulcsokat. Emellett segít megfelelni bizonyos ügyfelekre vonatkozó jogszabályi megfelelőségi követelményeknek.

    Az ügyféladatok különálló adatbázisokba való elkülönítése javíthatja a teljesítményt a zajos szomszédproblémák minimalizálásával. Egyes felügyelt adattárak erőforrás-foglalási vezérlőket tartalmaznak a problémák megoldásához, a költséghatékonyság biztosításához és több adatbázis nagy méretekben történő kezeléséhez.

    Bizonyos esetekben célszerű több ügyfél adatait egyetlen adattárban tárolni. Az üzleti felhasználók számára készült (B2C) megoldásokban például egyetlen tárolóban mentheti az adatokat az ügyfélazonosítón alapuló logikai particionálással. Az összetevőket megosztó B2B-megoldásokban egyetlen adattárat használhat adott részekhez, például egy eseménytárhoz, miközben biztosítja, hogy az egyes eseményekhez ügyfélazonosítókat is használjon.

  • Adattárak rendezése alkalmazásösszetevőkkel. Ha az ügyfél nevében üzemeltet erőforrásokat, helyezzen üzembe ugyanabban az Azure-régióban a kimenő sávszélesség költségeinek és késésének elkerülése érdekében. Ha alkalmazásokat és adattárakat üzemeltet egy ügyfél környezetében, helyezze üzembe őket együtt ugyanabban a környezetben, hogy elkerülje a környezetek közötti összetettségeket.

  • Az adattárak kezelését a lehető legtöbb gyakorlatias módon szabványosíthatja. Az egységesség kulcsfontosságú az ügyfelek adatainak kezeléséhez. A vállalkozás növekedésével az ügyfelek közötti különbségek növelik a kockázatokat és az összetettségeket. Ezek a különbségek az éles üzemkimaradások valószínűségét és a hibaelhárítást is megnehezíthetik.

    Kerülje az egyszeri módosításokat a felügyeletben az egyes ügyfelek támogatásához. Az ügyfél által felügyelt metaadatok támogatásához például kerülje a sémamódosításokat, például adjon hozzá további oszlopokat az adatbázishoz. Ehelyett a saját metaadatok hozzáadásához építsük ki a funkciókat az ügyfelek számára. Hasonlóképpen, ha különböző szintű adatbázis-teljesítményt kell biztosítania a különböző ügyfelek számára, hozzon létre egyetlen folyamatot, amellyel különböző konfigurációkat alkalmazhat a különböző ügyfelek rétegeihez.

További információ arról, hogy a bérlői modell hogyan befolyásolja az adatstratégiát.

Tervezési javaslatok

Ajánlás Juttatás
Annak kiértékelése, hogy több ügyfél között szeretne-e adatbázisokat megosztani, vagy megosztott adatplatformot szeretne-e biztosítani.

Szükség esetén helyezzen üzembe egyetlen adatbázist az egyes ügyfelek adataihoz. Lazítsa el ezt a stratégiát, ha a szigorú elkülönítés nem követelmény, például a B2C-megoldásokban.		 Ez a megközelítés minimálisra csökkenti a zajos szomszédproblémákat, és támogathatja egyes ügyfelek megfelelőségi követelményeit.
Alkalmazások és adatbázisaik üzembe helyezése ugyanabban a régióban. Ez a megközelítés optimalizálja a régiók közötti adatbázis-hozzáférés sávszélesség-költségeit és késését.
Szabványosított megközelítést tervezhet az ügyfél által definiált adatok vagy metaadatok tárolására. Kerülje az egyes ügyfelek sémájának módosítását vagy az ügyfélkörnyezetek eltérését. Ez a megközelítés segít elkerülni az egyes ügyfelek adatbázisai közötti inkonzisztenciák kezelésének működési terheit.
Tervezze meg az ügyfél által üzembe helyezett környezetben végzett rutinkarbantartási műveleteket.

Tervezze meg, hogyan férhet hozzá az adatbázishoz frissítésekhez, sémamódosításokhoz, karbantartáshoz és egyéb műveletekhez.		 Ez a proaktív megközelítés minimalizálja a karbantartás hiányával kapcsolatos problémákat, és csökkenti az állásidő és a teljesítményproblémák kockázatát.

Kapacitás tervezése

A kapacitástervezés az erőforrás-kihasználtság kezelésére vonatkozik, amelynek középpontjában a processzor-, memória-, tárolási és lemezműveletek, például a másodpercenkénti bemeneti és kimeneti műveletek (IOPS) áll. Egyes adattárak ezeket az erőforrásokat egy egyszerű, szintetikus erőforrás-felhasználási metrikává egyesítik, például az Azure SQL-ben található adatbázis-átviteli egységeket (DTU) vagy az Azure Cosmos DB kérelemegységét (RU). A felügyelt adattárak rugalmasságot biztosítanak az erőforrás-kezelésben, ami lehetővé teszi az időbeli változásokat. Alapvető fontosságú egy kezdeti terv létrehozása és az igények előrehaladtának iterálása.

Kialakítási szempontok

  • Az erőforrás-foglalási követelmények megismerése. Az SaaS-megoldások különböző ügyfelei eltérő erőforrásigényekkel rendelkezhetnek. A kisebb ügyfelek minimális erőforrásokat igényelhetnek, a nagyobb ügyfeleknek pedig többre lehet szükségük. A nagyobb ügyfelek gyakran többet fizetnek, ami indokolja a magasabb erőforrás-kiosztást. Az egyes ügyfelek külön adatbázisainak használatával a méretük és az igényeik alapján módosíthatja az erőforrás-foglalást.

  • Ismerje meg az adatplatformok által kínált különböző kapacitásmodelleket. A felhőalapú adatplatformok gyakran több erőforrásmodellt is biztosítanak. Egyes Azure-szolgáltatások, például az Azure Cosmos DB például kiépített, átviteli sebességű modelleket és kiszolgáló nélküli modelleket biztosítanak. Az Azure SQL Database rugalmas készleteket is biztosít.

    A kiosztott átviteli sebesség előre meghatározott erőforrás-lefoglalást igényel, akár egyetlen adatbázisból, akár adatbáziscsoportból. A rugalmas készletek lehetővé teszik az erőforrások megosztását több adatbázis között. Az SaaS-megoldások gyakran használják a rugalmas készleteket.

    Annak ellenére, hogy a kiosztott átviteli sebesség megköveteli az erőforrások előzetes lefoglalását, az olyan szolgáltatások, mint az Azure Cosmos DB, automatikus skálázási átviteli sebességet biztosítanak. Az erőforrások dinamikus hozzáadására vagy eltávolítására vonatkozó szabályokat a megadott eseményindítók alapján állíthatja be.

    A kiszolgáló nélküli erőforrásmodellek az igényeknek megfelelően automatikusan skálázhatók. Ez a képesség jó kiindulási ponttá teszi őket, ha nem tudja előre megjósolni a kapacitásra vonatkozó követelményeket. Előfordulhat azonban, hogy kevesebb funkciót támogatnak, és a növekedés során költséghatékonyak lesznek. A kiszolgáló nélküli modellek az Azure SQL Database-ben és az Azure Cosmos DB-ben érhetők el.

Tervezési javaslatok

Ajánlás Juttatás
Modellezheti az egyes ügyfelek adatbázis-követelményeit. Határozza meg, hogy sok kis adatbázissal, kevesebb nagy adatbázissal vagy a kettő keverékével kell-e rendelkeznie.

Pólóméretezéssel kis, közepes és nagy gyűjtőkbe kategorizálhatja az ügyfeleket.		 Ez a megközelítés hozzávetőleges becslést nyújt az ügyfélenkénti erőforrásokról, és segít az ügyfeleknek a számlázási modellhez való leképezésében.
Az erőforráskészletek szegmentálása az őket használó ügyféladatbázisok mérete alapján.

Használja ki a kiosztott kapacitást az előnyére. Létrehozhat például egy megosztott rugalmas SQL-készletet a kisebb ügyfelek számára, egy külön készletet közepes ügyfelek számára, és dedikált erőforrásokat a nagy ügyfelek számára.		 Az erőforráskészletek ügyfelek adatbázismérete alapján történő szegmentálásával optimalizálhatja az erőforrás-lefoglalást és a költséghatékonyságot.
Használja ki a felügyelt szolgáltatások által biztosított beépített skálázási képességeket. A skálázási feladatokat ki lehet kapcsolni a platformra. Az olyan funkciók, mint a rugalmas készletek és az automatikus skálázás, segíthetnek optimalizálni az erőforrások használatát.
Rendszeresen tekintse át a kiszolgáló nélküli adattárakat, hogy továbbra is megfeleljenek az igényeinek. Gondoskodhat arról, hogy az adattár a folyamatosan változó igényeknek megfelelően is hatékony maradjon. Optimalizálja a teljesítményt és a költséghatékonyságot a követelmények változásának megfelelően.

Magas rendelkezésre állás és vészhelyreállítás

Az SaaS-megoldások ügyfelei gyakran magas elvárásokat támasztanak a magas rendelkezésre állás (HA) és a vészhelyreállítás (DR) felé. Ha az ügyfelek szabályozott iparágakban működnek, vagy a napi üzemeltetéshez a megoldásra támaszkodnak, a követelmények még szigorúbbak lehetnek.

A HA és a DR nem egy méretre illeszkedő megoldás, és különböző tényezőktől függ. Ismerje meg azOkat a lehetőségeket, amelyek az Ön és az ügyfelek igényeire egyaránt érvényesek ahhoz, hogy megalapozott döntéseket hozhassanak a különböző kockázatok mérséklésével kapcsolatban.

Kompromisszum: Megbízhatóság, költség és teljesítmény: Az adatszolgáltatások rugalmasságához gyakran szükség van replikák vagy az adatok másolatainak szélesebb földrajzi területre való terjesztésére a kockázatok csökkentése érdekében. Vannak azonban kompromisszumok. Minél hosszabb az adatok távolsága, annál nagyobb a védettség a honosított hibák ellen. Az adatok nagyobb távolságokra történő másolása azonban növeli a késést, és gyakran többe kerül. Számos felügyelt adattár automatizált adatreplikálást biztosít, de a teljesítmény fenntartása érdekében korlátozhatja a különböző távolságokon keresztül elvégezhető replikációs típusokat.

Kialakítási szempontok

  • A rugalmasság számszerűsítve. A rugalmassági követelmények mérése szolgáltatásszintű célkitűzések (SLO-k) használatával, amelyek olyan metrikákat tartalmaznak, mint az üzemidő, a helyreállítási idő és a helyreállítási pont. Ezeket a metrikákat mind az üzleti követelmények, mind az ügyfelek igényei vezérlik, akiknek különböző igényei lehetnek. Ha nagy mennyiségű adatot tárol az ügyfelek nevében, előfordulhat, hogy a HA- és DR-megoldásnak összetettebbnek kell lennie a szigorú követelmények teljesítéséhez.

    A rugalmassági metrikákkal kapcsolatos további információkért lásd : RE:04 Javaslatok a megbízhatósági célok meghatározásához.

  • Platformfunkciók használata. Az Azure rendelkezésre állási zónák használatával biztosít rugalmasságot az adatközponton belül, egy régión belül és egy szélesebb földrajzi területen, több régió használatával. Olyan stratégiák kombinálása, mint a rendelkezésre állási zónák, a régiók közötti biztonsági mentés és a többrégiós üzemelő példányok, a megoldás megfelelő rugalmasságának elérése érdekében. A magas rugalmassági követelmények érdekében fontolja meg a régiók közötti aszinkron adatreplikációval rendelkező többrégiós, aktív-passzív architektúrát. Ez a megközelítés adatvesztést okozhat egy katasztrofális kimaradás során.

    Kompromisszum: A replikációval rendelkező többrégiós, aktív-aktív kialakítások a legrugalmasabbak, de összetettek a buildeléshez és teszteléshez. A legtöbb aktív-aktív megoldáshoz olyan ütközésfeloldási megközelítést kell kialakítania, amely az adatszinkronizálás késleltetését teszi lehetővé. A legtöbb megoldásnak nincs szüksége ilyen fokú rugalmasságra.

    A rendelkezésre állási zónák és régiók használatára vonatkozó RE:05-javaslatok.

  • Az összetevők robbanási sugarának elkülönítéséhez használjon üzembehelyezési bélyegeket. Az üzembehelyezési bélyegek mintáját széles körben használják az SaaS-megoldásokban, mivel előnyöket biztosít az üzembe helyezés, a felügyelet, a teljesítmény és a rugalmasság szempontjából. Ha például egy bélyeget helyez üzembe a Egyesült Államok és egy másik bélyeget Európában, az biztosítja, hogy az egyik régióban lévő ügyfelek el legyenek különítve a másik régió kimaradásától, és függetlenül működjenek.

Tervezési javaslatok

Ajánlás Juttatás
Összpontosítson a rugalmassági követelményekre, miközben végiggondolja az ügyfelek és az ügyfelek általános adatkövetelményeit. Ha ezeket a követelményeket figyelembe véve hozza meg a tervezési döntéseket, gondoskodhat arról, hogy a megfelelő kompromisszumokat hozza meg, és elkerülje az igényeinek megfelelő alul- vagy túltervezést.
A számlázási modell változó rugalmassági szintjeinek tükrözése.

Állítsa be az ügyfelekkel kapcsolatos elvárásokat. A katasztrofális leállások vagy a 100%-os üzemidő zéró adatvesztése irreális lehet.		 A számlázási modellek segíthetnek az ügyfeleknek megérteni, hogy mennyi garantált rugalmasságra regisztrálnak. Alacsonyabb szint esetén például az ügyfelek minimális garanciát kapnak. Magasabb szinten az ügyfelek nagyobb rugalmasságot kapnak, mert megengedheti magának, hogy az erőforrásaikat több régióban replikálja.
Az Azure rendelkezésre állási zónáinak használata éles megoldásokhoz. Ha lehetséges, használjon zónaredundáns adattárakat. A rendelkezésre állási zónák rugalmasságot biztosítanak az adatközpont-kimaradások ellen anélkül, hogy jelentősen növelnák a megoldás költségeit, késését vagy összetettségét.
Az adattárak biztonsági másolatait globálisan redundáns formátumban tárolhatja a régiók közötti replikáció használatával, ahol elérhető. Az adatok régiók közötti biztonsági mentései további rugalmasságot biztosítanak.
Az üzembehelyezési bélyegekkel külön példányokat hozhat létre a megoldásból földrajzilag elosztott helyeken. Az üzembehelyezési bélyegek használatával földrajzilag elosztott helyeken hozhat létre különálló példányokat a megoldáshoz, növelheti a rugalmasságot, és további előnyöket biztosíthat, például a műveletek egyszerűbb kezelését.
Értékelje ki, hogy többrégiós telepítésre van-e szüksége, és hogy aktív-aktív kialakításra van-e szüksége a követelményeknek való megfeleléshez.

Vegye figyelembe az érintett kompromisszumokat. Az állapot nélküli összetevőket egyszerűbb replikálni, mint az állapotalapú összetevőket, például egy adattárat.		 A megoldás vagy a bélyegek régiók közötti terjesztése nagyobb rugalmasságot biztosít az adatok régiók közötti replikálásával.

Biztonság és megfelelőség

Ön a felelős az ügyfelek adatainak bizalmasságának és integritásának biztosításáért. A biztonsági alapkonfiguráció létrehozásakor vegye figyelembe a biztonsági követelményeket és az ígéreteket. Tervezze meg az ügyfelek megfelelőségi igényeit, beleértve az adatmegőrzést is.

Kialakítási szempontok

  • Hálózatkezelés: Fontolja meg, hogy ki fér hozzá az adattárhoz. Általában csak az alkalmazásnak van szüksége közvetlen kommunikációra, ezért konfigurálja csak privát hálózatkezelésre.

  • Identitás: Fontolja meg az adattárak elérésének módját. Számos SaaS-megoldás egyetlen alkalmazásidentitást használ az összes adattárhoz, az alkalmazásszint pedig az elkülönítést és az engedélyezést kényszeríti ki. A sorszintű biztonság vagy az adatbázisszintű engedélyezés érdekében előfordulhat, hogy a felhasználó identitását az adattárba kell propagálja, ami több-bérlős környezetben összetett.

  • Adatmegőrzés: Előre tervezze meg az adatmegőrzési szabályzatokat. A további adatok fenntartása növeli a tárolási költségeket és a felügyelet összetettségét. Egy tranzakciós adatbázisban például nagy mennyiségű adat bonyolíthatja a lekérdezési és csonkolási folyamatokat.

    A hosszú távú adatmegőrzéshez, például a megfelelőséghez vagy a jövőbeli elemzésekhez fontolja meg az adatok áthelyezését egy olyan tárolóba, amely alkalmas a hosszú távú megőrzésre.

Tervezési javaslatok

Ajánlás Juttatás
Konfigurálja az adattárakat privát végpontok használatára, és tiltsa le a nyilvános végpontokat. Ez a megközelítés a belső hálózathoz való hozzáférés korlátozásával növeli a biztonságot. A hozzáférés korlátozásával csökkentheti a jogosulatlan hozzáférés és a lehetséges adatszivárgások kockázatát.
A hitelesítéshez használjon felügyelt identitásokat és Microsoft Entra-azonosítót. Kerülje az adatbáziskulcsok vagy hitelesítő adatok használatát. A felügyelt identitások nem igényelnek adatbáziskulcsokat vagy hitelesítő adatokat, ami csökkenti a hitelesítő adatok ellopásának kockázatát, és leegyszerűsíti a hozzáférés-kezelést.
Megosztott adattárak használata esetén győződjön meg arról, hogy az alkalmazás a bérlőazonosító WHERE záradékokban való feltüntetésével hatókörbe foglalja az egyetlen bérlőre irányuló összes kérést. Ez a folyamat segít csökkenteni a bérlők közötti adatszivárgás vagy megszemélyesítés kockázatát.
Tervezze meg az adatmegőrzési stratégiát a megfelelőség és az üzleti igények alapján. Kerülje a szükségtelen előzményadatok megőrzését. A hosszú távú megőrzés érdekében helyezze át az adatokat az elsődleges tárolókból az archiválási tárolóba. A szükségtelen megőrzés elkerülésével kisebb felületet tart fenn.
Adattárfunkciók használata az adatéletciklus igényeinek támogatásához.

Az Azure Cosmos DB-ben állítsa be a dokumentumokon való élethez szükséges időt. Az Azure SQL-ben egy csúsztatásos ablakstratégiát valósíthat meg táblaparticionálással az archiválási folyamat adatbázisra gyakorolt hatásának minimalizálása érdekében.		 Ezek a megközelítések hatékony adatéletciklus-kezelést biztosítanak, optimalizálják a tárolást az elavult adatok archiválásával vagy törlésével, és lehetőség szerint csökkentik a manuális beavatkozást.

Üzemeltetés

Az SaaS-megoldások gyakran nagy számú adatbázist vagy más tárolót tartalmaznak. Fontos, hogy tervezze meg a flotta rutinszerű karbantartását, és vizsgálja meg az automatizálási lehetőségeket a feladatok hatékony kezeléséhez.

Kialakítási szempontok

  • A csapat képességeinek megismerése. Ha nem rendelkezik olyan nagy adatbázis-rendszergazdákból álló csapatokkal, akik részletes elemzéseket végezhetnek az egyes ügyfelek adatbázisán, tervezze meg, hogy nagy léptékben hajtsa végre a műveleteket, és amikor csak lehetséges, használja a platformeszközöket.

  • Tervezze meg a rendszeres karbantartási eljárásokat. Sorolja fel a szükséges rendszeres karbantartási műveleteket és azok gyakoriságát. Az egyes műveletek a használt adattár típusától függően változnak. Példa:

    • Monitorozza az adott entitásokban, például a fontos táblákban található adatok és adatok teljes mennyiségét.
    • Indexek újraépítése.
    • Indexek létrehozása vagy eltávolítása változó lekérdezési minták alapján.
    • Partíciók újraegyensúlyozása.

    Megismerheti a platform azon funkcióit, amelyek segíthetnek a rendszeres karbantartásban, és proaktív módon kereshet új problémákat. Az Sql Database Advisor például az Azure SQL Database-ben figyeli a problémákat.

  • Tervezés automatizáláshoz. Az automatizált műveletek elengedhetetlenek ahhoz, hogy egy SaaS-megoldás hatékonyan skálázható legyen. Azonosítsa a rendszeres és alkalmi feladatokat, és hozzon létre forgatókönyveket vagy automatizálási szkripteket hozzájuk. Azokat a feladatokat, amelyeket nem tud azonnal automatizálni, alaposan dokumentálja a folyamatokat a konzisztencia és az egyértelműség biztosítása érdekében.

Tervezési javaslatok

Ajánlás Juttatás
Ha lehetséges, törekedjen az ügyfelek adattárai közötti konzisztenciára.

Ha egy ügyfél speciális szállást igényel, integrálja őket egy átfogó folyamatba ahelyett, hogy testre szabja az adott ügyfél konfigurációját. Használja például ugyanazt a sémát az egyes adatbázisokhoz, és ugyanazokat a folyamatokat használja az erőforrások üzembe helyezéséhez és kezeléséhez.		 A konzisztencia megkönnyíti a nagy léptékű módosításokat, és minimálisra csökkenti a véletlen problémák kockázatát az üzembe helyezési vagy karbantartási eljárások során.
Körültekintően helyezze üzembe a korlátozott erőforrásokat, és keressen lehetőségeket a műveletek gördülékenyebbé tételéhez. Elkerülheti a kis hatékonyságot, és jobb erőforrás-kihasználtsággal és általános teljesítménnyel rendelkezhet.
Automatizálás létrehozása ismétlődő feladatokhoz. Válassza az automatizált eszközök vásárlását egyéni megoldás létrehozása helyett.

Ismerje meg a platform és a nem Microsoft-gyártók által biztosított lehetőségeket.		 A minőségi automatizálásba való befektetéssel ezeket az eszközöket ismételten használhatja, és csökkentheti a gyakran hibákra hajlamos manuális feladatokat. Az automatizált eszközök akkor értékesek, ha nem szakértője az ön által használt adattárnak, vagy ha nem biztos a szükséges karbantartási feladatokban.
A csapat adatbázis-felügyeleti kapacitásának körültekintő üzembe helyezése. Az emberi adatbázis-rendszergazdákat lefoglalhatja a leghatásosabb tevékenységekhez, például a nagy ügyfelekkel való kezeléshez vagy a sok ügyfélre skálázható automatizáláshoz. Az értékes funkciók rangsorolásával maximalizálhatja a hatékonyságot.

Ügyfél hozzáférése az adatokhoz

Egyes ügyfelek közvetlen hozzáférést kérhetnek adataikhoz egyéni jelentéskészítés vagy elemzés céljából. Alaposan gondolja át, hogy az ügyfelek hogyan férhetnek hozzá a megoldásban lévő adatokhoz, és hogy ezeket a kéréseket megadják-e, vagy alternatív módszereket nyújtanak-e az igényeiknek megfelelően.

Kialakítási szempontok

  • A közvetlen hozzáférés okainak indoklása. Annak megértése, hogy az ügyfeleknek miért van szükségük a nyers adatokhoz való hozzáférésre az üzleti problémájukkal kapcsolatos információk lekérésével. Együttműködés az igényeiknek megfelelő megoldás megtalálásához anélkül, hogy kockázatot jelentenek a platformra.

    Keressen alternatív módszereket a követelmények teljesítésére ahelyett, hogy közvetlen hozzáférést adnának. Ha jelentéskészítés céljából hozzáférésre van szükség, az alkalmazásszintű megközelítések előnyösek. Létrehozhat például jelentéseket számukra a Microsoft Power BI használatával, vagy exportálhatja az adatok egy részhalmazát egy számukra megadott fájlba. Létrehozhat olyan API-kat is, amelyekkel hozzáférhetnek az adatokhoz.

  • A biztonság és az elkülönítés következményeinek értékelése. Az adattárakhoz való közvetlen hozzáférés jelentős biztonsági kockázatot jelent. Kerülje a külső felek, köztük az ügyfelek belső erőforrásainak felfedését. Egy olyan SaaS-környezetben, amelyben sok ügyfél osztozik egy megoldáson, a kockázatok még nagyobbak, mert a környezet kihasználható más ügyfelek adatainak eléréséhez.

    Fontolja meg, hogy az ügyfelek biztonságos, elkülönített módon férhessenek hozzá az adataikhoz, ami nem befolyásolja az éles rendszert, és lehetővé teszi a belső adatbázis-tervezés módosítását anélkül, hogy megszakítanák az ügyfelek lekérdezéseit.

  • Fontolja meg a teljesítményre gyakorolt hatást. A tranzakciós adattárhoz való közvetlen hozzáférés engedélyezése teljesítményproblémákat okozhat a fő alkalmazás számára. Előfordulhat például, hogy az ügyfél egy erőforrás-igényes lekérdezést futtat, amely megzavarja az alkalmazás működését.

Tervezési javaslatok

Ajánlás Juttatás
Kerülje az adattárak közvetlen elérését.

Ha közvetlen hozzáférést kell adnia, adjon hozzáférést egy írásvédett replikához, ha az adatplatform támogatja azt.		 Az alkalmazásszintű megközelítések segítségével szabályozhatja, hogy az ügyfelek hogyan használják az ön adatait. Ha nem lehet alkalmazásszintű szerkezeteket létrehozni, a csak olvasható replikákon keresztüli hozzáférés csökkenti az ügyfél által a műveletekre vonatkozó lekérdezések terhelését.
Kerülje a belső megvalósítás részleteinek felfedését. Az adatstruktúrákhoz való hozzáférés szabályozásával megakadályozhatja, hogy az ügyfelek feltételezéseket tegyenek az adatbázisséma funkcióival kapcsolatban. Ez a rugalmasság lehetővé teszi az adatbázis-struktúra időbeli fejlődését és optimalizálását az ügyfél által létrehozott eszközök vagy pontatlan feltételezések korlátozása nélkül.

További erőforrások

A több-bérlősség az SaaS-számítási feladatok tervezésének alapvető üzleti módszertana. Ezek a cikkek további információt nyújtanak az adattervezési szempontokról:

Következő lépés

Megismerheti az SaaS számítási feladataival kapcsolatos DevOps-szempontokat, beleértve a hatékony ügyfél-életciklus-kezelést és a biztonságos üzembe helyezési eljárásokat.

Tervezési terület: DevOps-eljárások SaaS-számítási feladatokhoz az Azure-ban