Del via

​​Integrer Microsoft Fabric Lakehouse-data ved hjælp af virtuelle tabeller i Dataverse

Saml data fra flere interne systemer i en enkelt kilde til sandhed i Microsoft Fabric Lakehouse, og brug derefter Dataverse virtuelle tabeller til at forbruge de samlede data i dine Power Platform apps og flows.

Tip

Denne artikel indeholder et eksempelscenarie og en generel eksempelarkitektur, der illustrerer, hvordan du integrerer Microsoft Fabric Lakehouse-data i dine løsninger ved hjælp af Microsoft Dataverse virtuelle tabeller. Arkitektureksemplet kan ændres til mange forskellige scenarier og brancher.

Arkitekturdiagram

Arkitekturdiagram, der illustrerer, hvordan du integrerer Microsoft Fabric Lakehouse-data ved hjælp af Microsoft Dataverse virtuelle tabeller.

Arbejdsflow

I følgende trin beskrives den arbejdsproces, der vises i eksemplet på arkitekturdiagrammet:

  1. Kildeforberedelse: Datastrømme identificerer tilgængelige datakilder fra hele organisationen og overfører derefter dataene til en Fabric Lakehouse, hvor ETL-handlinger udtrækker og transformerer dem til videre brug.

  2. Virtuelle tabeller: Udbyderen af den virtuelle Fabric-connector opretter virtuelle tabeller, der repræsenterer dataene i Fabric Lakehouse.

  3. Account Executive 360-visning: En lærreds- eller modelbaseret app viser data fra de virtuelle tabeller i en brugervenlig grænseflade, så kontoadministratorer hurtigt kan se alle interaktioner med deres konti.

  4. Månedlig interaktionsoversigt for Account Executive: Et planlagt Power Automate flow, der kører hver måned, og som genererer en oversigt over kundeinteraktioner for hver Account Executive baseret på dataene i de samme virtuelle tabeller.

Komponenter

Power Platform miljø: Indeholder Power Platform ressourcer, der implementerer brugeroplevelsen. De virtuelle tabeller, der opretter forbindelse til Fabric Lakehouse-dataene, oprettes i et Power Platform miljø i den tilknyttede Dataverse forekomst.

Microsoft Fabric: Indtager, transformerer og gemmer strukturerede og ustrukturerede data på tværs af organisationen. På samme måde som i et Power Platform miljø bruger Fabric konceptet med et arbejdsområde til at oprette en beholder til Lakehouse, dataflows og andre Fabric-ressourcer, der bruges i løsningen.

Virtuelle connector-udbyder: Strømliner oprettelse af virtuelle tabeller. Virtuelle tabeller repræsenterer dataintegration fra eksterne datakilder ved at repræsentere disse data som tabeller i Microsoft Dataverse uden datareplikering. For hver datakilde skal en dataprovider håndtere interaktionen mellem Dataverse og kilden og definere funktionsmåden for den virtuelle tabel. Når du opretter en virtuel tabel til Fabric Lakehouse-data, er den forudbyggede udbyder af virtuelle Fabric-connectorer dataprovideren. Denne fremgangsmåde bruger en typisk Power Platform forbindelses- og forbindelsesreference til at administrere de specifikke forhold i Fabric-arbejdsområdet og Power Platform-miljøet, så udviklere kan bygge apps uden at skulle arbejde med flere systemer.

Skærmbillede af tilslutning af datakilde til Dataverse

Power Apps: Implementerer løsningens brugeroplevelse. Udviklere kan oprette et lærred eller modelbaseret app ved hjælp af de virtuelle tabeller, der repræsenterer Fabric-data, og tilføje dem som en datakilde på samme måde som andre Dataverse tabeller.

Power Automate: Automatiserer produktionen af den månedlige oversigt. Flowet kan planlægges til at køre månedligt og kan bruge de samme virtuelle tabeller som appen. Flowet kan også udløses af hændelser i Fabric Lakehouse-dataene, f.eks. når en post oprettes eller opdateres.

Power BI: Visualiserer dataene i Fabric Lakehouse. Power BI kan oprette forbindelse til Fabric Lakehouse direkte eller via en virtuel tabel, så du kan oprette rapporter og dashboards, der kombinerer data fra flere kilder, herunder Fabric Lakehouse og andre Dataverse tabeller.

Detaljer om scenariet

Din organisation har sandsynligvis data gemt i siloer. Brug dette arkitektoniske mønster til at holde datastrømmen på plads, samtidig med at du gør den tilgængelig som Power Platform virtuelle tabeller i Dataverse.

Potentielle brugsscenarier

I dette eksempel centraliseres kundeinteraktionsdata fra flere interne systemer i Fabric. En "kunde 360"-app giver kontochefer et komplet overblik over alle deres organisations interaktioner med deres kunder. Da appen bruger virtuelle tabeller til at få adgang til dataene i Fabric Lakehouse, kan kontocheferne se og analysere dataene uden at skulle vide, hvor de kom fra, eller hvordan de blev transformeret.

Her er andre almindelige eksempler på brug:

  • Kombiner økonomiske data fra Dynamics 365 eller Dataverse med økonomiske data fra andre systemer for at få samlet indsigt.
  • Flet historiske data, der er indtaget i OneLake fra ældre systemer, med aktuelle forretningsdata fra Dynamics 365 og Dataverse.
  • Du kan kombinere weblogs og telemetridata fra dit websted med produkt- og ordredetaljer fra Dynamics 365.
  • Anvend maskinel indlæring og opdag uregelmæssigheder og undtagelser i dine data.

Overvejelser

Disse overvejelser implementerer søjlerne i Power Platform Well-Architected, et sæt vejledende principper, der forbedrer kvaliteten af en arbejdsbyrde. Få mere at vide i Microsoft Power Platform Well-Architected.

Pålidelighed

  • Design til robusthed: Løsningens Power Apps og Power Automate komponenter øger robustheden ved kun at være afhængige af Fabric Lakehouse-dataene og påvirkes ikke direkte af de interne systemer.

Sikkerhed

  • Design til beskyttelse af fortrolighed: Virtuelle tabeller ejes af din organisation. De understøtter ikke Dataverse sikkerhedskoncepter på række- eller feltniveau. Vurder følsomheden af dataene i virtuelle tabeller, og overvej, om du skal implementere din egen sikkerhedsmodel for den eksterne datakilde.

  • Beskyt applikationshemmeligheder: Virtuelle tabeller, der er oprettet af udbyderen af virtuelle Fabric-connectorer, bruger forbindelser og forbindelsesreferencer til at administrere og beskytte legitimationsoplysninger for at få adgang til Fabric Lakehouse.

Ydeevneeffektivitet

  • Optimer dataforbruget: Hvis du bygger løsningen fra Fabric Lakehouse, kan det gøre det nemmere at optimere dataene til brug af Power Platform komponenter. I stedet for at kræve, at kontochefer vader gennem interaktionsdetaljer, kan Fabric ETL-handlinger f.eks. omdanne dem til mere indsigtsfulde data, der er lettere at forstå.

Optimering af oplevelse

  • Implementer en konsistent informationsarkitektur: Data, der kommer fra flere systemer, har ofte inkonsekvente metadata. Et system kan f.eks. markere en interaktion som "Succesfuld", mens et andet system gemmer den som "Fuldført". En app, der præsenterer disse inkonsistente data for en bruger, kan give en dårlig oplevelse. Under indtagelsesprocessen skal du bruge dataflowet til at samle og harmonisere dataene, så de giver brugerne en ensartet oplevelse.

Bidragydere

Microsoft vedligeholder denne artikel. Følgende bidragydere skrev denne artikel.

Hovedforfattere:

Næste trin

Gennemse, hvordan du bygger apps og automatiseringer, driver handling med indsigt fra Microsoft Fabric.

Følg disse trin på højt niveau for at oprette en løsningsarkitektur, der bruger virtuelle tabeller til at få adgang til data fra Microsoft Fabric:

  1. Opret et Fabric-arbejdsområde, der indeholder Lakehouse, du indlæser dine data i.

  2. Opret et Lakehouse og indtag data.

  3. Opret en virtuel tabel til en eller flere af tabellerne i dit Fabric Lakehouse.

  4. Oprette en lærreds- eller modelbaseret appvisning. Opret forbindelse til Microsoft Dataverse for at tilføje din virtuelle tabel som en datakilde for appen.