Best Practices für Entitätsmodellierung und Abfragen

Modellierungs- und Abfrageanleitung für Data Fabric-/Data Service-Entitäten: Geschäftsobjekt-Scope, entitätsübergreifende Abfragen, Filter, Abfragevolumen und Transaktions-Scope.

Eine Entität in Data Fabric/Data Service stellt ein einzelnes Geschäftsobjekt dar. Die Praktiken auf dieser Seite halten Entitätsschemas an dieser Grenze aus und halten Abfragen innerhalb der Volumes, die die Plattform und ihre Quellsysteme zuverlässig verarbeiten.

Welche Praktiken für eine bestimmte Entität gelten, hängt davon ab, ob es sich um eine native oder eine föderierte Entität handelt. Informationen zum Unterschied zwischen den beiden finden Sie unter Entitätstypen.

Üben	GiltFür
Eine Entität pro Geschäftsobjekt	Nativ und föderiert
Verknüpft über Geschäftsobjekte hinweg	Nativ und föderiert
Filtert und aggregiert an der Quelle	Nativ und föderiert
Verbundabfragevolumen	Verbund
Transaktions-Scope	Nativ

Eine Entität pro Geschäftsobjekt

Eine Entität ist so konzipiert, dass sie ein Geschäftsobjekt darstellt, und jede Entität bleibt auf eines beschränkt. Eine einzelne Entität sollte nicht mehrere Geschäftsobjekte einbetten und keinen gesamten Geschäftsprozess modellieren.

Wenn sich ein Geschäftsprozess über mehrere Geschäftsobjekte erstreckt, gehört jedes Objekt zu einer eigenen Entität und die Verbindungen zwischen ihnen werden als Beziehungen modelliert. Informationen zum Erstellen von Beziehungen finden Sie unter Beziehungen.

Verknüpft über Geschäftsobjekte hinweg

Eine einzelne Automatisierung benötigt oft Daten von mehr als einem Geschäftsobjekt. Anstatt eine Entität zu erweitern, um sie alle zu enthalten, bietet die Aktivität Query Multiple Entity Records eine Schnittstelle, die Daten über mehrere Entitäten hinweg abruft.

Filtert und aggregiert an der Quelle

Native sowie föderierte Entitäten unterstützen sowohl Filter als auch Aggregate. Je nach der verwendeten Schnittstelle akzeptiert die Plattform WHERE -Klauseln im SQL-Stil oder OData-Filterabfragen zusammen mit Aggregatfunktionen wie SUM, COUNT und AVG.

Wenn Sie diese Arbeit der Plattform überlassen, anstatt sie innerhalb einer Automatisierung auszuführen, hat es drei Auswirkungen:

• Zur Laufzeit werden weniger Daten verschoben.
• Die Abfrageleistung wird verbessert.
• Die in die Automatisierung codierte Logik bleibt einfacher.

Verbundabfragevolumen

Eine Abfrage über eine Verbundentität liest aus einem Live-Datensatzsystem wie Workday, Salesforce oder SAP. Diese Systeme liefern keine konsistent zuverlässige Leistung, wenn eine transaktionale Anforderung eine große Datenmenge abruft und Data Fabric / Data Service Entitäten sind für transaktionale Anwendungsfälle konzipiert.

Ein Filter, der jede Abfrage unter 50 MB der abgerufenen Daten hält, hält die Anforderung innerhalb des Bereichs, den diese Quellen zuverlässig dienen. Die Grenzen, die die Plattform selbst bei Abfragen erzwingt, die externe Daten lesen, werden unter Abfragelimits für externe Daten dokumentiert.

Transaktions-Scope

Data Fabric/Data Service bietet ACID-konforme Transaktionen, d. h. atomare, konsistente, isolierte und dauerhafte Transaktionen, die auf eine einzige native Entität beschränkt sind.

Ein Vorgang, der mehrere native Entitäten ändert, hat keine Transaktion auf Plattformebene, die ihn als Einheit abdeckt. Wenn ein Anwendungsfall diese Garantie erfordert, wird die Transaktionssemantik auf der Anwendungs- oder Automatisierungsebene behandelt.