1 / 42

Information Lifecycle Management ILM

Thor-Arne Iversen Affecto. Information Lifecycle Management ILM. Agenda. Introduksjon Informatica Data Archiving – Overblikk Informatica Data Subset – Overblikk Informatica Data Privacy – Overblikk Hvordan komme i gang. Informatica Application ILM.

teagan-vazquez
Download Presentation

Information Lifecycle Management ILM

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Thor-Arne Iversen Affecto Information Lifecycle ManagementILM

  2. Agenda Introduksjon Informatica Data Archiving – Overblikk Informatica Data Subset – Overblikk Informatica Data Privacy – Overblikk Hvordankomme i gang

  3. Informatica Application ILM • Application ILM girmuligheter for: • Data Archive – Flyttgamle/inaktive data utavproduksjonsmiljøet for bedreytelse, utfasingavsystemerog compliance • Data Subset – Lag ogoppdatermindrekopieravproduksjonsdatabasen for test- ogutvikling • Data Privacy – Beskyttsensitivinformasjon I utvikling- og test miljøer • ILM Verdibudskap: • Laverelagrings- og server- kostnad • Bedreytelsepåapplikasjonen • Mindre tid og kostnad ved backup og batch prosesser • Elimenererkostnadogkompleksitetnår man “pensjonerer” gamlesystemer • Redusererkostnaderrundt compliance • Forhindrer at sensitive data kommerpåavveie

  4. Application ILM ProdukterBedreoperasjonelleffektivitet Produksjon Utvikling/Test/KursKopier Informatica Data Subset Informatica Data Archive Inactive data Informatica Data Privacy • Reduserlagring, RDBMS lisenser, personellkostnader • Forbedreytelse • Redusertidsombrukespåvedlikehold& compliance • Reduserrisiko for data påavveie Copy 3 Copy 3 Copy 2 Copy 1 Performance D A T A B A S E S I Z E Copy 1 Copy 2 Copy 3 Active data T I D

  5. Agenda • Introduksjon • Informatica Data Archiving – Overblikk • Utfordringer • Typer arkivering • Konsepter (Accelerators, Reallokeringav data, tilgangtilarkiverte data) • Informatica Data Subset – Overblikk • Informatica Data Privacy – Overblikk • Hvordankomme i gang

  6. Utfordringervedøkende data volum Etter Før Bedre kontroll på økningen av data Bedre og mer stabil ytelse Redusertvedlikeholdskostnad& compliance Øktelagringskostnader Dårligereytelse Vanskeligerevedlikehold& Compliance

  7. PROD Active Active Active Inactive Inactive DEV DEV TEST TEST TRAIN TRAIN CRP CRP Hvorforskal man væreopptattavveksten ? • Finnes mange kopier av produksjon • Prosjektene krever separate utvikling- og test- miljøer • Hvormyediskplass tar dette? • Overhead øker • Tar lenger tid å kopiere Prod • Størrelsenpåproduksjongjørdetvanskelig å lagefornuftigeutviklingogtestmiljøer • Hardware kostnaderøker • FlereCPU / Mer Disk / MerMinne Se påarkiveringsomførstestegtil å fåmindrekopier

  8. Archive for Performance: Bedreytelse DATABASE METHOD Access archived data through production interface Keep data in database format Archived Transactional Data Current Data ProductionDatabase Online Archive Database Seamless Access Layer • Archive data to optimized file format for storage reduction • Compressed • Immutable • Accessible FILE METHOD OptimizedFile Archive Current Data ProductionDatabase

  9. Archive for Compliance –Langtidslagringav data Archived Data Current Data ProductionDatabase SeamlessAccessLayer Online Archive Database Construct multiple tiers of archives for different categories of data Combine the Database Archive with the Optimized File Archive to meet specific retention and access requirements OptimizedFile Archive Current Data Current Data

  10. Legacy Applications Data Adapters Archive for Retirement – Legacy Applications Optimized File Archive • Compressed • Immutable • Accessible Reporting DataDiscovery Portal ARCHIVE ENGINE ENTERPRISE DATA MANAGER

  11. Hvaerarkivering ? Arkiveringerdirekteknyttet mot en applikasjon.Muliggjør å flytte data utav en produksjons database. ArkiveringerIKKE: • Backup • Disaster recovery • Mirroring • Reporting instance • Data warehouse • Partitioning

  12. Data Archive Accelerators

  13. To viktige Accelerator Komponenter • Entity Definition • Logical unit to archive • Database and application level relationships Business Rules • Transaction chaining • Within an entity • To other applications • Testing of Fields, Flags& Codes

  14. Business Rule Validation – Oracle Applications Exception pr forretnings-regel Relevanteforretningsregler for denneenheten

  15. Online Arkiveringsprosess – Detaljert Biz Rule # 2 Biz Rule # n Biz Rule # 1 Archive Flag Transaction Table Txn ID Date Status 1 01-JAN-2001 Closed 01-JAN-2002 Closed 2 3 01-FEB-2003 Open 4 01-MAR-2003 Closed 5 01-OCT-2004 Open Produksjon 2009 2008 Y 2007 N N ILM Home 2006 Y ArchiveTables N 2005 2005 • Lag Staging tabellerog test mot forretningsreglene • Flytt KUN inn i Stage 2001 - 2004 transaksjonersomstøtterreglene • Purge 2001 - 2004 transaksjonerfraproduksjon • Merge 2001 - 2004 transaksjonertilHistory location • Drop Staging 2004 2004 2003 2003 Staging Area 2002 2002

  16. Seamless Access Layer Database arkivering ArchiveDatabase(2 – 7 years old) Current Data (less than 2 years old) CONFIG. DATA 1 TRANSACTION 1 CONFIG. DATA 2 TRANSACTION 2 TRANSACTION 3 OPERATIONAL DATA 1 TRANSACTION 4 OPERATIONAL DATA 2 TRANSACTION 5 OPERATIONAL DATA 3 TRANSACTION 6 TRANSACTION 7

  17. Seamless Access Layer Database arkivering ArchiveDatabase(2 – 7 years old) Current Data (less than 2 years old) CONFIG. DATA 1 CONFIG. DATA 1 TRANSACTION 4 TRANSACTION 1 CONFIG. DATA 2 CONFIG. DATA 2 TRANSACTION 6 TRANSACTION 2 TRANSACTION 7 TRANSACTION 3 OPERATIONAL DATA 1 OPERATIONAL DATA 1 TRANSACTION 5 OPERATIONAL DATA 2 OPERATIONAL DATA 2 OPERATIONAL DATA 3

  18. Seamless Access - Arkitektur • To lag • Database • En rekkepekeretil data strukturer • Applikasjon • Redirect user login ellerrolletilarkiverte data • I Oracle Applications bruker vi Responsibilities ogeksisterendesikkerhetsmodell

  19. Seamless Data Access – Database Lag Produksjon Archive / History HistoryTransactionalTables Applications Union View ARCHIVE_ONLY SeamlessAccess Layer COMBINED Current Only – De allerflestebrukere DataAccessOptions Archive Only – Tilgangtilarkiverte data ogmasterdata Combined – Dagens+ arkivertetransaksjonsdata

  20. Seamless Access – Applikasjonslag • BenytterResponsibilities for å gitilgang • Ingenendringerpåapplikasjonskode • Ingennyapplikasjonsserver • Ingennyebrukere • Brukere trenger ikke opplæring

  21. Seamless Access Layer Optimalisertfilarkivering DataDiscovery ArchiveDatabase(2 – 7 years old) Current Data (less than 2 years old) Optimized File Archive(over 7 years old) CONFIG. DATA 1 CONFIG. DATA 1 TRANSACTION 4 TRANSACTION 1 CONFIG. DATA 2 CONFIG. DATA 2 TRANSACTION 6 TRANSACTION 2 TRANSACTION 7 TRANSACTION 3 OPERATIONAL DATA 1 OPERATIONAL DATA 1 TRANSACTION 5 OPERATIONAL DATA 2 OPERATIONAL DATA 2 OPERATIONAL DATA 3

  22. Forskjelligemåter å aksessere File Archive File ArchiveRepository Informatica DataDiscovery 3RDpart rapporteringsverktøy (eks SAP BO) Extract to XML, CSV, etc. SQL Tools

  23. Eksemplerpå Style Sheets

  24. Agenda Introduksjon Informatica Data Archiving – Overblikk Informatica Data Subset – Overblikk Informatica Data Privacy – Overblikk Hvordankomme i gang

  25. Informatica Data Subset Product Mindrekopier Bakgrunn Ta med *kun* dataene man trenger Metode Enhetligmåte å administrereutviklingog test miljøer Utfordring Løsning Informatica ILM Data Subset

  26. Fordeler med Subsetting

  27. Informatica Data Subset – 2 hovedmåter Basertpåfunksjonalitet Basert på tid PROD or Standby PROD or Standby Data Belonging to Only1 Business Unit Most Recent 6 months of Data Clone Clone Copy only data to keep Copy only data to keep Copies of Subset for Dev, Test, Training, etc. Empty Database Soure Database Copies of Subset for Dev, Test, Training, etc. Empty Database Source Database

  28. Agenda Introduksjon Informatica Data Archiving – Overblikk Informatica Data Subset – Overblikk Informatica Data Privacy – Overblikk Hvordankomme i gang

  29. Informatica Data Privacy Beskytt sensitiv informasjon utenfor produksjonsmiljøet Bakgrunn Data masking Metode Lage meningsfulle, men ikke-identifiserbare data Utfordring Løsning Informatica ILM Data Privacy

  30. Hvorforer Data Privacy viktig? • Forretningsdrivere for å ha flere miljøer • Utvikling • Testing • Support • Outsourcing Produkssjonsmiljøet  Sikkerhetsmodellkontrollerertilganger Ikke-produksjonsmiljøer Sikkerheteneroftefjernetslik at man kanutvikleogteste

  31. Produksjon Utvikling Eksempel– Prod vs Non-Prod

  32. Informatica Data Privacy - Introduksjon Tilbyr sikker data privacy ved å ha robust data masking funksjonalitet Hvaer Data Masking? Beskytter sensitiv informasjon ved å gjemme eller endre slik at originale verdien er ukjent Blirogsåkalt: • De-identifying • Protecting • Camouflaging • Data masking • Data scrubbing

  33. Data Masking Metoder • Character • Custom SQL • Encrypt • Nullify • Randomize • Sequential • Shuffle • Skew • Substitute

  34. Substitute – Ferdige Data Sett Tilbyr ferdige datasett som gjør at man kan endre originalen og beholde formatet • Mann ogKvinnenavn • Etternavn • Kredittkortnummer – Visa, MasterCard, Amex • Land ogsteder • Postnummer • Personnummer • Telefonnummer • Email addresser

  35. Informatica Data Privacy– Enkel GUI Context sensitive online hjelpdirekteiverktøyet Navigatorvindu viser alle OOTB akseleratorer Detaljert oversikt over algoritmene

  36. Audit rapport • Alltidoppdatert • Hvilkereglerblekjørt • Hvemkjørteregelsettet

  37. Informatica Data Privacy - Oppsummert • Enterprise løsning • Accelerators for Oracle Applications og PeopleSoft • Innebygd en rekke forskjellige maskeringsmetoder • OOTB datasett for sensitive data • Holder data konsistente • Kan simulere kjøringer og ta ut audit rapporter • Enkeltbrukergrensesnitt

  38. Agenda Introduksjon Informatica Data Archiving – Overblikk Informatica Data Subset – Overblikk Informatica Data Privacy – Overblikk Hvordankomme i gang

  39. Hvordan komme i gang ? • 2 stegs rakett • Data Grow Analysis (DGA ) • Kjører script på deres data og analyserer resultatet • 1 ukes Proof of Concept (POC) • Vi gjennomfører POC hos dere og verifiserer DGA

  40. DGA – Actual Situation

  41. DGA – TechnicalSchemaView

  42. Application Performance Improvement Application Retirement Storage Reduction Data Masking Compliance Operational Efficiency & Storage Reduction 380+ Informatica ILM Customers Improve Efficiency and Reduce Costs Avoids substantial increase in storage cost, cloning cost and backup costs by reducing the size of production and test and development systems Archived 16 TB’s of data to improve application performance by 30% overall TR saves $1M pa by retiring 40+ legacy apps following implementation of SAP Archiving more then 50% of operational dormant data. Payback from storage reduction and from the ability to migrate to a lower cost platform De-sensitised data in supporting environments in order to off-shore development Compliance to Data Protection Act by identifying and purging data in production

More Related