| 触发器分类/类型 | 缓解 |
|---|---|
| 人员 | 策略 |
| 进程 | 行动手册、连续性计划 |
| 技术 | 冗余 |
| 触发器 | 缓解 | 基本 | 中间 | 成熟 |
|---|---|---|---|---|
| 新员工或离职员工的用户访问权限更改 | 服务级别协议 (SLA) 和配置或取消配置用户的要求 | 根据手动更改的 SLA，手动配置和取消配置用户。 | 根据计划更改的 SLA，通过计划作业处理用户更改。 | 通过 SSO/IDM 解决方案自动配置和取消配置用户。 |
| 模式 | 反模式 | |
|---|---|---|
| 风险管理 | 在您的业务中：
- 正在使用既定风险评估框架。 - 风险分为人员、流程和技术领域。 |
在您的业务中：
- Salesforce 的风险评估框架是临时的。 - 风险未明确识别。 |
| 在您的文档中：
- 根据客户影响对风险严重性进行分类和评估。 - 风险缓解和应对计划优先。 |
在您的文档中：
- 评估风险严重性或类别时，不考虑客户视角。 - 风险缓解和响应计划尝试捕获可以想象的每个风险。 |
|
| 故障缓解 | 在您的组织中：
- 故障点触发器及其相应的缓解计划按人员、流程和技术分类。 - 缓解控制立即到位，随着时间的推移而成熟，并尽早纳入自动化。 - 为了确保最佳可扩展性，在将更改发布到生产之前，需要完成全面的测试和优化。 - 在业务关键事件之前，根据 SLA 进行规模测试和优化。 |
在您的组织中：
- 故障点触发器未分类。缓解方法不存在或仅临时使用。 - 缓解控制措施未重新审核或改进。 - 自动化不用于缓解。 |
| 监控和可观察性 | 在您的组织中：
- 对于检查和异常检测，启用 Proactive Monitoring。 - 为保持可见性，Proactive Monitoring 警报与规模中心集成。 |
在您的组织中：
- 仅执行手动健康检查，没有持续监控。 |
| 模式 | 反模式 | |
|---|---|---|
| 吞吐量 | 在设计标准中：
- 有关如何使用平台缓存的指导符合平台缓存最佳实践 |
在设计标准中：
- 如果平台缓存使用有指导，则不清楚或与最佳实践不一致。 |
| 在您的组织中：
- 批量化用于数据和系统操作。 - DML 或数据库方法始终针对 Apex 中的集合进行操作。 - DML 期间用于缩短数据库中已过去时间的字段有限。 - 所有通配符条件在 SOSL 中使用。 - SOQL 语句具有选择性： -- 它们不使用 LIKE 比较或部分文本比较。 -- 比较运算符使用正逻辑（换句话说，INCLUS 或 IN）作为其主要逻辑或唯一逻辑。 --= NULL 和 != NULL 仅用于很少总是跟在正比较运算符后面的。 – 为了最大限度地减少数据负载和最大限度地提高性能，仅检索 SOQL 查询中所需的字段。 -- 不使用 LIMIT 1 语句。 -- 不使用 ALL ROWS 关键字。 - 尽可能支持异步处理。 - 配置平台缓存分区。 |
在您的组织中：
- DML 语句未批量化。 - DML 或数据库方法针对 Apex 中的单个记录进行操作。 - SOSL 很少或没有一致地用于通配符选择条件。 - SOQL 语句是非选择性的： -- 它们包括 LIKE 和通配符筛选条件。 -- 使用 !=、NOT 或 NOT IN 条件的比较用作主要或唯一比较运算符。 -- 使用 = NULL 和 != NULL 条件作为主要或唯一比较运算符。 -- 使用 LIMIT 1 语句。 -- 使用 ALL ROWS 关键字。 - SOQL 显示在循环中。 - 支持同步进程。 |
|
| 延迟 | 在您的组织中：
- 报表服务于单一特定目的，并包含决策所需的最小行数和列数。 - 筛选器使用“等于”和“不等于”。 - 筛选器不包含公式字段。 - 共享模式尽可能简化。 - 自定义 UI 组件使用 Lightning Web 组件 (LWC)。 - LWC 使用 Lightning 数据服务进行数据操作。 - 排序和筛选列表数据在客户端使用 JavaScript 处理。 - Salesforce Edge 已启用。 |
在您的组织中：
- 报表用于多种目的，或包含决策不需要的额外行和列。 - 筛选器使用“contains”（包含）和“not contain”（不包含）。 - 筛选器包含公式字段。 - 共享模型很复杂。 - 自定义 UI 组件使用的框架可能会导致呈现效率低于 LWC（例如 Aura 或 Visualforce）。 - LWC 使用 Apex 进行数据操作。 - 使用 Apex 在服务器端处理列表数据的排序和筛选。 - Salesforce Edge 未启用。 |
| 模式 | 反模式 | |
|---|---|---|
| 数据建模 | 在设计标准中：
- 存在业务理由支持自定义对象的标准和指南。 |
在设计标准中：
- 不存在创建自定义对象的标准。 |
| 在您的数据模型中：
- 尽可能使用标准对象。 - ApexGuru 对反模式的检查确认 SOQL 查询是选择性的，并避免低效的模式使用。 - 表格因规模而去标准化。 |
在您的数据模型中：
- 您已复制标准对象。 - 表格标准化，以避免冗余。 |
|
| 在您的业务中：
- 低代码生成器了解 Salesforce 支持的不同字段类型，并在选择字段数据类型之前评估报表和加密要求。 - 在决定建立对象之间的主-详细信息关系之前，您需要评估该关系的共享和数据偏差影响。 |
在您的业务中：
- 低代码生成器选择数据类型，而不评估下游报告和加密要求。 - 在决定建立对象之间的主-详细信息关系之前，您不会评估该关系的共享和数据偏差影响。 |
|
| 数据量 | 在您的数据中：
- 没有父级记录包含超过 10,000 个子级记录。 - 没有用户被分配到超过 10,000 个相同对象类型的记录。 - 实例不包含超过 10,000 个具有指向相同记录的查找字段的记录。 - 根据 ParentId 字段值，批量数据加载会分批排序。 - 为了确保批处理策略不会在并发下中断，扩展测试用于验证生产规模的批量加载模式。 - 将数据批量加载到生产中不会在高峰工作时间发生。 - 批量数据加载仅包含业务决策所需的最少数据。 |
在您的数据中：
- 存在超过 10,000 个子记录的记录。 - 用户被分配到超过 10,000 个相同类型的记录。 - 存在超过 10,000 个记录具有指向相同记录的查找字段的实例。 - 批量数据加载不会根据 ParentId 字段值进行批量排序。 - 将数据批量加载到生产中发生在工作高峰时段。 - 批量数据加载不限于业务决策所需的最少数据。 |
| 在 Flow 和 Apex 中：
- 在数据偏差令人担忧的情况下，存在在多个父级记录之间分配子级记录数量的逻辑。 - 当通过集成导入或复制记录时，逻辑会将它们分配给适当的人工用户。 - 对于 Apex 集合，例如列表和集，存在处理多个记录的逻辑，以最大限度地减少查询并优化数据处理。 - 编写和部署遵循可扩展代码标准和最佳实践的高效 Apex 代码。 |
在 Flow 和 Apex 中：
- 子记录被任意分配给父记录，而不管已经分配的子记录的数量。 - 通过数据加载或集成创建的记录被分配给通用“集成用户”。 - 来自同一对象的多个递归 SOQL 查询处于同步事务中，导致高堆使用率。 当开发人员编写 Apex 代码时，他们会引入低效率和性能反模式。 |
|
| 在您的业务中：
- 您已记录并实施数据归档和清除策略 |
在您的业务中：
- 您没有数据归档和清除策略，或者您的策略已记录但未实施 |
| 工具 | 描述 | 可用性 | 性能 | 可扩展性 |
|---|---|---|---|---|
| 大对象 | 在平台上存储和管理大量数据。 | X | ||
| 代码扫描仪 | 扫描 Apex 代码是否存在性能问题。 | X | ||
| 自定义索引 | 使用自定义索引提高查询性能。 | X | ||
| 删除数据 | 删除不必要的数据以提高性能。 | X | X | |
| 分部 | 分区数据以限制查询和报表中的记录计数。 | X | ||
| 扩展测试 | 测试系统性能并解释结果。在部署到生产之前，为了验证可扩展性和性能，请使用 Playwright 或 JMeter 脚本模拟大规模 UI 和 API 工作负载。 | X | X | |
| 比例中心 | 获取关于系统性能的自助和实时见解。查找长时间运行的事务、异常热点和吞吐量瓶颈。在开发周期的早期诊断规模问题。 | X | X | |
| ApexGuru | 在 Scale Center 中使用此基于 GenAI 的功能，以在运行时检测 Apex、SOQL 并测试类反模式。通过 ApexGuru 与 Salesforce Code Analyzer 的集成，在开发工作流中获得 AI 支持的推荐和内联修复。使用这些建议和修复来解决热点问题，并提高查询选择性、批量化、缓存使用和测试质量。 | X | X | |
| Salesforce 代码分析器 | 使用 IDE、CLI 或 CI/CD 扫描代码，以确保符合最佳实践。通过 Salesforce Code Analytics 与 ApexGuru 的集成，直接在开发人员工作流中获取有关性能反模式的见解。 | X | ||
| Salesforce Edge 网络 | 通过 Salesforce Edge 网络路由 My Domain，改善下载时间和用户体验。 | X | ||
| 瘦桌子 | 避免在具有频繁使用字段的表上连接。 | X | ||
| 主动监控 | 持续监控记录增长、所有权倾斜和性能回归中的异常。在规模问题变得重要之前发出警报。 | X | X |
| 资源 | 描述 | 可用性 | 性能 | 可扩展性 |
|---|---|---|---|---|
| 规模挑战成本数百万 — 以下是如何面向未来发展业务 | 了解实施可扩展性如何实现可持续增长和长期成功。 | X | X | |
| 使用规模中心构建和部署可扩展应用程序 | 了解如何主动评估和解决 Salesforce 实施中的性能问题。 | |||
| 分析复杂 Salesforce 应用程序中的性能和规模热点 | 解决贵组织中的性能和可扩展性问题。 | X | X | |
| 在交通高峰时段，应用程序不应惊慌 - 以下是如何准备 | 了解成功规模测试的四个关键步骤。 | |||
| ApexGuru AI 引擎解释 | 了解 ApexGuru 如何使用自定义训练模型、真实组织遥测和智能筛选来提供精确、上下文和可操作的见解。 | X | X | |
| 使用 ApexGuru 优化 Apex for Apps 和 Agentforce | 了解 ApexGuru 如何帮助开发人员检测和修复性能反模式，包括 SOQL、DML、调试和测试低效率。 使用 ApexGuru 作为 AI 支持的教练，以进行应用程序的可扩展开发和 Agentforce 的实施。 | X | X | |
| ApexGuru 反模式 | 了解 ApexGuru 检测到的反模式的官方库，该库会在每个主要 Salesforce 版本中更新。 | X | X | |
| 大数据量部署的最佳实践 | 了解大数据量对流程的影响。 | X | ||
| Salesforce Edge 网络的注意事项 | 了解如何准备贵组织使用 Salesforce Edge 网络。 | X | ||
| 设计标准模板 | 为您的组织创建设计标准。 | X | X | X |
| 数据模型设计注意事项 | 为规模和维护优化数据模型。 | X | X | |
| 设计企业级的记录访问权限 | 通过配置优化访问控制性能。 | X | ||
| 大数据量系统的基础架构 | 了解支持大数据量部署的系统性能的功能。 | X | ||
| 适用于批处理的学习资源 | 了解批次管理。 | X | X | |
| Lightning Experience 性能优化 | 改善贵组织中的 Lightning Experience，以帮助用户更快地工作。 | X | ||
| 在 Salesforce 中管理查找偏差以避免记录锁定异常 | 了解如何最小化查找偏差的影响。 | X | X | |
| SOQL 和 SOSL 最佳实践 | 对于大数据量部署，遵循 SOQL 和 SOSL 最佳实践。 | X | X | |
| 大规模重新校准的工具 | 有效计划和执行重新校准。 | X | ||
| 使用 Mashups | 在不同的应用程序中维护大型数据集。 | X | X |