Pålideligt - Skalerbarhed
Få mere at vide om Well-Archived Trusted → Reliable → Scalability → Data Modeling
| Hvor skal du se? Produktområde | Placering | Hvordan ser godt ud? Mønster |
|---|---|
| Data 360 | Organisation | ✅ Datatransformationer bruges til at denormalisere data, før tilknytning Data-transformationer findes for at transformere kildedata, så alle kontaktpunkter kan overføres separat til standardkontaktpunktobjekter |
| Platform | Business | ✅ Low-code-konstruktører forstår de forskellige felttyper, der understøttes af Salesforce, og evaluerer rapporterings- og krypteringskrav, før de vælger feltdatatyper |
| Platform | Business | ✅ Delings- og dataforskydningsimplikationer evalueres, før du vælger at etablere en overordnet-detalje-relation mellem objekter |
| Platform | Datamodel | ✅ Tabeller er denormaliseret til skala |
| Platform | Datamodel | ✅ Standardobjekter bruges, hvor det er muligt |
| Platform | Designstandarder | ✅ Standarder og vejledning, hvor forretningsjusteringer garanterer, at der findes et tilpasset objekt |
Få mere at vide om Well-Archived Trusted → Reliable → Scalability → Data Volume
| Hvor skal du se? Produktområde | Placering | Hvordan ser godt ud? Mønster |
|---|---|
| Data 360 | Testplaner | ✅ Masseindlæsningsberegningskonto for Dag 0-dataindlæsninger Du har planlagt for de store datamængder, der ofte skal migreres, før din løsning går live (også kaldet Dag 0), og har bekræftet, at du ikke vil nærme dig den maksimale filstørrelse og maksimale filer pr. planlagt kørsel samtidigt |
| Platform | Apex | ✅ Der findes logik til at distribuere antallet af underordnede registreringer på tværs af flere overordnede registreringer i scenarier, hvor dataskydning er et problem |
| Platform | Apex | ✅ Der findes logik til at tildele alle registreringer til de relevante menneskelige brugere, når de importeres eller replikeres via en integration |
| Platform | Business | ✅ Du har dokumenteret og implementeret en dataarkiverings- og fjernelsesstrategi |
| Platform | Business | ✅ Masseindlæsningsstrategi for data optimeres til at optimere serverforbrug Indlæsningstider, datasekvenser, registreringslåsning, automatisering og massedelingsprocesser tages med i betragtning i din masseindlæsningsstrategi for effektiv serverforbrug |
| Platform | Data | ✅ Ingen overordnede registreringer har mere end 10.000 underordnede registreringer |
| Platform | Data | ✅ Ingen brugere er tildelt til mere end 10.000 registreringer af samme objekttype |
| Platform | Data | ✅ Der findes ingen forekomster, hvor mere end 10.000 registreringer har opslagsfelter, der peger på den samme registrering |
| Platform | Data | ✅ Masseindlæsninger af data i produktion forekommer ikke i spidsbelastningstider |
| Platform | Data | ✅ Massedataindlæsninger sorteres i batches i henhold til ParentId feltværdier |
| Platform | Data | ✅ Masseindlæsninger af data inkluderer kun de mindste data, der er nødvendige for forretningsbeslutninger |
| Platform | Forløb | ✅ Der findes logik til at distribuere antallet af underordnede registreringer på tværs af flere overordnede registreringer i scenarier, hvor dataskydning er et problem |
| Platform | Forløb | ✅ Der findes logik til at tildele alle registreringer til de relevante menneskelige brugere, når de importeres eller replikeres via en integration |
| Platform | Organisation | ✅ Data efterbehandling udsættes under store dataindlæsninger Efterbehandlingsautomatiseringer udsættes, indtil efter store dataindlæsninger er overstået. |
| Platform | Testplaner | ✅ Masse-API-indlæsningsstrategi testes i en fuld kopi-sandbox Når du planlægger en dataindlæsning ved brug af Bulk API i en fuld kopi-sandbox for at identificere mønsteret, indlæsningssekvensen og eventuelle låseproblemer, der kan opstå. |
Få mere at vide om Well-Archived Trusted → Reliable → Scalability → Data Modeling
| Hvor skal du se? Produktområde | Placering | Hvad skal undgås? Anti-mønster |
|---|---|
| Platform | Business | ⚡️ Low-code-konstruktører vælger datatyper uden at evaluere downstream-rapportering og krypteringskrav |
| Platform | Business | Deling og dataskydning tages ikke med i betragtning, før du etablerer overordnet-detalje-relationer mellem objekter |
| Platform | Datamodel | ⚡️ Tabeller er blevet normaliseret for at undgå redundans |
| Platform | Datamodel | ⚡️ Du har replikerede standardobjekter |
| Platform | Designstandarder | ⚡️ Der findes ingen standarder for oprettelse af tilpassede objekter |
Få mere at vide om Well-Archived Trusted → Reliable → Scalability → Data Volume
| Hvor skal du se? Produktområde | Placering | Hvad skal undgås? Anti-mønster |
|---|---|
| Data 360 | Testplaner | ⚡️ Dine beregninger af masseindlæsning inkluderer ikke dataindlæsninger på dag 0 Dag 0-indlæsningsberegninger udføres ikke, eller hvis de er dokumenteret, er nær den maksimale værdi for både filstørrelse og filer pr. kørsel samtidigt |
| Platform | Apex | ⚡️ Registreringer, der er oprettet via dataindlæsninger eller integrationer, tildeles til en generisk "integrationsbruger" |
| Platform | Apex | ⚡️ Underordnede registreringer tildeles vilkårligt til overordnede registreringer, uanset antallet af eksisterende underordnede registreringer, der allerede er tildelt |
| Platform | Business | ⚡️ Du har ikke en dataarkiverings- og fjernelsesstrategi, eller din strategi er dokumenteret, men ikke implementeret |
| Platform | Business | ⚡️ Masseindlæsninger af data køres uden planlægning for skalering Indlæsningstider, datasekvenser, registreringslåsning, automatisering og massedelingsprocesser tages ikke med i betragtning, før masseindlæsninger af data udføres |
| Platform | Data | ⚡️ Masseindlæsninger af data i produktion forekommer i spidsbelastningstider |
| Platform | Data | ⚡️ Masseindlæsninger af data er ikke begrænset til de mindste data, der er nødvendige for forretningsbeslutninger |
| Platform | Data | ⚡️ Der findes registreringer med flere end 10.000 underordnede registreringer |
| Platform | Data | ⚡️ Brugere tildeles til mere end 10.000 registreringer af samme type |
| Platform | Data | ⚡️ Der findes forekomster, hvor mere end 10.000 registreringer har opslagsfelter, der peger på den samme registrering |
| Platform | Data | Massedataindlæsninger sorteres ikke i batches i henhold til ParentId feltværdier |
| Platform | Forløb | ⚡️ Registreringer, der er oprettet via dataindlæsninger eller integrationer, tildeles til en generisk "integrationsbruger" |
| Platform | Forløb | ⚡️ Underordnede registreringer tildeles vilkårligt til overordnede registreringer, uanset antallet af eksisterende underordnede registreringer, der allerede er tildelt |
| Platform | Organisation | ⚡️ Masse-API-indlæsningsstrategi testes i en delvis kopi-sandbox Masse-API-indlæsningstest til at bestemme, at batchindlæsningstider udføres på et undersæt af data i en delvis kopi-sandbox. |
| Platform | Organisation | Udførelse af massedataindlæsninger parallelt med andre handlinger, der låser registreringer Kørsel af batch Apex parallelt med dataindlæsninger |
| Platform | Organisation | ⚡️ Valg af en API uden at tage højde for størrelsen på dit datasæt SOAP API bruges til dataindlæsninger, der er større end 500.000 registreringer |
| Platform | Organisation | ⚡️ Rapporteringskrav styrer rollehierarkidesign Brug af rapporteringskrav til at bestemme, hvilke eller hvor mange rollehierarkiniveauer du har brug for |
| Platform | Organisation | ⚡️ Rollehierarki har tomme roller Tomme pladsholderroller oprettes for fremtiden |
| Platform | Organisation | ⚡️ Rollehierarki efterligner dit organisationsdiagram Du replikerede din organisationsstruktur i rollehierarkiet og oprettede individuelle roller for hver titel i dit firma |