Работа с любыми данными

Microsoft Dataverse предоставляет абстракцию, которая позволяет работать с любыми типами данных, включая реляционные, нереляционные, изображения, файл, относительный поиск или озеро данных. Нет необходимости понимать тип данных, так как Dataverse предоставляет набор типов данных, позволяющих создавать 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.

Dataverse также имеет соединитель для Power Automate и Azure Logic Apps, который можно использовать с сотнями других соединителей в этих сервисах для локальных, инфраструктурных, платформенных или программных сервисов (IaaS, PaaS, SaaS). Это включает источники в Azure, Microsoft 365, Dynamics 365, SAP ERP, Salesforce, Amazon Redshift, Access, Excel, text/CSV, списки SharePoint, базы данных SQL Server, Oracle, MySQL, PostgreSQL, Blockchain и Azure Synapse Analytics.

Common Data Model

Если вы когда-либо должны были объединить данные из нескольких систем и приложений, вы знаете, какая дорогостоящая и трудоемкая задача может быть. Без возможности совместного использования и понимания одних и тех же данных каждый проект интеграции приложений или данных требует кастомной реализации.

Common Data Model предоставляет эталонную архитектуру, которая предназначена для упрощения этого процесса, предоставляя общий язык данных для бизнес-приложений и аналитических приложений. Система метаданных общей модели данных позволяет предоставлять доступ к данным и его смыслу для приложений и бизнес-процессов, таких как Power Apps, Power BI, Dynamics 365 и Azure.

Общая модель данных включает набор стандартных расширяемых схем данных, опубликованных корпорацией Майкрософт и ее партнерами. Эта коллекция предопределенных схем включает таблицы, атрибуты, семантические метаданные и связи. Схемы представляют часто используемые понятия и действия, такие как учетная запись и кампания, для упрощения создания, агрегирования и анализа данных.

Схемы Common Data Model можно использовать для содействия созданию таблиц в Dataverse. Затем полученные таблицы будут совместимы с приложениями и аналитикой, предназначенными для этого определения общей модели данных.

На следующем рисунке показаны некоторые элементы стандартных таблиц common Data Model. 

Tables

В Dataverse таблицы используются для моделирования бизнес-данных и управления ими. Для повышения производительности Dataverse включает набор таблиц, известных как стандартные таблицы. Эти таблицы разработаны в соответствии с рекомендациями для сбора наиболее распространенных концепций и сценариев в организации. Стандартные таблицы соответствуют стандартной модели данных.

Набор таблиц, которые часто используются в различных отраслях, таких как пользователь и команда, включаются в Dataverse и называются стандартными таблицами. Эти стандартные таблицы можно настроить, включая дополнительные столбцы. Кроме того, вы можете легко создавать собственные пользовательские таблицы в Dataverse.

Колонны

Столбцы 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", "Расположение", "Отдел", "Зарегистрированные студенты" и т. д.

Столбцы могут иметь различные типы данных, такие как числовые, строки, цифровые данные, изображения и файлы. Нет необходимости хранить реляционные и нереляционные данные, разделенные искусственно, если это часть одного бизнес-процесса или потока. Dataverse хранит данные в лучшем типе хранилища 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. Связи таблиц определяют, как строки могут быть связаны друг с другом в модели Dataverse.

Dataverse позволяет легко использовать визуальные конструкторы для определения различных типов связей из одной таблицы в другую (или между таблицей и самой собой). Каждая таблица может иметь связь с несколькими таблицами, и каждая таблица может иметь несколько связей с другой таблицей.

Типы связей:

• Многие к одному: в этом типе отношений многие записи таблицы A могут быть связаны с одной записью таблицы B. Например, группа учащихся имеет одну классную комнату.

• Один ко многим: В этом типе связи одна запись таблицы B может быть связана со многими записями таблицы A. Например, один учитель преподаёт много классов.

• Многие ко многим — в этом типе отношений каждой записи в таблице A может соответствовать более одной записи в таблице B и наоборот. Например, учащиеся посещают много классов, и в каждом классе имеется несколько учащихся.

Поскольку отношения "многие к одному" являются наиболее распространенными, Dataverse предоставляет специальный тип данных с именем подстановка, что не только упрощает определение этой взаимосвязи, но и повышает продуктивность создания форм и приложений.

Дополнительные сведения о создании связей таблиц см. в статье "Создание связи между таблицами".

Организации часто должны соответствовать различным правилам, чтобы обеспечить доступность журнала взаимодействия с клиентом, журналов аудита, отчетов доступа и отчетов отслеживания инцидентов безопасности. Организациям может потребоваться отслеживать изменения в данных Dataverse для обеспечения безопасности и аналитических целей.

Dataverse предоставляет возможность аудита, где изменения данных в таблицах и атрибутах организации можно отслеживать в течение времени для использования в анализе и отчетности. Аудит поддерживается во всех настраиваемых таблицах и атрибутах. Аудит не поддерживается при изменении метаданных, извлечении операций, операциях экспорта или во время проверки подлинности. Сведения о настройке аудита см. в руководстве по управлению аудитом Dataverse.

Dataverse поддерживает аналитику, предоставляя возможность выбирать таблицы для моделей машинного обучения для запуска. Она имеет предварительно созданную возможность ИИ с помощью AI Builder.

Искать

Dataverse предоставляет три способа запроса строк:

• Поиск в Dataverse

• Быстрый поиск (одна таблица или несколько таблиц)

• Расширенный поиск

Замечание

Быстрый поиск в нескольких таблицах также называется классифицированным поиском.

Дополнительные сведения см. в разделе "Сравнение поисковых запросов".

Поиск в Dataverse

Поиск по данным обеспечивает быстрые и комплексные результаты в нескольких таблицах в одном списке, отсортированные по релевантности. Она использует выделенную службу поиска вне Dataverse (на основе Azure) для повышения производительности поиска.

Поиск в Dataverse предоставляет следующие улучшения и преимущества:

• Повышает производительность с помощью внешней индексации и технологии поиска Azure.

• Находит совпадения с любым словом в термине поиска в любом столбце таблицы, по сравнению с быстрым поиском всех слов из термина поиска в одном столбце.

• Находит совпадения, содержащие инфлекционные слова, такие как поток, передающийся или передавался.

• Возвращает результаты из всех таблиц, доступных для поиска, в одном списке, отсортированных по релевантности, поэтому лучше совпадение, чем выше результат отображается в списке. Совпадение имеет более высокую релевантность, если больше слов из поискового термина находятся в близком расположении друг к другу. Чем меньше объем текста, на котором найдены слова поиска, тем выше релевантность. Например, если найти слова поиска в имени и адресе компании, это может быть лучше, чем найти те же слова в длинной статье, далеко друг от друга.

• Выделяет совпадения в списке результатов. Когда поисковый термин соответствует термину в строке, этот термин отображается как полужирный и курсивный текст в результатах поиска.

Дополнительные сведения о поиске Dataverse см. в разделе "Использование поиска Dataverse" для поиска строк.

Быстрый поиск

Dataverse включает возможность быстро находить строки и может использоваться для поиска по одному типу таблиц, например клиенты, или для поиска по нескольким типам таблиц одновременно, таким как контакты, пользователи, клиенты и т. д.

Быстрый поиск в одной таблице используется для поиска строк только одного типа. Этот параметр поиска доступен в представлении.

Быстрый поиск по нескольким таблицам (классифицированный поиск) также используется для поиска строк, но будет находить их в разных типах таблиц, таких как учетные записи или контакты.

Data Lake

Dataverse поддерживает непрерывную репликацию данных таблиц в Azure Data Lake Storage, которые затем могут использоваться для выполнения аналитики: такие как отчеты Power BI, машинное обучение, хранилища данных и другие последующие процессы интеграции.

Эта функция предназначена для корпоративной аналитики больших данных. Она экономически эффективна, масштабируема, имеет возможности высокого уровня доступности и аварийного восстановления и обеспечивает лучшую производительность аналитики в своем классе.

Данные хранятся в формате Common Data Model, который обеспечивает семантическую согласованность между приложениями и развертываниями. Стандартизированные метаданные и самоописающие данные в Common Data Model упрощают обнаружение метаданных и взаимодействие между производителями данных и потребителями, такими как Power BI, Фабрика данных, Azure Databricks и Машинное обучение Azure.

См. также

Импорт и экспорт данных