Skip to end of metadata
Go to start of metadata

You are viewing an old version of this page. View the current version.

Compare with Current View Page History

« Previous Version 27 Next »

Datastore

In Datastores kann man Daten tabellarisch speichern, ähnlich wie in Excel-Tabellen. Die verfügbaren Spalten werden durch sog. Schemas definiert. Die Daten können entweder einzeln per Hand eingetragen werden oder als Datei importiert werden. Der Dateiimport kann manuell im Browser oder automatisiert durch einen Flow gestartet werden. Sobald die Daten importiert können sie durch die umfangreichen Such- und Filtermöglichkeiten durchsucht werden. 

Datastores unterstützen auch die Speicherung hierarchisch strukturierter Daten in Form von Master-Child und Parent-Variant Relationen. Damit lassen sich z.B. Relationen wie Artikel mit Artikelvarianten oder Aufträge mit Auftragspositionen abbilden.

Importierte Daten lassen sich auch wieder exportieren. Dies kann wie beim Import entweder manuell oder automatisiert per Flow erfolgen. Beide Exportmöglichkeiten erlauben eine umfangreiche Umwandlung und Anpassung durch Transformy, was im manuellen Export integriert ist und innerhalb von Flows in Form des SpreadsheetMapper Steps zur Verfügung steht. 

 

Woher weiß ich wann ich Datastores brauche?

Immer dann wenn Sie Daten in Synesty Studio zwischen speichern wollen oder müssen, kommen Datastores zum Einsatz.

Wann brauche ich Datastores nicht?

Es gibt durchaus viele Szenarien, wo sie keine Datastores benötigen.
Zum Beispiel, wenn sie einfach nur einen Flow erstellen der eine CSV-Datei geringfügig umwandelt und diese dann auf einen FTP-Server kopiert - mit anderen Worten "die Daten nur durchschleift". In diesem Fall müssen die Daten in der Regel nicht zwischen gespeichert werden. Theoretisch könnte man das - aber man muss es nicht. 


Wann ist ein Datastore sinnvoll?
 

Angenommen Sie haben ein Szenario, wo sie von mehreren Lieferanten Produktdaten bekommen. Man könnte diese verschiedenen Daten erstmal in einem Datastore konsolidieren. D.h. man importiert der Reihe nach alle Daten in den Datastore. Dabei könnte man auch schon Spalten bereinigen, umbennen oder anreichern. D.h. am Ende liegen die Daten dann einheitlich im Datastore. Sie können die Daten in Ruhe sichten, evtl. manuell bearbeiten oder filtern. Anschließend könnten die Daten aus dem Datastore mit Hilfe von Flows weiterverarbeitet oder exportiert werden. 


Was kostet die Speicherung in Datastores?

Immer wenn Sie Daten in einem Datastore speichern, benötigen Sie auch den notwendigen Speicherplatz dafür.
In Synesty Studio wird das pro Datensatz gemessen. D.h. sie müssen die notwendige Anzahl an Datensätzen gebucht haben, um entsprechend viele Datensätze speichern zu können.

Sie können Pakete oder Upgrades erwerben, um die Datensatz-Limits zu erhöhen. Das Dashboard zeigt ihnen immer den aktuellen Verbrauch ihrer Datensätze an.
 

 

Schema

Schemas beschreiben die Spalten und deren Inhalt und Datentyp und werden benötigt, um einen Datastore zu erstellen. Ein Schema kann auch zur Erstellung mehrerer Datastores genutzt werden. Man kann ein Schema selbst erstellen oder auf fertige Schemas zurückgreifen. 

                          

Mapping Set

Ebenfalls im Navigationspunkt Datastores finden sie den Reiter Mapping Set.
Ein Mapping Set ist eine Art Übersetzungstabelle, womit sie einen Quellwert in einen Zielwert übersetzen - auch genannt "mappen" - können. 

Im Screenshot sehen ein Beispiel wie Mapping Sets dazu genutzt werden können z.B. Attribute verschiedener Systeme anzugleichen bzw. synonym zu verweden. 

Wo werden Mapping Sets angewendet?

Mapping Sets können als Spaltenfunktion innerhalb unseres Transformy Tools angewendet werden, sowie unter Distinct Values in der Datastore Suche.  Das betrifft folgende Bereiche und Aktionen:

  • Datastore Import
  • Datastore Export
  • Datastore Spaltenfunktionen
  • SpreadSheetMapper Step

 

 

Hierarchische Daten

Synesty Studio unterscheidet zwischen zwei Arten von hierarchischen Daten:

  • Master-Child
  • Parent-Variant

Im Grunde genommen beschreiben beide die gleiche Relation einer typischen Eltern-Kind Beziehung, mit dem Unterschied, dass Master-Child sich auf zwei verschiedene Datastores bezieht und Parent-Variant sich innerhalb des gleichen Datastores abspielt.

Master-Child

Das ist eine Beziehung von Datensätzen in zwei unterschiedlichen Datastores, mit unterschiedlichem Schema. Diese Relationsart ist sinnvoll wenn beide Objekte unterschiedliche Spalten haben, was die Verwendung zwei Datastores mit unterschiedlichem Schema notwendig macht. Das ist z.B. bei Auftragsdaten mit Auftragspositionen der Fall. Ein Auftrag hat Felder wie Name, Anschrift des Käufers und die Auftragspositionen hingegen Felder wie Artikelnummer, Menge und Preis.

Synesty Studio bietet dazu zwei Arten von Datastores:

  • Master
  • Child

Ein Child-Datastore ist mit einem Master-Datastore verknüpft und dem Master untergeordnet. Das ermöglicht die Speicherung von einfachen hierarchischen Daten wie z.B. Produkte und Varianten. Produkte (Titel, Beschreibung, Bild) würden dabei in einem Master-Datastore und Varianten (Ausprägung mit  Farbe, Größe, Preis und Lagerbestand) in einem Child-Datastore gespeichert werden. 

 

 

Parent-Variant

Haben beide Objekte die gleichen Felder, dann wird dies als Parent-Variant Beziehung bezeichnet und spielt sich innerhalb des gleichen Datastores und innerhalb des gleichen Folders ab. 

Datenimport

Jeder Datensatz (Datastore Record) hat ein paar feste Spalten, die nicht änderbar sind. Dies spielt vor allem beim Import und Export eine Rolle.

 

namedescription
datastorenameName des Datastores in den importiert werden soll.
folderBezeichnung für eine Ordner, zur Gruppierung. folder ist Teil des Primärschlüssels eines Datensatzes.
Default-Wert wenn leer: "default" 

identifier

Pflichtfeld

Eindeutiger Bezeichner des Datensatzes. z.B. Artikelnummer, SKU. Muss zusammen mit folder eindeutig sein.
z.B.

eindeutig:
folder: meinordner1
identifier: 123 

folder: meinordner2
identifier: 123

Nicht eindeutig:
folder: meinordner1
identifier: 123

folder: meinordner1
identifier: 123


 

parent_identifieridentifier des referenzierten Parent Datensatzes im gleichen Folder. Wenn gesetzt, dann wird der Datensatz mit dem Parent verknüpft.
Default-Wert: <leer> 
master_datastoreNur für Child-Datastores.
Name des referenzierten Master-Datastores.
master_folderNur für Child-Datastores.
Bezeichnung für den Ordner des referenzierten Master-Datensatzes.
master_identifier

Nur für Child-Datastores.
identifier des referenzierten Master-Datasatzes im Master-Datastore.
master_datastore, master_folder und master_identifer müssen zusammen den referenzierten Master-Datensatz beschreiben.

 

 

 

Datenexport über die Suche

Alle Daten eines Datastores können über den  Button als CSV oder XLS exportiert werden. Dabei können die Spalten des Exports flexibel über Transformy konfiguriert werden, um Spalten zu bearbeiten oder zu entfernen.

Die Exportfunktion exportiert alle markierten Suchergebnisse oder alle Suchergebnisse, wenn keines markiert ist.  

 

Datenexport mit Flow

Der Datenexport über Flows ist ein ganz essentieller Bestandteil der Automatisierung eines Datenintegrationsprojektes. Um Daten eines Datastores automatisiert als CSV-Datei zu exportieren z.B. auf einen FTP-Server benötigen Sie einen Flow mit folgenden Steps. 

  • SearchMasterDatastore (bietet die gleichen Suchoptionen wie die Datastore Suche)
  • SpreadsheetMapper (Konfiguration der Export-Spalten mit Transformy)
  • SpreadsheetCSVWriter (erzeugt CSV-Datei aus dem zuvor konfigurierten Spreadsheet)
  • z.B. FTPUpload (lädt die Datei auf einen FTP-Server)

Lesen Sie mehr über die Einrichtung von Flows.

Datenimport über Flow

Daten können auch automatisiert über einen Flow importiert werden. Dazu ist ein Flow mit folgenden Steps notwendig:

  • z.B. FTPSingleFileDownload (herunterladen der zu importieren Daten z.B. in einer CSV-Datei)
  • SpreadsheetCSVReader (Einlesen der CSV-Datei)
  • SpreadsheetMapper (Konfiguration der Spalten für den Import)
  • SpreadsheetDatastoreWriter (Import des zuvor konfigurierten Spreadsheets in einen Datastore)

Die Einrichtung des Imports einer CSV-Datei wird in diesem Beispiel ausführlich erklärt.

 

 

 

  • No labels