Udforsk Microsoft Dataverse
Microsoft Dataverse er en cloudbaseret løsning, der nemt strukturerer forskellige data og forretningslogik for at understøtte forbundne programmer og processer på en sikker og kompatibel måde. Dataverse administreres og vedligeholdes af Microsoft og er tilgængelig globalt, men udrullet geografisk for at overholde din potentielle dataopbevaring. Den er ikke designet til enkeltstående brug på dine servere, så du har brug for en internetforbindelse for at få adgang til og bruge den.
Dataverse adskiller sig fra traditionelle databaser, da det er mere end blot tabeller. Det inkorporerer sikkerhed, logik, data og lagring i et centralt punkt. Det er designet til at være dit centrale datalager for forretningsdata, og du bruger det måske allerede. Bag kulisserne driver den mange Microsoft Dynamics 365 løsninger, f.eks. Field Service, Marketing, Customer Service og Sales. Den er også tilgængelig som en del af Power Apps og Power Automate med indbygget forbindelse indbygget. Funktionerne AI Builder og Portals i Microsoft Power Platform bruger også Dataverse.
Billedet viser en visualisering, der samler de mange tilbud fra Microsoft Dataverse.
Her er en kort forklaring af hver kategori af funktioner.
Sikkerhed: Dataverse håndterer godkendelse med Microsoft Entra ID for at tillade betinget adgang og multifaktorgodkendelse. Den understøtter godkendelse ned til række- og kolonneniveau og indeholder omfattende overvågningsfunktioner.
Logik: Dataverse giver dig mulighed for nemt at anvende forretningslogik på dataniveau. Uanset hvordan en bruger interagerer med dataene, gælder de samme regler. Disse regler kan være relateret til registrering af dubletter, forretningsregler, arbejdsprocesser eller mere.
Data: Dataverse giver dig kontrolelementet til at forme dine data, så du kan finde, modellere, validere og rapportere om dine data. Dette kontrolelement sikrer, at dine data ser ud på den ønskede måde, uanset hvordan de bruges.
Lager: Dataverse gemmer dine fysiske data i Azure-cloudmiljøet. Dette cloudbaserede lager fjerner byrden ved at bekymre sig om, hvor dine data bor, eller hvordan de skaleres. Disse bekymringer er alle håndteret for dig.
Integration: Dataverse opretter forbindelse på forskellige måder for at understøtte dine forretningsbehov. API'er, webhooks, hændelses- og dataeksport giver dig fleksibilitet til at hente data ind og ud.
Som du kan se, er Microsoft Dataverse en effektiv cloudbaseret løsning til lagring og arbejde med dine virksomhedsdata. I de følgende afsnit ser du på Microsoft Dataverse fra linsen til datalager til Microsoft Power Platform, hvor du starter din rejse. Vær opmærksom på de andre omfattende funktioner, der er beskrevet, og som du kan udforske yderligere, efterhånden som dit forbrug øges.
For at komme i gang kan du med Microsoft Dataverse oprette en eller mange cloudbaserede forekomster af en standardiseret database. Databasen indeholder foruddefinerede tabeller og kolonner, der gemmer data, der ofte findes på tværs af næsten alle organisationer og virksomheder. Du kan tilpasse og udvide det, der er gemt, ved at tilføje nye kolonner eller tabeller. Den lette konfiguration af en Microsoft Dataverse-database og en standardiseret datamodel under den forenkler din mulighed for at koncentrere din indsats om at bygge løsninger uden at bekymre dig om infrastruktur, lager og dataintegration. Når dine data er gemt i Microsoft Dataverse, er der mange måder at få adgang til dem på. Du kan arbejde med dataene oprindeligt med værktøjer som f.eks. Power Apps eller Power Automate. Alle forretningsløsninger kan oprette forbindelse til Dataverse ved hjælp af connectors-API'er. Med funktionerne som rollebaseret sikkerhed og forretningsregler kan du stole på, at dine data er sikre, uanset hvordan de tilgås.
Skalerbarhed
En Dataverse-database understøtter store datasæt og komplekse datamodeller. Tabeller kan indeholde millioner af elementer, og du kan udvide lageret i hver forekomst af en Microsoft Dataverse-database til fire terabyte pr. forekomst. Den mængde data, der er tilgængelig i din forekomst af Microsoft Dataverse, er baseret på antallet og typen af licenser, der er knyttet til den. Datalager grupperes mellem alle licenserede brugere, så du kan tildele lagerplads efter behov for hver løsning, du bygger. Trinvist lager kan købes, hvis du har brug for mere lagerplads, end hvad der tilbydes i standardlicenser.
Microsoft Dataverse-struktur og -fordele
Strukturen i en Microsoft Dataverse-database er baseret på definitionerne og skemaet i Common Data Model. Den vigtigste fordel ved at bruge Common Data Model som grundlag for en Microsoft Dataverse-database er, at det forenkler integrationen af løsninger, der bruger et Common Data Model-skema. Standardtabellerne for løsningen er de samme. Du kan drage fordel af et omfattende økosystem af løsninger, som leverandører har bygget ved hjælp af Common Data Model. Bedst af alt er der praktisk taget ingen grænse for, hvor langt du kan udvide en Microsoft Dataverse-database.
Beskriv tabeller, kolonner og relationer
En tabel er en logisk struktur, der indeholder rækker og kolonner, der repræsenterer et sæt data. På skærmbilledet kan du se standardkontotabellen og forskellige elementer, der kan administreres som en del af den.
Tabeltyper
De tre typer tabeller er:
Standard – Flere standardtabeller, også kaldet out-of-box-tabeller, er inkluderet i et Dataverse-miljø. Tabellerne Konto, Afdeling, Kontakt, Opgave og Bruger er eksempler på standardtabeller i Dataverse. De fleste af de standardtabeller, der er inkluderet i Dataverse, kan tilpasses.
Managed – Tabeller, der ikke kan tilpasses og er importeret i miljøet som en del af en administreret løsning.
Brugerdefineret – Brugerdefinerede tabeller er ikke-administrerede tabeller, der enten importeres fra en ikke-administreret løsning, eller nye tabeller oprettes direkte i Dataverse-miljøet.
Kolonner
Kolonner gemmer en diskret oplysning i en række i en tabel. Du kan tænke på dem som en kolonne i Excel. Kolonner har datatyper, hvilket betyder, at du kan gemme data af en bestemt type i en kolonne, der svarer til den pågældende datatype. Hvis du f.eks. har en løsning, der kræver datoer, f.eks. registrering af datoen for en hændelse, eller når der opstod noget, gemmer du datoen i en kolonne med typen Dato. Hvis du på samme måde vil gemme et tal, skal du gemme tallet i en kolonne med typen Tal.
Antallet af kolonner i en tabel varierer fra nogle få kolonner til hundrede eller mere. Hver database i Microsoft Dataverse starter med et standardsæt af tabeller, og hver standardtabel har et standardsæt af kolonner.
Forstå relationer
Hvis du vil lave en effektiv og skalerbar løsning til de fleste af de løsninger, du bygger, skal du opdele data i forskellige objektbeholdere (tabeller). Hvis du forsøger at gemme alt i en enkelt objektbeholder, vil det sandsynligvis være ineffektivt og svært at forstå.
Følgende eksempel hjælper med at illustrere dette koncept.
Forestil dig, at du skal oprette et system til administration af salgsordrer. Du skal bruge en produktliste sammen med lagerbeholdningen, varens omkostninger og salgsprisen. Du skal også have en masterliste over kunder med deres adresser og kreditvurderinger. Til sidst skal du administrere salgsfakturaer samt gemme fakturadata. Fakturaen skal indeholde oplysninger som f.eks. dato, fakturanummer, sælger, kundeoplysninger, herunder adresse og kreditværdighed, og et linjeelement for hver vare på fakturaen. Linjeelementer skal indeholde en reference til det produkt, du har solgt, og være i stand til at angive den korrekte kostpris og pris for hvert produkt og reducere det disponible antal baseret på det antal, du har solgt i den pågældende linjevare.
Det ville være ineffektivt at oprette en enkelt tabel for at understøtte funktionaliteten i ovenstående eksempel. En bedre måde at nærme sig dette forretningsscenarie på er ved at oprette følgende fire tabeller:
Kunder
Produkter
Fakturaer
Linjeelementer
Hvis du opretter en tabel for hvert af disse elementer og relaterer dem til hinanden, kan du oprette en effektiv løsning, der kan skaleres, samtidig med at du bevarer en høj ydeevne. Opdeling af dataene i flere tabeller betyder også, at du ikke behøver at gemme gentagne data eller understøtte store rækker med store mængder tomme data. Derudover bliver det meget nemmere at rapportere, hvis du opdeler dataene i separate tabeller.
Tabeller, der relaterer til hinanden, har en relationel forbindelse. Relationer mellem tabeller findes i mange formularer, men de to mest almindelige er en til mange og mange til mange, som begge understøttes af Microsoft Dataverse. Du kan få mere at vide om de forskellige relationstyper under: Tabelrelationer.
Forretningslogik i Microsoft Dataverse
Mange organisationer har forretningslogik, der påvirker, hvordan de arbejder med data. En organisation, der bruger Dataverse til at gemme kundeoplysninger, kan f.eks. oprette et felt, f.eks. og feltet Id-nummer, der kræves på baggrund af den type kunde, de er. I Microsoft Dataverse bygger du denne logik ved hjælp af forretningsregler. Med forretningsregler kan du anvende og vedligeholde forretningslogik på datalaget i stedet for applaget. Når du opretter forretningsregler i Microsoft Dataverse, gælder disse regler grundlæggende, uanset hvor brugerne interagerer med dataene.
Forretningsregler kan f.eks. bruges i lærreds- og modeldrevne apps til at angive eller rydde værdier i en eller mange kolonner i en tabel. De kan også bruges til at validere lagrede data eller vise fejlmeddelelser. Modeldrevne apps kan bruge forretningsregler til at vise eller skjule kolonner, aktivere eller deaktivere kolonner samt oprette anbefalinger baseret på business intelligence.
Forretningsregler giver dig en effektiv måde at gennemtvinge regler, angive værdier eller validere data på, uanset hvilken formular der bruges til at angive data. Derudover er forretningsregler effektive til at hjælpe med at øge nøjagtigheden af data, forenkle programudvikling og strømline de formularer, der præsenteres for slutbrugerne.
Nedenfor er et eksempel på en enkel, men effektiv brug af forretningsregler. Forretningsreglen er konfigureret til at ændre feltet Kreditmaksimum VP-godkender til et obligatorisk felt, hvis kreditmaksimum er angivet til større end $1,000,000. Hvis kreditmaksimum er mindre end $1,000,000 , er feltet valgfrit.
Ved at anvende denne forretningsregel på dataniveau i stedet for appniveauet har du bedre kontrol over dine data. Dette kan sikre, at din forretningslogik følges, uanset om den tilgås direkte fra Power Apps, Power Automate eller endda via en API. Reglen er knyttet til dataene, ikke appen.
Hvis du vil vide mere om brug af forretningsregler i Dataverse, skal du se: Create en forretningsregel for en tabel.
Arbejde med dataflow
Dataflow er selvbetjent, cloudbaseret teknologi til dataforberedelse. Dataflow bruges til at indtage, transformere og indlæse data i Microsoft Dataverse-miljøer, Power BI-arbejdsområder eller din organisations Azure Data Lake Storage-konto. Dataflow er oprettet ved hjælp af Power Query, en samlet dataforbindelse og forberedelsesoplevelse, der allerede er fremhævet i mange Microsoft-produkter, herunder Excel og Power BI. Kunder kan udløse dataflow for at køre enten efter behov eller automatisk efter en tidsplan. Dataene holdes altid opdateret.
Da et dataflow gemmer de resulterende objekter i cloudbaseret lager, kan andre tjenester interagere med de data, der produceres af dataflow.
Power BI-, Power Apps-, Power Automate-, Power Virtual Agents- og Dynamics 365-programmer kan f.eks. hente de data, der produceres af dataflowet, ved at oprette forbindelse til Dataverse, en Power Platform-dataflowconnector eller direkte gennem søen, afhængigt af den destination, der er konfigureret på oprettelsestidspunktet for dataflowet.
På følgende liste fremhæves nogle af fordelene ved at bruge dataflow:
Et dataflow afkobler datatransformationslaget fra laget til udformning og visualisering i en Power BI-løsning.
Datatransformationskoden kan være placeret på en central placering, et dataflow, i stedet for at blive fordelt mellem flere artefakter.
En dataflowopretter har kun brug for Power Query færdigheder. I et miljø med flere oprettere kan opretteren af dataflowet være en del af et team, der sammen bygger hele BI-løsningen eller driftsprogrammet.
Et dataflow er produktagnostisk. Det er ikke kun en komponent i Power BI, da du kan hente dataene i andre værktøjer og tjenester.
Dataflow drager fordel af Power Query, en effektiv, grafisk, selvbetjent datatransformationsoplevelse.
Dataflow kører udelukkende i cloudmiljøet. Der kræves ingen yderligere infrastruktur.
Du har flere muligheder for at begynde at arbejde med dataflow ved hjælp af licenser til Power Apps, Power BI og Customer Insights.
Selvom dataflow er i stand til avancerede transformationer, er de udviklet til selvbetjeningsscenarier og kræver ingen it- eller udviklerbaggrund.