Nierównomierny rozkład własności, rekordów nadrzędnych i wyszukiwań

🌐 Dostępne także w 19 językach

English · Español · 日本語 · Português (Brasil) · Français · Deutsch · Italiano · 한국어 · 简体中文 · Português (Portugal) · 繁體中文 · Bahasa Indonesia · Türkçe · Tiếng Việt · ไทย · Українська · Español (México) · Français (Canada) · Deutsch (Schweiz)

Obraz wygenerowany przez AI

Przetłumaczone przez AI. Jeszcze niesprawdzone przez społeczność. Czytaj po angielsku Ta sekcja zmieniła się w wersji angielskiej i nie została jeszcze ponownie przetłumaczona. (35)

Moduł 2 z 4 w rozdziale Projektowanie pod skalę, rozdziale 7 kursu Data Architect. Każdy moduł jest samodzielny. Wstecz: Gdy wolumen zmienia wszystko · Dalej: Gdy wolumen spotyka model udostępniania

Pytanie, na które odpowiada ten moduł: co się dzieje, gdy zbyt wiele rekordów wskazuje na jedną rzecz?

Problemy z dużymi wolumenami danych nie zawsze polegają na tym, że rekordów jest za dużo. Czasem chodzi o to, że zbyt wiele rekordów jest połączonych z tą samą rzeczą: jednym właścicielem, jednym kontem, jednym rekordem nadrzędnym, jedną wartością wyszukiwania. Pomyśl o ruchu drogowym. Miasto może mieć miliony samochodów i nadal działać. Kłopot zaczyna się, gdy wszyscy o piątej po południu zjeżdżają tym samym zjazdem z autostrady. Liczy się suma i liczy się koncentracja. Nazywam te koncentracje gorącymi punktami; Salesforce nazywa je nierównomiernym rozkładem danych (data skew). Jest kilka rodzajów, a pod nimi wszystkimi jedna idea: zbyt wiele aktywności zbiega się w jednym punkcie modelu.

Nierównomierny rozkład nadrzędny-podrzędny

The easiest to picture. One account with 100 contacts: nothing unusual. A thousand: probably fine. Ten thousand: now I’m paying attention. My design rule is no more than about 10,000 children under one parent, and Salesforce’s guidance draws the same line: “a large number of child records (10,000 or more) with a single parent account” is a common cause of poor performance (Parent-Child Data Skew (otwiera się w nowej karcie)). Salesforce’s own example shows why. Put 300,000 contacts under one account. A user who can see one of those contacts gets implicit access to the account. When that user loses access to the contact, Salesforce has to check the other 299,999 contacts before it can decide whether to remove the user’s access to the account. Do that for many users at once, and it gets expensive. Salesforce also names one way to take part of that cost away: where your security requirements allow, set the child object to Controlled by Parent, so there are no parent implicit shares to maintain (same source). In practice, it’s the most common skew I see, and I’ve seen users notice visible lag at around 20,000 children under one parent. Where somebody feels it depends on what the system is doing. That’s why 10,000 is a design threshold, not a promise that record 10,001 breaks anything. The real question is: why are all these records pointing at the same parent? ⟲

Kliknij, aby powiększyć

Step 1 of 2: every line points at one account. That’s the hot spot. ⟲

Konto „Unassigned” i pule kont

The classic case is contacts with no real account. Somebody decides every contact needs an account, so they create Unassigned Contacts and put every contact without an account there. Problem solved, until there are 300,000 contacts under it. We created an artificial hot spot because the model required us to put everything somewhere, and the relationship doesn’t even carry business meaning. It worked beautifully at 500 records. Then the Number of Zeros caught up with it. ⟲

What do you do when you’ve got a million contacts under it? I’ve seen child accounts by state, one unhandled-contacts account per state. I’ve seen an automatic version: whenever an account reaches 10,000, create another one. It can be a little awkward, but it spreads the load. ⟲

One answer is an account pool: Unassigned Contacts 001, 002, 003 and so on, with the children spread across them, each kept under the threshold. It works, and it’s Salesforce’s own advice: “Distribute child records so that no parent has more than 10,000 child records,” and for contacts without real accounts, “set up several dummy accounts and distribute the contacts among them” (Best Practices for Deployments with Large Data Volumes: General (otwiera się w nowej karcie), Winter ‘27). But those aren’t real accounts; they’re architecture artifacts. Users will ask who “Unassigned Contacts 017” is and why it’s in their search results. So when I use a pool, I hide the placeholder parents from normal business experiences as much as I can. It’s a recurring trade-off: sometimes scale forces a structure that exists for the platform, not the business. When it does, don’t pretend it’s business data. Name it, document it, hide it where appropriate. ⟲

Kliknij, aby powiększyć

Step 2 of 2: the same contacts, spread across a pool. Nothing moved but where they point. ⟲

Master-Detail at Volume

Contacts under an account are a lookup. Master-detail is a different decision, and it’s one you make in the data model, long before the records arrive. Here’s the question I ask in class: would an invoice ever have more than 10,000 line items? No, it never would. So an invoice and its lines can be master-detail all day long. Now ask the same question of every master-detail relationship you’re about to build: at the volume we expect, will one parent ever pass 10,000 children? ⟲

Salesforce draws the same line: “As a best practice, don’t exceed 10,000 child records for a master-detail relationship” (Considerations for Object Relationships (otwiera się w nowej karcie)). Master-detail is the strongest relationship Salesforce gives you, and that’s exactly why the number matters. The detail record has no owner of its own; its access is controlled by the parent. Delete the parent, and every child goes with it. A child can’t move to another parent unless you allowed reparenting. Roll-up summaries on the parent have to keep up as the children change. And saving a child can lock the parent, which is why Salesforce’s loading advice is to group child records by their parent “to minimize locking conflicts” (Loading Data from the API (otwiera się w nowej karcie)). With ten children, none of that is noticeable. With a hundred thousand, every one of them is. ⟲

It’s also hard to undo. A master-detail relationship can only be converted to a lookup when the parent has no roll-up summary fields, and converting it changes the child’s sharing to Public Read/Write (same source). By the time volume tells you it was the wrong choice, the relationship may be holding up reports, sharing and automation. Count the children before you choose the relationship. ⟲

Steve Trucking has one of these decisions in its model. Each Retail Partner sends a Manifest (Manifest__c, a custom object) for each distribution center, for each working day. Manifest is custom, so master-detail to the partner’s account is allowed, and it’s tempting: the manifest would inherit the partner’s sharing, which is exactly the isolation we want. Now count. Our largest partner has nine or more DCs: nine manifests a working day, about 2,700 a year. Past 10,000 in under four years, under one parent, and every manifest revised on the day, so every revision would touch the partner’s account. That’s why the model makes Manifest a lookup and handles partner access through sharing. The invoice stays small; the manifests keep coming. ⟲

Kliknij, aby powiększyć

Step 1 of 2: master-detail, where the parent stays small. ⟲

Kliknij, aby powiększyć

Step 2 of 2: a lookup, where the children keep coming. ⟲

Watch Account with its contacts and opportunities too. It isn’t master-detail, but it behaves like a pseudo master-detail, with implicit sharing to the parent, which is why the 10,000 guidance shows up there as well. None of this means never use master-detail at scale. It means don’t choose a strongly coupled relationship and then act surprised that the records are strongly coupled. ⟲

Test knowledge. Know the 10,000-children guidance for master-detail, and what master-detail brings with it at volume: no owner on the detail (access controlled by the parent), cascade delete, no reparenting unless allowed, roll-up summaries, and parent locking when children are saved. Converting to a lookup needs no roll-up summaries on the master. ⟲

Nierównomierny rozkład własności

Now the owner. I ask the room: who owns a million records? The admin? Is the admin sitting there creating a million records? Usually it’s the integration user or the data load user. The records come in, and nobody knows who to give them to. We create an integration user, it creates records, nobody thinks about ownership (“it’s just the integration user”), and a year later that user owns 2 million records. Salesforce calls it ownership data skew when one user owns more than 10,000 records of an object, and the classic example is all the unassigned leads parked on a dummy user (Ownership Data Skew (otwiera się w nowej karcie)). That doesn’t mean a user can never own more. It means understanding the consequences: ownership isn’t a Created By stamp. It drives the role hierarchy, sharing rules and recalculation: behind the scenes, Salesforce keeps share records for the owner’s records above them in the role hierarchy. Attach millions of records to one owner who sits deep in the sharing model, and changing anything about that owner gets expensive. ⟲

The guidance matches what I teach in class. If a few users must own a very large number of records, give them no role; if they need one, put them in a separate role at the top of the hierarchy and don’t move them, and keep them out of public groups used as sources for sharing rules (same source). One catch with the top role: that user inherits access to all the data owned by or shared with the users below them. You could spread the records across a bunch of users instead, but for an integration user or a data load user, that typically isn’t worth the trouble. ⟲

We’re isolating the hot spot from the structures that trigger recalculation. Imagine a user who owns 5 million records being moved in a reorganization. That isn’t moving a box on the org chart; Salesforce may have to re-evaluate access across 5 million records. At this scale, organizational changes become data operations. ⟲

Test knowledge. Know the skew thresholds and the fixes: ownership skew when one user owns more than 10,000 records of an object (no role, or a separate role at the top that doesn’t move, and out of public groups used by sharing rules); parent-child skew at about 10,000 children under one parent. ⟲

Kto powinien być właścicielem rekordów utworzonych przez maszyny?

To, kto utworzył rekord, i to, kto jest jego właścicielem, to nie jest to samo pytanie. Redrock wysyła 500 000 dostaw przez API, a tworzy je użytkownik integracji. Czy powinien być ich właścicielem na zawsze? Może, ale nie tylko dlatego, że je utworzył. A teraz rekordy tworzą też agenci.

Moje stanowisko: zależy, czy własność ma znaczenie dla udostępniania. Użytkownik integracji lub agenta to pełnoprawny użytkownik i może być właścicielem rekordów. Jeśli w tym obiekcie własność steruje dostępem (przez hierarchię ról lub reguły udostępniania), przypisz rekordy właścicielowi, którego wymaga biznes: prawdziwemu użytkownikowi, kolejce, jeśli obiekt ją obsługuje, albo dedykowanemu użytkownikowi-właścicielowi. Jeśli własność nie steruje dostępem, pozostawienie agenta lub użytkownika integracji jako właściciela może być lepszym wyborem, bo ślad audytowy prowadzi prosto do tego, co rekord utworzyło. Tak czy inaczej zdecyduj, co oznacza Właściciel dla tego obiektu, zamiast mechanicznie przypisywać na nowo każdy rekord utworzony przez maszynę tylko dlatego, że zwykle właścicielami rekordów są ludzie. I pamiętaj, że pole „Utworzone przez” nadal istnieje: zmiana właściciela nie usuwa faktu, że rekord utworzyła integracja. Utworzone przez i Właściciel odpowiadają na różne pytania. Zmuszanie jednego pola do odpowiadania na oba to sposób na zły model.

Nierównomierny rozkład wyszukiwań

A lookup can be a hot spot too: millions of records pointing at the same location, category, reference record or configuration record. Salesforce’s own training defines it: “Lookup skew happens when a very large number of records are associated with a single record in the lookup object” (Large Data Volumes: Design Your Data Model (otwiera się w nowej karcie)). The danger isn’t “lots of lookups.” It’s concentration combined with activity: if millions of active records reference one record, and transactions keep touching that relationship, operations start colliding over it. That’s record locking, which chapter 11 covers. For now, recognize the shape: many active records, one heavily referenced record, worth inspecting. ⟲

Nie każdy nierównomierny rozkład jest równie groźny

Nie ucz się na pamięć „10 000 = źle”. Pięćdziesiąt tysięcy rekordów historycznych wskazujących na wartość referencyjną, która nigdy się nie zmienia, bez roli w udostępnianiu i prawie bez równoczesnej aktywności, może być w porządku. Dwadzieścia tysięcy aktywnych rekordów pod rekordem nadrzędnym, który często się zmienia, steruje udostępnianiem, zasila podsumowania zbiorcze i jest jednocześnie dotykany przez kilka integracji, to zupełnie inna historia. Wolumen ma kształt i nierównomierny rozkład też. Ile rekordów się tam zbiega? Jak często się zmieniają? Czy rekord nadrzędny się zmienia? Czy relacja steruje udostępnianiem lub blokowaniem? Czy integracje aktualizują rekordy podrzędne równocześnie? Czy przeniesienie właściciela lub rekordu nadrzędnego wyzwala przeliczanie? Liczba mówi mi, gdzie patrzeć; zachowanie mówi mi, jak bardzo się martwić.

Steve Trucking: gdzie są gorące punkty?

Na pięć lat prognozowaliśmy około 9 milionów zleceń pracy. Załóżmy, że ktoś mówi: „Niech użytkownik integracji będzie właścicielem każdej dostawy”. Dziewięć milionów rekordów, jeden właściciel. Czy własność ma znaczenie dla udostępniania dostaw? Jeśli nie, dedykowany właściciel dużej liczby rekordów może się sprawdzić, odizolowany od hierarchii ról i grup reguł udostępniania jak wyżej. Jeśli tak, jeden właściciel-integracja to zły model biznesowy: integracja tworzy rekord, ale to nie znaczy, że powinna być jego właścicielem.

Then the Retail Partner. Every work order carries its partner, deliberately, because partner isolation matters. But if one partner is 40% of the business, five years of deliveries is about 3.6 million work orders under one partner account. Does that make the relationship wrong? No. The business relationship is real, and I’m not going to invent 400 fake Redrock accounts because I don’t like the count. But I am going to look for a split the business would recognize. Each partner has real distribution centers, so a child account per DC under the partner spreads the work orders nine or more ways while every account still means something. Add archiving completed deliveries after the claims window, and the active children per parent stay low. ⟲

Na tym polega różnica między tymi dwiema poprawkami. „Unassigned Contacts” od początku było sztuczne, więc podział na pulę nie traci żadnego znaczenia. Redrock to prawdziwy partner; podział na Redrock 001, 002 i 003 zepsułby model. Podział według jego prawdziwych CD tego nie robi. Poprawki skali nadal muszą zachowywać znaczenie. Czasem odpowiedzią jest inna relacja, strategia udostępniania, wzorzec zapytań, model przechowywania lub polityka archiwizacji, ale nigdy fałszywa tożsamość dla prawdziwego podmiotu biznesowego.

Kliknij, aby powiększyć

Inspect, not bad. Concentration matters, not the total. ⟲

Znajdź gorące punkty na diagramie

Oto ćwiczenie, które lubię. Weź model danych i patrz na strzałki, a nie tylko na obiekty. Dla każdej relacji zapytaj: ile rekordów może się nagromadzić po tej stronie strzałki? Potem zapytaj o to samo w przypadku Właściciela. Teraz wyobraź sobie trzy lata, pięć, dziesięć. Gdzie rekordy się koncentrują? Często właśnie tam ukrywa się jutrzejszy problem.

Poza egzaminem: co zmienia AI. Człowiek może utworzyć 20 rekordów dziennie; agent może utworzyć tysiące. Daj agentowi własnego użytkownika, niech każdy rekord pozostaje jego własnością, a nierównomierny rozkład własności pojawi się znacznie szybciej niż kiedykolwiek przy ludziach. Własność po stronie agenta nie jest błędem, ale zdecyduj, co oznacza Właściciel dla rekordów tworzonych przez agentów, zanim wolumen uczyni ustawienie domyślne częścią architektury.

Co tu decyduje architekt

• Gdzie relacje nadrzędny-podrzędny, własności lub wyszukiwania skupiają rekordy i czy są na tyle aktywne, żeby stać się gorącymi punktami.
• Czy rekordy utworzone przez maszyny pozostają własnością użytkownika integracji lub agenta, czy są przypisywane na nowo, bo własność steruje dostępem.
• Jak właściciele dużej liczby rekordów są izolowani od hierarchii ról i grup reguł udostępniania.
• Kiedy sztuczny rekord nadrzędny można zastąpić pulą, a kiedy prawdziwa relacja potrzebuje znaczącego podziału.
• Whether each master-detail relationship stays under about 10,000 children per parent at projected volume, or should be a lookup. ⟲

Milion rekordów rozłożonych na tysiące właścicieli i rekordów nadrzędnych zachowuje się zupełnie inaczej niż milion rekordów wskazujących na jedno miejsce. Szukaj gorących punktów wcześnie: właściciele, rekordy nadrzędne, wyszukiwania, wszędzie tam, gdzie zbiega się Liczba Zer. Celem nie jest wyeliminowanie każdej dużej relacji; niektóre poprawnie reprezentują biznes. Celem jest wiedzieć, dokąd jedzie ruch, zanim otworzysz autostradę, bo kiedy miliony rekordów jadą do tego samego zjazdu, zmiana drogi jest dużo trudniejsza.

Do zgłębienia

• Salesforce Developers, Best Practices for Deployments with Large Data Volumes, Loading Data from the API (otwiera się w nowej karcie) (Winter ‘27): group child records by parent to minimize locking conflicts, checked 2026-11-01. ⟲
• Salesforce Help, Considerations for Object Relationships (otwiera się w nowej karcie): no more than 10,000 child records for a master-detail relationship; converting master-detail to lookup, checked 2026-11-01. ⟲
• Salesforce Developers, Designing Record Access for Enterprise Scale (Winter ‘27): Ownership Data Skew (otwiera się w nowej karcie) and Parent-Child Data Skew (otwiera się w nowej karcie), checked 2026-11-01. ⟲
• Salesforce Developers, Best Practices for Deployments with Large Data Volumes: General (otwiera się w nowej karcie) (Winter ‘27), the 10,000-record owner and parent guidance, checked 2026-11-01. ⟲
• Trailhead, Large Data Volumes: Design Your Data Model (otwiera się w nowej karcie): parent-child, ownership and lookup skew, checked 2026-11-01. ⟲
• Salesforce engineering blog, Managing Lookup Skew to Avoid Record Lock Exceptions (otwiera się w nowej karcie) (2013; older, but still the clearest explanation; checked 2026-11-01). ⟲
• SteveTechArc, Salesforce Documents by Release: these guides, once a year from Winter ‘16, each with an archived copy. ⟲