Synkronisera data i Dataverse-miljöer med Hjälp av Power Platform

Den här referensarkitekturen visar hur du synkroniserar huvuddata mellan två Dataverse-miljöer med hjälp av Power Automate och dataflöden i Power Platform. Den visar ett en-till-en-synkroniseringsmönster där en miljö fungerar som auktoritativ källa och en annan tar emot data.

Arkitekturdiagram

Arbetsflöde

Följande steg beskriver arbetsflödet som visas i exempelarkitekturdiagrammet:

1. Händelsedriven synkronisering via Power Automate

   • CRUD-åtgärder (skapa, läsa, uppdatera, ta bort) i den primära Dataverse-miljön utlöser Power Automate-flöden.

   • Händelsedriven synkronisering använder en tvåstegsflödeskedja:

     1. Ett molnflöde skickar ett HTTP POST till en publicerad slutpunkt.
     2. Ett prenumerantmolnflöde utlöses av webhooken, bearbetar nyttolasten och tillämpar uppdateringen i den sekundära Dataverse-miljön i nästan realtid.

   • Slutpunkter parametriseras för programlivscykelhantering (ALM) och säkerhetsgrupper hanterar åtkomst.

2. Masssynkronisering via dataflöden

   • Den sekundära Dataverse-miljön innehåller dataflödena.

   • Varje dataflöde ansluter till den primära Dataverse-miljön som datakälla.

   • Dataflöden körs enligt ett fast schema (till exempel varje natt eller efter att ett annat dataflöde har körts) eller på begäran (till exempel för den första installationen).

   • Upserts utförs med hjälp av en alternativ nyckel för att undvika dubbletter. Den här metoden uppdaterar befintliga data och infogar nya poster när det inte finns någon matchning.

   • Statusfält hanteras via en dedikerad "synkroniseringsstatus"-kolumn. Ett Power Automate-flöde uppdaterar det aktuella statusfältet i enlighet med detta. Det här flödet körs efter dataflödet och krävs eftersom ett dataflöde inte kan ändra radstatus eller ta bort poster som tas bort (saknas) i den primära Dataverse-miljön.

3. Felhantering och avstämning

   • Nattliga dataflöden i den sekundära miljön korrigerar eventuella missade eller misslyckade händelsedrivna uppdateringar.

   • Manuella åtgärder kan krävas för datakvalitetsproblem (till exempel saknade nycklar).

Komponenter

• Microsoft Dataverse: Stöder kravet på två miljöer.

• Dataflöden för Power Platform: Perfekt för massåtgärder, till exempel inledande datapopulation och synkronisering. Använd massextrahering, transformering och inläsning (ETL) för schemalagd synkronisering som konfigurerats i den sekundära miljön.

• Power Automate molnflöden: Tillhandahåller snabba och postspecifika uppdateringar samt kompenserar för begränsningar i dataflöden. Molnflöden kan utlösa ett dataflöde när ett annat dataflöde slutförs (till exempel när en tabell innehåller ett uppslagsfält till ett annat och den refererade posten redan måste finnas i den sekundära Dataverse-miljön), skicka ett felmeddelande när ett dataflöde misslyckas, uppdatera poststatusar och ta bort poster.

• Säkerhetsgrupper och tjänstkonton: Ge åtkomsthantering och ägarskap.

Scenarioinformation

Den här arkitekturen är utformad för en en-till-en-relation: en enda MDM-miljö (Master Data Management) som är länkad till en annan enskild miljö. Scenarier där en huvudmiljö måste synkroniseras med flera andra miljöer kräver en mer skalbar eller distribuerad lösning.

Affärsproblem

Den här lösningen hanterar utmaningen att synkronisera flera tabeller mellan två distinkta Dataverse-miljöer. Den primära miljön fungerar som auktoritativ källa, medan den sekundära miljön innehåller befintliga tabeller som du måste fylla i och uppdatera med huvuddata.

Det går inte att använda virtuella tabeller när det sekundära systemets tabeller redan finns och kräver säkerhet på radnivå.

Exempel på användningsfall

En fritids- och gästfrihetsorganisation hanterar sina huvuddata, till exempel hotell och rumsinventeringar, i en dedikerad Dataverse-miljö. Den primära miljön innehåller en modelldriven app som masterdatateamet uteslutande använder för att upprätthålla korrekt och uppdaterad driftinformation.

En separat avdelning inom samma organisation ansvarar för flera finansiella processer och avstämningsprocesser. För att effektivisera dessa processer vill avdelningen skapa en egen modelldriven app i en isolerad Dataverse-miljö. Deras program kräver dock fortfarande åtkomst till grundläggande huvuddata som hotell- och rumsinformation.

Teamet avvisade virtuella tabeller eftersom det finansiella teamet behövde utöka poster med avdelningsspecifika attribut som styrs av strikt säkerhet på radnivå.

Att bädda in den finansiella appen i den primära MDM-miljön är inte heller ett alternativ. Om du tillåter finansiella beslutsfattare eller administratörer att komma in i MDM-miljön exponeras kopplingar, lösningar, API-behörigheter och känsliga data som bör begränsas till MDM-utvecklingsteamet.

Dessa krav ledde till att organisationen antog den synkroniseringsarkitektur som beskrivs i den här artikeln.

Värde som skapats

Den här arkitekturen ger en robust och underhållsbar lösning för synkronisering av huvuddata mellan två Dataverse-miljöer när virtuella tabeller inte är ett alternativ. Att fylla i och uppdatera befintliga tabeller direkt i den sekundära miljön säkerställer datakonsekvens och drifttillförlitlighet.

Metoden använder endast Power Platform-komponenter, till exempel dataflöden och Power Automate, vilket resulterar i en lösning som är enkel att distribuera, lätt att hantera och undviker onödig komplexitet.

Eftersom arkitekturen är skräddarsydd för en en-till-en-miljörelation minimerar den omkostnaderna och maximerar transparensen. Det är idealiskt för organisationer som behöver enkel och pålitlig huvuddatasynkronisering utan storskalig hantering av flera miljöer.

Considerations

Dessa överväganden implementerar Power Platforms Well-Architected-pelarna, en uppsättning vägledande principer som förbättrar kvaliteten på ett arbetsflöde. Läs mer i Microsoft Power Platform Well-Architected.

Reliability

• Dataflöden varje natt säkerställer konsekvens.

• Händelsedrivna flöden levererar snabba uppdateringar.

• Manuell övervakning identifierar datakvalitetsproblem.

Säkerhet

• Tjänstkonton och säkerhetsgrupper för åtkomstkontroll. När du använder dataflöden kan du inte tilldela serviceprincipaler som ägare.

• Parametriserade HTTP-slutpunkter för ALM-kompatibilitet.

• Dataflöden i isolerade lösningar för att undvika onödigt manuellt arbete. Det finns en specifik anledning till att isolera dataflöden i en dedikerad lösning: efter varje distribution måste du manuellt återupprätta dataflödesanslutningen. Genom att placera dataflöden i en separat lösning som du bara distribuerar när du ändrar dataflödena undviker du onödigt manuellt arbete när du distribuerar andra komponenter i huvudlösningen.

Operativ skicklighet

• Automatiserad schemaläggning och orkestrering av dataflöden.

• Övervakning och avisering för misslyckade synkroniseringar.

Prestandaeffektivitet

• Dataflöden som är optimerade för massåtgärder.

• Händelsedrivna Power Automate-flöden minimerar svarstiden för kritiska uppdateringar på postnivå. När du utformar händelsedrivna flöden ska du se till att åtgärdsvolymen och samtidigheten förblir inom Power Automate tjänstgränser. Crud-aktivitet med hög frekvens kan utlösa begränsning, särskilt i scenarier där flöden utför tiotusentals åtgärder per dag. ** För affärskritiska eller höggenomströmningsintegreringar använder du lämplig Power Automate-licensiering för att öka genomströmningsgränserna och undvika oväntad begränsning. Den här metoden minskar eskaleringsriskerna och säkerställer förutsägbara prestanda.

Upplevelseoptimering

• Kräver minimal manuella åtgärder.

• Separerar tydligt mass- och händelsedrivna synkroniseringar.

Bidragsgivare

Microsoft ansvarar för den här artikeln. Följande bidragsgivare skrev den här artikeln.

Huvudsakliga författare:

• Lothar van Diessen, lösningsarkitekt

Relaterade resurser

• Vad är dataflöden?
• Power Automate mallar för dataflödesanslutningen
• Dataverse som ett huvuddatasystem
• Förstå plattformsgränser och undvika strypning
• CRM-datamigrering till Dataverse: Viktiga insikter och metodtips
• Migrera data mellan Microsoft Dataverse miljöer med hjälp av OData-anslutningsappen för dataflöden