Работа с любыми данными
Microsoft Dataverse предоставляет абстракцию, позволяющую работать с любыми типами данных, включая реляционные, нереляционные, изображения, файлы, относительный поиск или озеро данных. Нет необходимости понимать тип данных, так как Dataverse предоставляет набор типов данных, которые позволяют вам строить свою модель. Тип хранилища оптимизирован для выбранного типа данных.
Данные можно легко импортировать и экспортировать с помощью потоков данных, Power Query и фабрики данных Azure. Клиенты Dynamics также могут использовать службу экспорта данных.
В Dataverse также есть соединитель для Power Automate и Azure Logic Apps, которые можно использовать с сотнями других соединителей в этих службах для локальных служб, инфраструктуры как службы (IaaS), платформы как службы (PaaS) или программного обеспечения как службы (SaaS). Сюда входят источники в Azure, Microsoft 365, Dynamics 365, SAP ERP, Salesforce, Amazon Redshift, Access, Excel, текст/CSV, списки SharePoint, базы данных SQL Server, Oracle, MySQL, PostgreSQL, Blockchain и Azure Synapse Analytics.
Common Data Model
Если вам когда-либо приходилось собирать данные из нескольких систем и приложений вместе, вы знаете, какая это дорогостоящая и трудоемкая задача. Не имея возможности совместно использовать и понимать одни и те же данные, каждое приложение или проект интеграции данных требует индивидуальной реализации.
Common Data Model предоставляет эталонную архитектуру, предназначенную для оптимизации этого процесса, предоставляя общий язык данных для бизнес-аналитических приложений. Система метаданных Common Data Model делает возможной общий доступ к данными и из понимание для всех приложений и бизнес-процессов, таких как Power Apps, Power BI, Dynamics 365 и Azure.
Common Data Model включает в себя набор стандартизированных, расширяемых схем данных, которые Microsoft и ее партнеры опубликовали. Этот набор предопределенных схем включает таблицы, атрибуты, семантические метаданные и отношения. Схемы представляют собой часто используемые понятия и действия, такие как Учетная запись и Кампания, чтобы упростить создание, агрегирование и анализ данных.
Схемы Common Data Model могут использоваться для создания таблиц в Dataverse. Полученные в результате таблицы будут совместимы с приложениями и аналитикой, которые нацелены на это определение Common Data Model.
На следующем изображении показаны некоторые элементы стандартных таблиц Common Data Model.
Таблицы
Таблицы Dataverse используются для моделирования бизнес-данных и управление ими. Для повышения производительности Dataverse включает набор таблиц, известных как стандартные таблицы. Эти таблицы разработаны в соответствии с наилучшими практиками для реализации самых распространенных концепций и сценариев в организации. Стандартные таблицы придерживаются Common Data Model.
Набор таблиц, которые обычно используются в различных отраслях, например Пользователь и Рабочая группа, включены в Dataverse и называются стандартными таблицами. Эти готовые таблицы также можно настроить, например добавив дополнительные столбцы. Кроме того, вы можете легко создавать свои собственные таблицы в Dataverse.
Столбцы
Строки определяют отдельные элементы данных, которые можно использовать для хранения данных в таблице. Иногда разработчики называют поля атрибутами. Таблица, представляющая курс в университете, может содержать такие столбцы, как «Имя», «Местоположение», «Отдел», «Зарегистрированные студенты» и т. д.
Столбцы могут содержать разные типы данных, такие как числа, строки, цифровые данные, изображения и файлы. Нет необходимости искусственно разделять реляционные и нереляционные данные, если они являются частью одного и того же бизнес-процесса или потока. Dataverse сохраняет данные в наилучшем типе хранения для созданной модели.
Каждый из этих столбцов может быть связан с одним из многих типов данных, поддерживаемых Dataverse.
Дополнительные сведения: Типы столбцов
Отношения
Данные в одной таблице часто связаны с данными в другой таблице. Отношения таблиц определяют, как строки можно связывать друг с другом в модели Dataverse.
Dataverse предоставляет простые в использовании визуальные конструкторы для определения различных типов отношений одной таблицы с другой (или между таблицей и ей самой). Каждая таблица может иметь отношение с несколькими таблицами, и каждая таблица может иметь несколько отношений с другой таблицей.
Типы отношений:
Многие к одному: в этом типе отношений многие записи таблицы A могут быть связаны с одной записью таблицы B. Например, у класса учеников одна классная комната.
Один ко многим: в этом типе отношений одна запись таблицы B может быть связана со многими записями таблицы A. Например, один учитель ведет несколько классов.
Многие ко многим — в этом типе отношений каждой записи в таблице A может соответствовать одна запись в таблице B и наоборот. Например, учащиеся посещают много классов, и в каждом классе имеется несколько учащихся.
Потому что отношения "многие к одному" являются наиболее распространенными, Dataverse обеспечивает определенный тип данных с именем поиск, что не только упрощает определение этих отношений, но и повышает производительность при создании форм и приложений.
Дополнительные сведения о создании отношений таблиц см. в разделе Создание отношения между таблицами.
Организациям часто нужно выполнять различные нормативные требования, в том числе обеспечить наличие истории взаимодействия с клиентом, журналов аудита, отчетов по доступу и отчетов по отслеживанию инцидентов безопасности. Организациям может потребоваться отслеживание изменений в данных Dataverse в целях безопасности или анализа.
Dataverse предоставляет возможность аудита, при которой изменения в таблицах и данных атрибутах в организации могут быть занесены в строку с течением времени для использования в анализе и отчетности. Аудит поддерживается для всех пользовательских — и большинства настраиваемых — таблиц и атрибутов. Аудит не поддерживается для изменений метаданных, операций извлечения, операций экспорта или во время аутентификации. Для получения информации о том, как настроить аудит, см. Управление аудитом Dataverse.
Dataverse поддерживает аналитику, предоставляя возможность выбирать таблицы для моделей машинного обучения для запуска. Он имеет встроенную возможность ИИ через AI Builder.
Поиск
Dataverse предоставляет три способа запроса строк:
Поиск Dataverse
Быстрый поиск (по одной или нескольким таблицам)
Расширенный поиск
Примечание
Быстрый поиск по нескольким таблицам также называется поиском с разбивкой по категориям.
Дополнительную информацию см. в статье Сравнение поисков.
Поиск Dataverse
Поиск Dataverse позволяет быстро получить полные результаты по нескольким таблицам единым списком, сортированным по релевантности. Используется выделенная служба поиска, независимая от Dataverse (на базе Azure), чтобы повысить эффективность поиска.
Поиск Dataverse обеспечивает следующие преимущества.
Повышает производительность благодаря использованию внешней технологии индексирования и поиска Azure.
Находит совпадения с любым словом в поисковом запросе в любом столбце в таблице, в отличие от быстрого поиска, где все слова из поискового запроса должны находиться в одном столбце.
Находит совпадения по разным формам слова, например поток, потоковая или потоком.
Возвращает результаты из всех таблиц, поддерживающих поиск, в одном списке, отсортированном по релевантности, поэтому чем больше совпадение, тем выше результат в списке. Соответствие имеет более высокую релевантность, если больше слов из запроса найдены в непосредственной близости друг от друга. Чем меньше количество текста, в котором найдены слова, тем выше релевантность. Например, если поисковой запрос содержится в названии и адресе компании, это может быть лучшим совпадением, чем те же слова в длинной статье далеко друг от друга.
Выделяет совпадения в списке результатов. Если поисковой запрос соответствует термину в строке, термин отображается в результатах поиска полужирным шрифтом и курсивом.
Для получения дополнительной информации о поиске Dataverse, см.: Использование поиска Dataverse для поиска строк.
Быстрый поиск
Dataverse включает в себя возможность быстрого поиска строк и содержит подходы, которые будут искать только в одном типе таблицы, например, клиент, или использоваться для поиска одновременно в нескольких типах таблиц, таких как контакты, пользователи, клиенты и т. д.
Быстрый поиск по одной таблице используется для поиска строк только одного типа. Этот параметр поиска доступен в представлении.
Многотабличный быстрый поиск (поиск по категориям) также используется для поиска строк, но найдет их в разных типах таблиц, например в учетных записях или контактах.
Data Lake
Dataverse поддерживает непрерывную репликацию данных таблиц в Azure Data Lake Storage, которые затем можно использовать для запуска аналитики, например отчетности Power BI, машинного обучения, хранилища данных и других процессов нижестоящей интеграции.
Эта функция предназначена для корпоративного анализа больших данных. Она экономически эффективна, масштабируема, обладает высокой доступностью и возможностями аварийного восстановления, а также обеспечивает лучшую в своем классе производительность аналитики.
Данные хранятся в формате Common Data Model, который обеспечивает семантическую согласованность между приложениями и развертываниями. Стандартизированные метаданные и данные с самоописанием в Common Data Model облегчают обнаружение метаданных и взаимодействие между поставщиками и потребителями данных, такими как Power BI, фабрика данных Azure, Azure Databricks и машинное обучение Azure.
См. также
Примечание
Каковы ваши предпочтения в отношении языка документации? Пройдите краткий опрос (обратите внимание, что этот опрос представлен на английском языке).
Опрос займет около семи минут. Личные данные не собираются (заявление о конфиденциальности).