Gemeinsame Daten in CloudFlow-Automatisierungen mit Datastore-Tabellen wiederverwenden

Cloud-Automatisierungen existieren selten isoliert. Ein Flow erkennt ein Problem, ein anderer reichert den Kontext an, ein dritter benachrichtigt das zuständige Team. Ohne eine gemeinsame, verlässliche Datenquelle duplizieren Sie Logik oder pflegen fest codierte Zuordnungen, die mit der Zeit veralten.

Der Datastore-Knoten bietet Ihren CloudFlow-Automatisierungen einen gemeinsamen, verwalteten Speicherort für strukturierte Daten. So können mehrere Flows dieselben Tabellen für Anreicherung, Weiterleitung und Zustandsverwaltung nutzen. Stellen Sie sich den Datastore als leichtgewichtige Datenbank vor, die Sie direkt aus Ihren Flows heraus verwenden können.

Ein gängiges Muster ist eine Tag-Ownership-Tabelle:

• Sie pflegen eine Tabelle, die Tags (oder Tag-Muster) einem Eigentümer, Team, einer Kostenstelle, einem Eskalationskanal und Metadaten zuordnet.
• Jeder Flow kann sie abfragen, um konsistent zu klären: "Wem gehört diese Ressource?"

Beispiel: Ein Anomalie-Flow erkennt einen plötzlichen Anstieg bei einem nicht getaggten Workload. Er schlägt die Tags der Ressource nach, fragt die Ownership-Tabelle ab und leitet den Alert an den richtigen Slack-Kanal weiter. Ein separater Remediation-Flow nutzt dieselbe Tabelle, um zu entscheiden, wer eine Änderung genehmigen darf und wo ein Ticket erstellt werden soll.

Im Datastore-Knoten können Sie:

• Datensätze abrufen mithilfe von Filtern (einschließlich Werten aus vorherigen Knoten)
• Datensätze einfügen für neue Zeilen, auch als Batch-Insert
• Datensätze per Upsert aktualisieren, um eine Tabelle mithilfe einer eindeutigen Schlüsselspalte ohne Duplikate aktuell zu halten

Unterstützte Spaltentypen sind Text, Integer, Numeric, Boolean, Date, Timestamp und JSON.

So starten Sie

Erstellen Sie eine Datastore-Tabelle für gemeinsame Zuordnungen (z. B. Tag-zu-Eigentümer) und referenzieren Sie diese anschließend aus jedem Flow über eine Datastore-Knoten-Abfrage. Verwenden Sie Upsert, wenn geplante Flows die Tabelle kontinuierlich mit einer autoritativen Quelle synchron halten sollen.