Optimización de costes de API y almacenamiento - Patrones

Obtenga más información acerca de la optimización de recursos y costes bien arquitectada → Optimización de datos

Patrones

Dónde buscarQué buen aspecto tiene
Datos activos del modelo de datos✅ Los datos activos reciben tratamiento de almacenamiento premium: los datos a los que se accede regularmente para operaciones comerciales permanecen en objetos estándar de Salesforce con capacidad de consulta completa, automatización de flujos de trabajo y acceso de usuario. Los datos activos justifican la inversión en almacenamiento porque el acceso frecuente requiere disponibilidad inmediata
✅ Ejemplo: Las oportunidades del año actual y los casos activos permanecen en objetos estándar con funciones completas
Datos calientes del modelo de datos✅ Los datos cálidos utilizan estrategias de almacenamiento intermedio: los datos a los que se accede ocasionalmente para la creación de informes o referencias pueden permanecer en Salesforce con marcas de archivo que activan vistas filtradas, o migrar a Big Objects que admiten la recuperación basada en índices sin capacidad de flujo de trabajo
✅ Ejemplo: Oportunidades del año anterior marcadas como archivadas pero que se pueden consultar para análisis históricos
Datos en frío del modelo de datos✅ Datos fríos archivados en Big Objects o sistemas externos: Los datos retenidos para el cumplimiento pero a los que rara vez se accede se trasladan a Big Objects (no cuentan en los límites de almacenamiento de datos estándar) o sistemas de archivado externos. Big Objects apropiado para archivado de gran volumen con patrones de acceso predecibles. Archivado externo en almacenes de datos o almacenamiento de objetos proporciona retención de menor coste para datos de cumplimiento
✅ Ejemplo: Casos con más de 36 meses de antigüedad archivados en Big Objects con recuperación basada en índices para acceso de cumplimiento
Datos caducados del modelo de datos✅ Datos caducados eliminados a través de procesos del ciclo de vida automatizados - Los datos pasados requisitos de retención sin valor comercial deben eliminarse a través de procesos automatizados en vez de acumularse indefinidamente. Muchas organizaciones nunca eliminan datos debido a problemas de “qué pasa si los necesitamos algún día”, dando como resultado un crecimiento del almacenamiento que consume presupuesto sin justificación comercial
✅ Ejemplo: La política de retención de datos elimina automáticamente registros después de 7 años basándose en requisitos de retención reguladores
Configuración → Descripción general del sistema → Almacenamiento de datos
Configuración → Uso de almacenamiento		✅ Patrón: Los paneles de capacidad muestran el consumo de almacenamiento por objeto con tendencias de crecimiento, el uso de API por integración con patrones de pico y la utilización de capacidad de procesamiento con proyecciones
✅ Active la optimización proactiva antes de que los límites creen cortes o cargos por exceso inesperados
Sin seguimiento de almacenamiento → Sorpresas anuales⚠️ Antipatrón: Superación de almacenamiento descubierta durante la negociación de renovación que requiere compra inmediata a precios premium sin tiempo para evaluar estrategias de archivado
⚠️ La organización adquiere almacenamiento adicional anualmente sin analizar qué datos consumen capacidad o si el archivado reduciría el crecimiento

Patrones

Dónde buscarQué buen aspecto tiene
Archivos de Salesforce Archivos de gran tamaño✅ Integración de almacenamiento externo para ahorros de costes a escala: Almacene archivos en servicios como Amazon S3 o Azure Blob Storage con Salesforce manteniendo registros de referencia que vinculan a contenido externo. El almacenamiento externo cuesta 0,02 a 0,05 $ por GB mensualmente en comparación con el almacenamiento de archivos de Salesforce a 1 a 3 $ por GB mensualmente dependiendo de la edición, creando ahorros de costes de 10 a 20 veces a escala
✅ Ejemplo: La solución de gestión de contratos almacena contratos activos (últimos 24 meses) en Salesforce Files para una vista previa y colaboración nativa, migra automáticamente contratos antiguos a S3 con vínculos de Salesforce, reduciendo el almacenamiento de archivos en un 70% mientras mantiene el acceso
✅ Compensación: La integración de almacenamiento externo requiere esfuerzo de desarrollo e introduce dependencia en el servicio externo, pero ofrece ahorros de costes de 10 a 20 veces para casos de uso con gran cantidad de archivos, lo que se interrumpe incluso en meses
Ciclo de vida de archivos de gestión de contenido✅ La gestión del ciclo de vida de archivos archiva o elimina archivos antiguos: Implemente el archivado automatizado trasladando archivos más allá de los umbrales de retención al almacenamiento externo o la eliminación. Los archivos a los que rara vez se accede después de la creación inicial, incluyendo archivos adjuntos de casos para casos cerrados y versiones de documentos reemplazadas son candidatos de archivo principales
✅ Nota: El almacenamiento de archivos incluye Salesforce Files, archivos adjuntos, documentos y contenido. Las organizaciones con casos de uso intensivo de documentos, incluyendo gestión de contratos, bibliotecas de activos y archivos adjuntos de casos, se acercan con frecuencia a los límites de almacenamiento de archivos con mayor rapidez que el almacenamiento de datos

Patrones

Dónde buscarQué buen aspecto tiene
Plantillas de copia parcial de gestión sandbox✅ Las plantillas de datos selectivas optimizan la capacidad de almacenamiento de sandbox: Excluya objetos de gran volumen de plantillas de copia parcial cuando el volumen de datos completo no es necesario para probar escenarios. Implemente la retención de datos específica de sandbox eliminando registros anteriores a los que requieren las pruebas, liberando capacidad para datos de prueba adicionales
✅ Ejemplo: La plantilla de sandbox de copia parcial incluye los últimos 12 meses de oportunidades y casos, pero excluye datos archivados, proporcionando datos de prueba representativos con una capacidad de 5 GB en vez de requerir copia completa
✅ Compensación: La definición de plantillas de datos selectivas requiere esfuerzo de análisis pero permite utilizar tipos de sandbox de menor coste eliminando datos innecesarios para escenarios de prueba
Cadencia de actualización de gestión de sandbox✅ Actualizar cadencia alineada con requisitos de actualización de datos reales: Alinee la actualización de sandbox con requisitos de actualización de datos reales en vez de programaciones arbitrarias. Muchas organizaciones actualizan sandboxes de copia completa mensualmente cuando la actualización trimestral sería suficiente para sus patrones de prueba, desperdiciando capacidad de actualización que podría admitir sandboxes adicionales
✅ Ejemplo: Sandbox de copia completa actualizado trimestralmente en vez de mensualmente, liberando capacidad de actualización para entornos sandbox de copia parcial adicionales
Sandboxes temporales de gestión de entornos sandbox✅ Gestión temporal de sandboxes con políticas de caducidad: Realice un seguimiento de entornos creados para proyectos específicos o pruebas de picos con fechas de eliminación documentadas. La proliferación temporal de entornos sandbox es un origen común de desechos, ya que los entornos sandbox de proyectos pasan al estado permanente sin justificación. Implementar políticas de caducidad que requieren justificación de renovación para mantener entornos temporales más allá del ámbito inicial
✅ Ejemplo: Sandbox de proyecto creado con un vencimiento de 90 días que requiere justificación comercial para extenderse más allá de la finalización del proyecto

Patrones

Dónde buscarQué buen aspecto tiene
Análisis de uso de picos de supervisión de integración✅ El análisis de uso máximo identifica oportunidades de optimización de programación: identifique patrones de consumo diarios y semanales. Las programaciones de integración concentradas durante el horario de oficina compiten con llamadas de API iniciadas por el usuario. La distribución de integraciones por lotes entre plazos de menor producción optimiza la utilización de la capacidad sin aumentar los límites
✅ Ejemplo: Integraciones por lotes reprogramadas de 9 AM a 2 AM, reduciendo la contención de API en horas punta y activando integraciones adicionales dentro de la capacidad existente
API masiva de código personalizado 2.0✅ API masiva 2.0 para cualquier operación que procese cientos de registros: Utilice la API masiva 2.0 para cualquier operación que procese más de unos cientos de registros. La API masiva procesa hasta 150 millones de registros por trabajo con un consumo mínimo de llamadas de API en comparación con el procesamiento de registros de forma individual
✅ Ejemplo: La sincronización de datos nocturna utiliza la API masiva 2.0 procesando 100.000 registros con un consumo de API mínimo en vez de llamadas de API individuales por registro
Caché de plataforma de código personalizado✅ Caché de plataforma elimina consultas repetitivas para datos de referencia: Almacena en caché datos de referencia a los que se accede con frecuencia para eliminar consultas repetitivas. El almacenamiento en caché de códigos de país, catálogos de productos o datos de configuración reduce el consumo de API para integraciones que consultan repetidamente datos de referencia sin cambios
✅ Ejemplo: Catálogo de productos en caché en Caché de plataforma, reduciendo las llamadas de API de 1.000 consultas diarias a actualización de caché único
Captura de datos de cambio de arquitectura de integración✅ Captura de datos elimina patrones de sondeo derrochadores - Utilice Captura de datos de cambios para la sincronización de datos en vez de patrones de sondeo. Los CDC publican eventos solo cuando cambian los datos, eliminando llamadas de API desperdiciadas comprobando cambios que no se produjeron
✅ Ejemplo: La sincronización de datos de clientes utiliza eventos de publicación de Cambiar Captura de datos cuando los clientes actualizan, consumiendo llamadas de API solo para cambios reales (200 diarias) en vez de sondear cada registro de cliente cada hora (1,2 millones de consultas diarias)
✅ Compensación: La arquitectura dirigida por eventos requiere Eventos de plataforma o esfuerzo de implementación de CDC, pero reduce el consumo de API 95%+ para patrones de detección de cambios, rompiendo incluso en semanas
Sin supervisión → Detección reactiva⚠️ Antipatrón: El consumo de API se monitorea solo cuando se producen excepciones de límite, creando cambios de arquitectura reactivos de extinción de incendios y emergencia bajo presión
⚠️ Falta el análisis de tendencias proactivo que permite la optimización antes de que los límites restrinjan las operaciones comerciales

Patrones

Dónde buscarQué buen aspecto tiene
Patrón de integración Síncrono en tiempo real✅ Las integraciones síncronas consumen la capacidad de API más alta - Las integraciones en tiempo real consumen una o más llamadas de API por transacción. Los flujos de transacciones de gran volumen pueden consumir una capacidad de API significativa. Patrones síncronos apropiados cuando la coherencia de datos inmediata es un requisito comercial obligatorio pero conlleva el mayor coste de consumo de API
✅ Ejemplo: El envío de pedidos requiere Comprobación de inventario inmediata y reserva en sistema ERP justificando patrón síncrono a pesar del mayor costo de API
Procesamiento por lotes de patrón de integración✅ Las integraciones por lotes reducen el consumo de API 90%+ frente a síncrono - Procesar registros de forma masiva, reduciendo drásticamente las llamadas de API por registro. La API masiva 2.0 procesa millones de registros con un consumo de API mínimo. Apropiado cuando la sincronización casi en tiempo real cumple las necesidades comerciales y elimina el 90%+ del consumo de API en comparación con patrones síncronos
✅ Ejemplo: La sincronización de datos de clientes ejecuta lotes por hora en vez de actualizaciones en tiempo real, reduciendo el consumo de API en un 95% con una latencia de datos de 1 hora aceptable
Patrón de integración dirigido por eventos✅ Los patrones dirigidos por eventos se amplían eficientemente consumiendo recursos solo en cambios reales: Utilice Eventos de plataforma o Captura de datos de cambios para una distribución eficiente de eventos sin gastos generales de sondeo. Los patrones dirigidos por eventos se amplían de forma eficiente porque consumen recursos solo cuando se producen cambios reales en vez de comprobar repetidamente cambios que no se produjeron
✅ Ejemplo: Los cambios de etapa de oportunidad publican Eventos de plataforma consumidos por sistemas descendentes, eliminando los sondeos y reduciendo el consumo de API en un 98%
Plataforma de integración MuleSoft TCO✅ MuleSoft agrega coste de plataforma pero puede reducir el coste total de integración TCO - MuleSoft Anypoint Platform agrega coste de licencia de plataforma ($20K-200K+ anuales) pero puede reducir el coste total de integración TCO a través de almacenamiento en caché inteligente, agrupación de conexiones, optimización por lotes y regulación unificada entre todos los patrones de integración
✅ Compensación: Middleware justifica la inversión cuando el recuento de integración supera 5-7 conexiones, proporcionando reutilización y regulación que reducen los costes de mantenimiento a largo plazo
Precios de API de integración externa✅ Costes de API externos modelados basándose en volúmenes de transacciones proyectados: Modele costes externos basándose en volúmenes de transacciones proyectados reflejando el uso real en vez de niveles mínimos que asumen volúmenes bajos. Los precios de API externa varían desde niveles gratuitos a través de facturación medida por llamada a licencias comerciales de tarifa plana
✅ Ejemplo: El modelo de TCO de integración para pasarela de pago incluye una tarifa de plataforma anual de 15.000 $ + 0,10 $ por transacción estimada en 50.000 transacciones anuales (5.000 $) + desarrollo de integración de 25.000 $ + mantenimiento anual de 5.000 $ para un total de 50.000 $ el primer año, 10.000 $ en curso
Punto a punto de mantenimiento de integración frente a Núcleo✅ Las integraciones punto a punto multiplican el esfuerzo de mantenimiento exponencialmente: Cada punto de integración incluye la construcción inicial, el mantenimiento continuo, la evolución de la gestión de errores y la adaptación cuando cambia cualquier extremo. Las integraciones de punto a punto multiplican el esfuerzo de mantenimiento exponencialmente a medida que crece el recuento del sistema. Cinco sistemas con conexiones de punto a punto requieren 10 transmisiones de mantenimiento de integración. Diez sistemas requieren 45 transmisiones. Los patrones de Núcleo y voz a través de plataformas de integración reducen el crecimiento exponencial a escala lineal
✅ Ejemplo: Organización con 8 transiciones de sistemas conectados de 28 integraciones de punto a punto a 8 conexiones de núcleo y radio, reduciendo las transmisiones de mantenimiento en un 71%
Costes de asistencia de operaciones de integración✅ Los costes de asistencia y solución de problemas crecen con el recuento de integración: Cada integración crea posibles puntos de fallo que requieren la supervisión de la infraestructura, la configuración de alertas, la documentación de la lista de ejecución y la capacidad de respuesta ante incidentes. Incluir costes de asistencia continuos en TCO de integración más allá del desarrollo inicial
✅ Ejemplo: Costes de asistencia de integración modelados en un 15-20% del coste de desarrollo inicial anual para la supervisión, la solución de problemas y la respuesta ante incidentes

Antipatrones

Dónde buscarAspecto negativo
Todos los datos históricos permanecen en almacenamiento activo indefinidamente⚠️ Crecimiento de almacenamiento que consume presupuesto sin justificación comercial. Las organizaciones adquieren almacenamiento adicional anualmente sin analizar qué datos consumen capacidad o si las estrategias de archivado podrían reducir la tasa de crecimiento
⚠️ Remediación: Definir la política de retención de datos con etapas del ciclo de vida: activa (0-12 meses), tibia (12-36 meses), fría (más de 36 meses archivada) y caducada (eliminada tras la retención reglamentaria). Implementar el archivado automatizado en Big Objects o almacenamiento externo
La plantilla de copia parcial incluye todos los objetos sin filtrar⚠️ Consume 5 GB de capacidad con datos históricos irrelevantes para las pruebas, forzando la compra de copia completa cuando la selección estratégica de datos activaría el uso de copia parcial a un coste significativamente menor
⚠️ Remediación: Analizar requisitos de prueba y crear plantillas de copia parcial selectivas incluyendo solo los últimos 12-18 meses de datos y excluyendo objetos de gran volumen innecesarios para escenarios de prueba
La integración sondea todos los registros cada 15 minutos comprobando si hay cambios⚠️ Consume 5 millones de llamadas de API diariamente cuando el 95% de los sondeos no encuentran cambios, desperdiciando capacidad de API en consultas innecesarias. Crea riesgo de alcanzar los límites de API y evitar que se completen integraciones legítimas
⚠️ Remediación: Sustituir patrón de sondeo por Captura de datos de cambios o Eventos de plataforma que consumen llamadas de API solo cuando se producen cambios reales, reduciendo el consumo de API en un 95%+
La integración realiza llamadas de API separadas para cada tipo de registro en secuencia⚠️ Multiplica el consumo de API de 5 a 10 veces en comparación con los enfoques por lotes. Procesamiento de pedidos que consume 8 llamadas de API por pedido cuando una sola llamada compuesta sería suficiente
⚠️ Remediación: Implemente operaciones relacionadas con lotes de API compuestas en una única llamada de API, reduciendo el consumo de 8 llamadas por transacción a 1 llamada por transacción (reducción del 87%)
Sandboxes de copia completa adquiridos para cada equipo de desarrollo⚠️ Multiplica los costes 5 veces cuando la copia parcial cumple la mayoría de los requisitos de prueba. La copia completa cuesta de 5 a 10 veces más que la copia parcial y se actualiza solo mensualmente frente a cada 5 días
⚠️ Remediación: Reserve Copia completa exclusivamente para validación de UAT y rendimiento de preproducción. Utilizar Developer Pro para desarrollo y copia parcial con plantillas de datos dirigidas para pruebas de integración
Integración aprobada basada en “nivel de API libre” sin modelado de volumen⚠️ Los volúmenes de transacciones proyectados superan el nivel libre en el mes 2, lo que da como resultado costos anuales sorpresa de 15.000 $ no incluidos en el análisis de presupuesto o TCO
⚠️ Remediación: Modele costes de API externos basándose en volúmenes de transacciones proyectados incluyendo proyecciones de escala. Incluya comisiones de plataforma, costes por transacción y cargos por exceso de tiempo en el TCO de integración antes de la aprobación
Consumo de API supervisado solo cuando se producen excepciones de límite⚠️ Crea cambios de arquitectura reactivos de extinción de incendios y emergencia bajo presión. Los límites crean cortes antes de identificar oportunidades de optimización
⚠️ Remediación: Implemente un panel de supervisión de API proactivo con atribución a nivel de integración, análisis de uso máximo y proyección de crecimiento. Establezca alertas en umbrales de utilización de ejemplo como 70% y 85% proporcionando tiempo de candidato para la optimización
Generación de documentos personalizados porque “tenemos desarrolladores disponibles”⚠️ Desarrollo personalizado a 80.000 $ de construcción inicial + 15.000 $ de mantenimiento anual cuando la opción AppExchange a 15 $ por usuario mensualmente (18.000 $ anuales para 100 usuarios) entrega una implementación más rápida, mantenimiento de proveedor y un TCO de 5 años inferior
⚠️ Remediación: Evalúe soluciones AppExchange antes del desarrollo personalizado para funciones de productos básicos. Modelo de TCO de 3 a 5 años comparando la construcción frente a la compra incluyendo mantenimiento, compatibilidad de plataforma y costes de asistencia
Los entornos sandbox de proyectos temporales pasan al estado permanente sin justificación⚠️ Presupuesto de consumo de proliferación de sandbox sin valor comercial. Las organizaciones acumulan más de 20 entornos sandbox cuando 10 satisfacen necesidades de desarrollo reales con una gestión del ciclo de vida adecuada
⚠️ Remediación: Implemente políticas de caducidad de sandbox que requieran justificación de renovación. Realizar un seguimiento de entornos sandbox con fechas de eliminación documentadas y alertas automatizadas para revisión de caducidad

Última actualización: 2026-06-08