Работа с всякакви данни

Microsoft Dataverse предоставя абстракция, която дава възможност да се работи с всякакъв тип данни, включително релационни, нерелационни, изображение, файл, относително търсене или хранилище с данни. Не е необходимо да разбирате вида на данните като Dataverse излага набор от типове данни, които ви позволяват да изградите своя модел. Типът на съхранението е оптимизиран за избрания тип данни.

Данните могат лесно да бъдат импортирани и експортирани с потоци от данни, Power Query и Azure Data Factory. Клиентите на Dynamics могат също да използват услугата за експортиране на данни.

Dataverse има и конектор за Power Automate и Azure Logic Apps, които могат да се използват със стотиците други конектори в тези услуги за локален, инфраструктура като услуга (IaaS), платформа като услуга (PaaS) или софтуер като услуга (SaaS). Това включва източници в Azure, Microsoft 365, Dynamics 365, SAP ERP, Salesforce, Amazon Redshift, Access, Excel, текст / CSV, SharePoint списъци, бази данни SQL Server, Oracle, MySQL, PostgreSQL, Blockchain и Azure Synapse Analytics.

Common Data Model

Ако някога ви се е налагало да събирате данни от множество системи и приложения заедно, знаете каква е скъпа и отнемаща време задача. Без да можете лесно да споделяте и разбирате едни и същи данни, всяко приложение или проект за интегриране на данни изисква персонализирана реализация.

Common Data Model предоставя референтна архитектура, която е предназначена да оптимизира този процес чрез предоставяне на споделен език на данните за бизнес и аналитични приложения, които да се използват. Системата за метаданни на Common Data Model дава възможност за данни и има смисъл да се споделят в приложения и бизнес процеси като Power Apps, Power BI, Dynamics 365 и Azure.

Common Data Model включва набор от стандартизирани, разширяеми схеми за данни, които Microsoft и нейните партньори са публикували. Тази колекция от предварително дефинирани схеми включва таблици, атрибути, семантични метаданни и релации. Схемите представляват често използвани понятия и дейности, като например Акаунт и кампания, за да се опрости създаването, обобщаването и анализа на данни.

Схемите на Common Data Model могат да се използват за информиране на създаването на таблици в Dataverse. След това получените таблици ще бъдат съвместими с приложения и анализи, които са насочени към тази дефиниция на Common Data Model.

Следващото изображение показва някои елементи от стандартните таблици с Common Data Model. 

Таблици

В Dataverse таблиците се използват за моделиране и управление на бизнес данни. За да увеличи производителността, Dataverse включва набор от таблици, известни като стандартни таблици. Тези таблици са разработени в съответствие с най-добрите практики, за да улавят най-често срещаните концепции и сценарии в рамките на организацията. Стандартните таблици се придържат към Common Model Model.

Набор от таблици, които често се използват в различни отрасли, като например Потребител и Екип, са включени в Dataverse и се наричат стандартни таблици. Тези стандартни таблици също могат да бъдат персонализирани, като например включване на допълнителни колони. Освен това можете лесно да създавате свои собствени таблици в Dataverse.

Колони

Колоните дефинират отделните елементи на данни, които могат да се използват за съхранение на данни в таблица. Полетата понякога са наричани атрибути от разработчиците. Таблица, представяща курс в университет, може да съдържа колони като „Име“, „Местоположение“, „Катедра“, „Регистрирани студенти“ и т.н.

Колоните може да съдържат различни типове данни като цифри, низове, цифрови данни, изображения и файлове. Не е необходимо да държите релационните и нерелационните данни изкуствено разделени, ако това е част от един и същ бизнес процес или поток. Dataverse съхранява данните в най-добрия тип за съхранение за създадения модел.

Всяка от тези колони може да бъде свързана с един от многото типове данни, поддържани от Dataverse.

Повече информация: Типове колони

Релации

Данните в една таблица често са свързани с данните в друга таблица. Релациите на таблица определят как редовете могат да бъдат свързани помежду си в модела на Dataverse.

Dataverse осигурява лесни за използване визуални дизайнери, за да дефинират различните видове релации от една таблица към друга (или в рамките на една таблица). Всяка таблица може да има релация с повече от една таблица и всяка таблица може да има повече от една релации с друга таблица.

Типовете релации са:

• Много към един: При този тип взаимоотношения много записи от таблица A могат да бъдат свързани с един запис от таблица B. Например, клас ученици имат една класна стая.

• Едно към много: При този тип взаимоотношения един запис от таблица B може да бъде свързан с много записи от таблица А. Например един единствен учител преподава много класове.

• Много към много: При този тип релация всеки запис в таблица A може да съответства на повече от един запис в таблица Б и обратно. Учениците например присъстват в много предмети и всеки предмет има множество ученици.

Тъй като релациите много към едно са най-често срещаните, Dataverse предоставя определен тип данни справка, което не само улеснява дефинирането на тази връзка, но добавя производителност към изграждането на форми и приложения.

За повече информация относно създаването на релации на таблици вижте Създаване на релации между таблици.

Организациите често трябва да спазват различни регламенти, за да се гарантира наличието на хронология на взаимодействие с клиента, регистрационни файлове от проверката, отчети за достъп и отчети за проследяване на инциденти, свързани със сигурността. Организациите може да искат да проследят промените в данните на Dataverse с цел за сигурност и анализ.

Dataverse осигурява възможност за проверка, при която промените в таблиците и данните за атрибутите в организацията могат да бъдат събирани с течение на времето за използване при анализ и отчитане. Проверката се поддържа за всички потребителски и най-адаптивните таблици и атрибути. Одитът не се поддържа при промени в метаданни, извличане на операции, експортни операции или по време на удостоверяване. За информация как да конфигурирате проверка отидете на Управление на Dataverse проверка.

Dataverse поддържа анализи, като предоставя възможност за избор на таблици за модели за машинно обучение, които да се изпълняват. Той има предварително изградена AI възможност чрез AI Builder.

Търсете

Dataverse предоставя три начина за заявка за редове:

• Търсене в Dataverse

• Бързо търсене (в една таблица или няколко таблици)

• Разширено търсене

Бележка

Бързо търсене в няколко таблици се нарича също категоризирано търсене.

За повече информация сравняване на търсения.

Търсене в Dataverse

Търсенето в Dataverse осигурява бързи и пълни резултати в множество таблици в един списък, сортиран по съответствие. То използва външна услуга за специално търсене в Dataverse (поддържани от Azure) за засилване на ефективността на търсенето.

Търсенето в Dataverse по значимост предлага следните подобрения и предимства:

• Подобрява ефективността с помощта на външно индексиране и технология за търсене на Azure.

• Намира съвпадения с която и да е дума в ключовата дума във всяка колона в таблицата в сравнение с бързото търсене, където всички думи от ключовата дума трябва да бъдат намерени в една колона.

• Намира съвпадения, които включват думи с алтернативни окончания, като например поток, поточен или поточно.

• Връща резултатите от всички годни за търсене таблици в един списък, сортирани по съответствие, така че колкото по-добро е съвпадението, толкова по-висок е резултатът в списъка. Един мач, има по-висока значимост, ако повече думи от търсения термин се намират в непосредствена близост един до друг. Колкото по-малък е текстът, в който се намират търсените думи, толкова по-голяма е значимостта. Например ако откриете ключовите думи за търсене в името на фирмата и адрес, тя може да бъде по-добро съответствие от едни и същи думи, намерени в една голяма статия, отдалечени един от друг.

• Подчертава съответствия в списъка с резултати. Когато дадена ключова дума съвпада с дума в ред, тя се появява в резултатите от търсенето като текст в получер шрифт и в курсив.

За повече информация относно търсене в Dataverse, вижте Използване на търсене в Dataverse за търсене на редове.

Бързо търсене

Dataverse включва възможността за бързо намиране на редове и има подходи, които ще търсят само един тип таблица, като например клиент, или ще бъдат използвани за търсене в множество типове таблици едновременно, като контакти, потребители, клиенти и т.н.

Бързо търсене в една таблица се използва за намиране на редове само от един тип. Тази опция за търсене е достъпна от изглед.

Бързо търсене в множество таблици (категоризирано търсене) се използва и за намиране на редове, но ще ги намери в различни видове таблици, като акаунти или контакти.

Data Lake

Dataverse поддържа непрекъснато репликиране на данните от таблица в Azure Data Lake Storage, които след това могат да се използват за стартиране на анализи, като например отчети на Power BI, машинно обучение, съхранение на данни и други процеси на интеграция надолу по веригата.

Тази функция е предназначена за анализ на големи данни в предприятието. Той е рентабилен, мащабируем, разполага с висока наличност и възможности за възстановяване при бедствия и дава възможност за най-добро качество в анализите.

Данните се съхраняват във формат Common Data Model, който осигурява семантична последователност в приложенията и внедряването. Стандартизираните метаданни и самоописващите се данни в Общия модел на данни улесняват откриването на метаданни и оперативната съвместимост между производители и потребители, като например Power BI, Фабрика за данни, Azure Databricks и Azure Machine Learning.

Вижте също

Импортиране и експортиране на данни

Бележка

Можете ли да ни споделите повече за езиковите си предпочитания за документацията? Попълнете кратко проучване. (имайте предвид, че това проучване е на английски език)

Проучването ще отнеме около седем минути. Не се събират лични данни (декларация за поверителност).