Töötamine mis tahes andmetega

Microsoft Dataverse pakub abstraktsiooni, mis võimaldab töötada mis tahes tüüpi andmetega, sealhulgas relatsiooniliste, mitterelatsiooniliste, pildi-, faili-, suhtelise otsingu või andmejärvega. Andmete tüübist pole vaja aru saada, kuna Dataverse paljastab andmetüüpide kogumi, mis võimaldab teil mudelit üles ehitada. Salvestusruumi tüüp on optimeeritud valitud andmetüübi jaoks.

Andmeid saab hõlpsasti importida ja eksportida andmevoogude, Power Query ja Azure Data Factory abil. Dynamicsi kliendid saavad kasutada ka andmeekspordi teenust.

Dataverse'il on ka konnektor Power Automate'i ja Azure Logic Appsi jaoks, mida saab kasutada sadade teiste konnektoritega nendes teenustes kohapealsete, infrastruktuuri teenusena (IaaS), platvormi teenusena (PaaS) või tarkvara teenusena (SaaS) teenuste jaoks. See hõlmab allikaid Azure'is, Microsoft 365-s, Dynamics 365-s, SAP ERP-s, Salesforce'is, Amazon Redshiftis, Accessis, Excelis, tekstis/CSV-s, SharePointi loendites, SQL Serveri andmebaasides, Oracle'is, MySQL-is, PostgreSQL-is, Blockchainis ja Azure Synapse Analyticsis.

Common Data Model

Kui olete kunagi pidanud mitmest süsteemist ja rakendusest andmeid kokku tooma, teate, kui kulukas ja aeganõudev ülesanne see võib olla. Ilma et oleks võimalik samu andmeid hõlpsalt jagada ja mõista, nõuab iga rakendus või andmete integreerimise projekt kohandatud juurutamist.

Common Data Model pakub võrdlusarhitektuuri, mille eesmärk on seda protsessi sujuvamaks muuta, pakkudes äri- ja analüüsirakendustele kasutamiseks ühiskasutuses olevat andmekeelt. Common Data Modeli metaandmete süsteem võimaldab andmeid ja nende tähendust jagada rakenduste ja äriprotsesside vahel, nagu Power Apps, Power BI, Dynamics 365 ja Azure.

Common Data Model sisaldab standardiseeritud laiendatavate andmeskeemide komplekti, mille Microsoft ja tema partnerid on avaldanud. See eelmääratletud skeemide kogum sisaldab tabeleid, atribuute, semantilisi metaandmeid ja seoseid. Skeemid esindavad sageli kasutatavaid mõisteid ja tegevusi, nagu konto ja kampaania, et lihtsustada andmete loomist, koondamist ja analüüsi.

Common Data Modeli skeeme saab kasutada Dataverse'is tabelite loomise teavitamiseks. Seejärel ühilduvad saadud tabelid rakenduste ja analüüsidega, mis sihivad seda Common Data Modeli määratlust.

Järgmisel pildil on näidatud mõned Common Data Modeli standardsete tabelite elemendid. 

Tabelid

Dataverse'is kasutatakse tabeleid äriandmete modelleerimiseks ja haldamiseks. Tootlikkuse suurendamiseks sisaldab Dataverse tabelite komplekti, mida nimetatakse standardtabeliteks. Need tabelid on loodud vastavalt headele tavadele organisatsiooni kõige levinumate mõistete ja stsenaariumide jäädvustamiseks. Standardtabelid järgivad ühist andmemudelit.

Tabelite kogum, mida tavaliselt kasutatakse erinevates tööstusharudes, nagu kasutaja ja meeskond, on kaasatud Dataverse'i ja neid nimetatakse standardtabeliteks. Neid valmistabeleid saab ka kohandada, näiteks lisada täiendavaid veerge. Lisaks saate Dataverse'is hõlpsalt luua oma kohandatud tabeleid.

Tulbad

Veerud määratlevad üksikud andmeüksused, mida saab kasutada andmete talletamiseks tabelis. Arendajad nimetavad vahel välju atribuutideks. Ülikooli kursust esindav tabel võib sisaldada veerge nagu "Nimi", "Asukoht", "Osakond", "Registreeritud üliõpilased" jne.

Veergudel võib olla erinevat tüüpi andmeid (nt numbrid, stringid, digitaalsed andmed, pildid ja failid). Relatsioonilisi ja mitterelatsioonilisi andmeid pole vaja kunstlikult eraldada, kui need on osa samast äriprotsessist või voost. Dataverse talletab andmed loodud mudeli jaoks parimas salvestustüübis.

Kõiki neid veerge saab seostada ühega paljudest Dataverse'i toetatavatest andmetüüpidest.

Lisateave: Veerutüübid

Seosed

Ühe tabeli andmed on sageli seotud teise tabeli andmetega. tabeliseosed määratlevad, kuidas ridu saab Dataverse'i mudelis üksteisega seostada.

Dataverse pakub hõlpsasti kasutatavaid visuaalseid kujundajaid, et määratleda erinevat tüüpi seoseid ühest tabelist teise (või tabeli ja enda vahel). Igal tabelil võib olla seos mitme tabeliga ja igal tabelil võib olla rohkem kui üks seos teise tabeliga.

Seoste tüübid on järgmised.

• Mitu-ühele: seda tüüpi seoste korral saab ühe tabeli B kirjega seostada mitu tabeli A kirjet. Näiteks õpilaste klassil on üks klassiruum.

• Üks-mitmele: seda tüüpi seoste korral saab ühe tabeli B kirje seostada mitme tabeli A kirjega. Näiteks üks õpetaja õpetab paljusid tunde.

• Mitu-mitmele: seda tüüpi seose korral võib iga tabeli A kirje vastata rohkem kui ühele tabeli B kirjele ja vastupidi. Näiteks osalevad õpilased mitmes klassis ja igas klassis võib olla mitu õpilast.

Kuna mitu-ühele seosed on kõige levinumad, pakub Dataverse kindlat andmetüüpi nimega otsing, mis mitte ainult ei muuda selle seose määratlemise lihtsaks, vaid lisab vormide ja rakenduste loomisele tootlikkust.

Lisateavet tabeliseoste loomise kohta leiate teemast Tabelitevahelise seose loomine.

Organisatsioonid peavad sageli järgima erinevaid eeskirju, et tagada kliendisuhtluse ajaloo, auditilogide, juurdepääsuaruannete ja turvaintsidentide jälgimise aruannete kättesaadavus. Organisatsioonid võivad soovida jälgida Dataverse'i andmete muudatusi turvalisuse ja analüüsi eesmärgil.

Dataverse pakub auditeerimisvõimalust, kus organisatsiooni tabelite ja atribuutide andmete muudatusi saab aja jooksul analüüsis ja aruandluses kasutamiseks järjestada. Auditeerimist toetatakse kõigis kohandatud ja kõige kohandatavamates tabelites ja atribuutides. Auditeerimist ei toetata metaandmete muudatuste, toomistoimingute, eksporditoimingute ega autentimise ajal. Lisateavet auditeerimise konfigureerimise kohta leiate jaotisest Dataverse'i auditeerimise haldamine.

Dataverse toetab analüütikat, pakkudes võimalust valida masinõppemudelite käitamiseks tabeleid. Sellel on AI Builderi kaudu eelehitatud tehisintellekti võimalus.

Otsige

Dataverse pakub ridade päringute tegemiseks kolme võimalust.

• Dataverse’i otsing

• Kiirotsing (ühe või mitme lauaga)

• Täpsem otsing

Märkus.

Mitme tabeli kiirotsingut nimetatakse ka kategoriseeritud otsinguks.

Lisateavet leiate teemast Otsingute võrdlemine.

Dataverse’i otsing

Dataverse'i otsing pakub kiireid ja põhjalikke tulemusi mitmes tabelis ühes loendis, mis on sorditud asjakohasuse järgi. See kasutab otsingujõudluse suurendamiseks spetsiaalset otsinguteenust väljaspool Dataverse'i (toidab Azure'i).

Dataverse'i otsing pakub järgmisi täiustusi ja eeliseid.

• Parandab jõudlust välise indekseerimise ja Azure'i otsingutehnoloogia abil.

• Leiab vasted otsingutermini mis tahes sõnale tabeli mis tahes veerus, võrreldes kiirotsinguga, kus kõik otsingutermini sõnad peavad olema ühes veerus.

• Leiab vasted, mis sisaldavad käändesõnu (nt voog,voogesitus või voogesitatud).

• Tagastab tulemid kõigist otsitavatest tabelitest ühes loendis, mis on sorditud asjakohasuse järgi, nii et mida parem vaste, seda kõrgemal kuvatakse tulemus loendis. Vastel on suurem asjakohasus, kui otsinguterminist leitakse üksteise vahetus läheduses rohkem sõnu. Mida väiksem on tekstihulk, kust otsingusõnad leitakse, seda suurem on asjakohasus. Näiteks kui leiate otsingusõnad ettevõtte nimest ja aadressist, võib see olla parem vaste kui samade sõnade leidmine pikast artiklist, üksteisest kaugel.

• Tõstab esile vasted tulemuste loendis. Kui otsingutermin vastab reas olevale terminile, kuvatakse termin otsingutulemustes paksus ja kaldkirjas tekstina.

Lisateavet Dataverse'i otsingu kohta leiate teemast Dataverse'i otsingu kasutamine ridade otsimiseks.

Kiirotsing

Dataverse sisaldab võimalust kiiresti ridu leida ja sellel on lähenemisviisid, mis otsivad ainult ühte tüüpi tabelitest, näiteks kliendist, või mida kasutatakse korraga mitut tüüpi tabelitest otsimiseks, näiteks kontaktid, kasutajad, kliendid jne.

Ühe tabeli kiirotsingut kasutatakse ainult ühte tüüpi ridade otsimiseks. See otsingusuvand on saadaval vaates.

Mitme tabeli kiirotsingut (kategoriseeritud otsing) kasutatakse ka ridade otsimiseks, kuid see leiab need erinevat tüüpi tabelitest (nt kontod või kontaktid).

Andmejärv

Dataverse toetab tabeliandmete pidevat replikeerimist Azure Data Lake Storage'i, mida saab seejärel kasutada analüütika käitamiseks, nagu Power BI aruandlus, masinõpe, andmelaondus ja muud allavoolu integreerimisprotsessid.

See funktsioon on mõeldud ettevõtte suurandmete analüüsi jaoks. See on kulutõhus, skaleeritav, kõrge kättesaadavuse ja avariitaaste võimalustega ning võimaldab oma klassi parimat analüüsijõudlust.

Andmed salvestatakse Common Data Model vormingus, mis tagab semantilise järjepidevuse kõikides rakendustes ja juurutustes. Common Data Modeli standardiseeritud metaandmed ja isekirjeldavad andmed hõlbustavad metaandmete tuvastamist ja koostalitlusvõimet andmetootjate ja tarbijate vahel (nt Power BI, Data Factory, Azure Databricks ja Azure'i masinõpe).

Vaata ka

Andmete importimine ja eksportimine