[有限发布版]{class="badge informative"}

Data Mirror概述

Data Mirror是一项Adobe Experience Platform功能，它允许使用基于模型的架构，将外部数据库中的行级更改引入数据湖。 它保留数据关系，强制唯一性，并支持版本控制，而无需上游提取、转换、加载(ETL)过程。

使用Data Mirror将外部系统（如Snowflake、Databricks或BigQuery）的插入、更新和删除（可变数据）直接同步到Experience Platform中。 这有助于在将数据导入Platform时保持现有数据库模型结构和数据完整性。

功能和优点

Data Mirror提供了以下基本数据库同步功能：

使用Data Mirror直接从源系统中摄取更改，强制实施架构完整性，并将数据用于Analytics、Journey Orchestration和合规性工作流。 Data Mirror通过启用现有数据库模型的直接镜像，消除了复杂的上游ETL流程并加快了实施。

在使用Data Mirror实施基于模型的架构时，规划删除和数据卫生要求。 在部署之前，所有应用程序都必须考虑删除操作对相关数据集、合规性工作流和下游进程的影响。

先决条件 prerequisites

在开始之前，您应该了解Experience Platform的以下组件，并确认您的环境符合技术和结构要求：

实施要求

您的Platform实例和源数据必须满足特定要求，Data Mirror才能正常运行。 Data Mirror需要​ 基于模型的架构，这些架构是具有强制约束的灵活数据结构。 目前，Data Mirror主要处理基于模型的架构，但通过即将推出的B2B自定义对象功能（计划于2025年10月推出）支持与标准XDM架构的集成。

在所有架构中包括​ 主键和版本描述符。 如果您使用的是时间序列架构，则还需要​ 时间戳描述符。

外部数据库必须支持变更数据捕获或提供用于标识插入、更新和删除的元数据。 Source数据必须包含​ 唯一标识符、单个字段或复合主键以及​ 版本信息，以便系统能够以正确的顺序应用更新。

要检测删除，请添加一个_change_request_type列，指定每个记录是更新插入还是删除。

实施Data Mirror implementation-workflow

与标准摄取方法不同，Data Mirror将您的数据库模型结构保留在Experience Platform数据湖中。 这种数据结构一致性消除了外部预处理的需要。 以下是高级的Data Mirror实施工作流程。 根据团队的工作流程和源系统选择实施方法。

定义架构结构

创建具有所需描述符（定义架构行为和约束的元数据）的基于模型的架构。 通过UI或直接通过API，选择适合您团队工作流程的方法。

映射关系并定义数据管理

使用关系描述符定义数据集之间的连接。 跨数据集管理关系并保持数据质量。 这些任务可确保一致的联接，并支持符合数据卫生要求。

配置源连接

选择基于源系统和用例的摄取方法。 每个选项都支持不同级别的自动化、转换和可扩展性。

启用变更数据捕获摄取

设置与支持的云数据仓库的变更数据捕获连接。 在保持唯一性并按正确顺序应用更新的同时，摄取行级更改。

常见使用案例 use-cases

请查看下面列出的常见用例，在这些用例中，Data Mirror支持精确的数据同步和关系保留。 每个方案都展示了Data Mirror如何跨Analytics、编排和合规性支持常见的业务需求。

关系数据建模

在Data Mirror中使用基于模型的架构（也称为关系架构）来表示实体，在行级别处理插入、更新和删除，并维护数据源中存在的主键和外键关系。 此方法将关系数据建模原则引入到Experience Platform中，并确保跨数据集的结构一致性。

仓库到湖同步

将事件数据、客户交互日志、活动事件和辅助数据从受支持的云数据仓库镜像到Experience Platform中。 这支持促销活动资格、定位精确度和消息排序。 Journey Optimizer和Real-Time CDP B2B依赖此逻辑实现近乎实时的编排逻辑。

Customer Journey Analytics集成

同步时间序列事件，例如Web点击、产品查看、购买以及呼叫中心或聊天日志等系统中的支持交互。 完整的更改历史记录支持准确的趋势分析和行为分段。 适用于Customer Journey Analytics的Experience Platform Data Mirror使用此项来反映源系统中的更新插入和删除。

B2B关系建模

保留帐户到联系人、订阅到帐户或联系人到区域等关系。 这些功能支持分段、商机评分、机会跟踪和多渠道协调。 与扁平化关系的标准摄取不同，Data Mirror使用描述符原生维护关系，以实现更准确的建模。

订阅管理

通过完整的版本历史记录跟踪事件，如续订、取消、升级、降级和计划更改。 这支持保留活动、流失预测和基于生命周期的分段。 完整历史记录可帮助实现行为洞察和精确定位。

数据卫生操作

使用变更数据捕获实现针对法规遵从性（例如，管控行业）和清理工作流的精确记录级删除。 Data Mirror可准确应用删除操作，同时跨连接的数据集保留相关数据。

重要注意事项 considerations

查看这些关键注意事项，确保您的实施与支持的模式行为、摄取方法和关系模式保持一致。 正确的规划有助于避免集成问题并确保准确的数据建模。

数据删除和卫生要求

所有使用基于模型的架构和Data Mirror的应用程序都必须了解数据删除后果。 基于模型的架构支持精确的记录级别删除，这些删除可能会影响连接数据集中的相关数据。 无论您的特定使用情形如何，这些删除功能都会影响数据完整性、法规遵从性和下游应用程序行为。 在实施之前审查数据卫生要求并规划删除方案。

架构行为选择

基于模型的架构默认为​ 记录行为，用于捕获实体状态（客户、帐户等）。 如果您需要​ 时序行为 ​才能进行事件跟踪，则必须对其进行显式配置。

摄取方法比较

使用此比较表可以选择满足您的数据需求的最佳摄取方法，无论您是需要实时同步、基于SQL的转换还是手动文件上载。

关系限制

Data Mirror支持使用描述符的​ 一对一 ​和​ 多对一 ​关系。 多对多 ​关系需要额外的建模，因此不直接支持。

后续步骤

查看此概述后，您应该能够确定Data Mirror是否适合您的用例，并了解实施的要求。 要开始使用，请执行以下操作：

有关实施详细信息，请参阅基于模型的架构文档。