Hvor er dataene?
Du kan hente og gemme data på tre forskellige måder.
Nye data Hvis din app opretter data, der ikke allerede findes nogen steder, f.eks. i situationer, hvor den eksisterende forretningsproces blev udført med papir, anbefaler vi, at du gemmer dataene enten på Microsoft Dataverse eller en brugerdefineret SharePoint-liste.
Dette emne drøftes i Datamodellering: design af datastrukturen.
Læse-/skriveadgang fra et eksisterende system er en datatype, som du skal bruge til at hente de nyeste oplysninger fra en eksisterende database eller et eksisterende system. I disse tilfælde skal der anmodes om data på det tidspunkt, hvor du skal bruge dem.
Opret en kopi af dataene I de situationer, hvor de oprindelige data aldrig bør ændres eller overskrives, kan du kopiere dataene til et andet datalager f.eks. Dataverse. Derved sikres det, at dataene i det oprindelige system ikke ændres, men at din app kan arbejde med dem. Dette scenarie er almindeligt, når du arbejder med data i regnskabs- og omsætningsrelaterede systemer.
Adgang til eksisterende data
De apps, der oprettes med Power Apps, har to muligheder for at bruge eksisterende data. Den ene er ved at bruge en connector, som giver dig mulighed for at oprette direkte forbindelse til en datakilde. Den anden er ved at bruge et dataflow, der kopierer et øjebliksbillede af dataene.
Brug af en connector: En connector er en funktion i Power Apps, hvor du kan oprette forbindelse til forskellige systemer og kilder — f.eks. SharePoint, SQL Server eller Office 365 — og direkte hente data fra dem eller gemme data i dem. Flere oplysninger: Oversigt over lærredapp-connectorer til Power Apps
Brug af dataflow: Dataflow er en funktion i Power Apps, hvor du kan udtrække, transformere og indlæse data fra et andet system til Dataverse eller Azure Data Lake storage. I modsætning til en connector henter den data i en planlagt batch. I stedet for bare at hente dataene, som de er fra datakilde, kan du bruge Power Query Online til at manipulere, rense og transformere data, før du gemmer dem i mållageret. Flere oplysninger: Forberedelse af selvbetjeningsdata med dataflows
Den metode, du vælger, afhænger af dine brugsmønstre, og hvordan data skal håndteres. I følgende tabel vises nogle af de elementer, der skal bruges til sammenligning.
| Element til sammenligning | Connectors | Dataflow |
|---|---|---|
| Opdatering af data | Realtid | Statisk eller snapshot |
| Retning | Tovejs | Ensrettet (fra oprindelse til Dataverse) |
| Ændre eksisterende data? | Ja | Nej |
| Bruge sager | Produktionsordre, timeseddel, salgstilbud | Kundemaster, tidligere fakturaer, medarbejderliste |
Vi giver dig flere tekniske oplysninger i næste artikel, som omhandler Samarbejde med virksomhedssystemer.
Eksempel: data til udgiftsrapport
Vores udgiftsrapportprojekt indeholder alle tre typer af datalagringsbehov:
Nye data: Da udgiftsrapporterne var på papir, har vi brug for et nyt lagersystem til de data, der oprettes af medarbejderen, som udfylder udgiftsrapporten. Det er nødvendigt at designe en datamodel hertil.
Skrivning til et eksisterende system: Når regnskabsteamet eksporterer dataene fra udgiftsrapporteringen til økonomisystemet, skal de bruge en dataconnector.
Kopierede data: Vores udgiftsrapporter indeholder også nogle data, som vi har slået op fra Microsoft Entra ID, f.eks. medarbejder-id, leder og afdeling. Vi vil ikke ændre disse data i det oprindelige system, men vi er nødt til at beholde en kopi af det. Vi vil registrere medarbejderens leder og afdeling på det tidspunkt, hvor rapporten blev oprettet, og ikke på et eller andet tidspunkt i fremtiden, hvor vi gennemgår rapporten igen. (De kan have ændret afdelinger eller endda forladt virksomheden.)
Bemærk
Kan du fortælle os om dine sprogpræferencer for dokumentation? Tag en kort undersøgelse. (bemærk, at denne undersøgelse er på engelsk)
Undersøgelsen tager ca. syv minutter. Der indsamles ingen personlige data (erklæring om beskyttelse af personlige oplysninger).