Utforska Microsoft Dataverse
Microsoft Dataverse är en molnbaserad lösning som enkelt strukturerar olika data och affärslogik för att stödja sammankopplade program och processer på ett säkert och kompatibelt sätt. Dataverse hanteras och underhålls av Microsoft och är tillgängligt globalt men distribueras geografiskt för att uppfylla din potentiella datahemvist. Den är inte utformad för fristående användning på dina servrar, så du behöver en Internetanslutning för att komma åt och använda den.
Dataversum skiljer sig från traditionella databaser eftersom det är mer än bara tabeller. Den innehåller säkerhet, logik, data och lagring i en central punkt. Den är utformad för att vara din centrala datalagringsplats för affärsdata, och du kanske redan använder den. Bakom kulisserna driver den många Microsoft-Dynamics 365 lösningar som Field Service, Marketing, Customer Service och Sales. Den är också tillgänglig som en del av Power Apps och Power Automate med inbyggd anslutning som är inbyggd. Funktionerna i AI Builder och Portals i Microsoft Power Platform använder också Dataverse.
Bilden visar en visualisering som sammanför de många erbjudandena för Microsoft Dataverse.
Här är en kort förklaring av varje funktionskategori.
Säkerhet: Dataverse hanterar autentisering med Microsoft Entra ID för villkorlig åtkomst och multifaktorautentisering. Den stöder auktorisering ned till rad- och kolumnnivå och ger omfattande granskningsfunktioner.
Logik: Med Dataverse kan du enkelt tillämpa affärslogik på datanivå. Oavsett hur en användare interagerar med data gäller samma regler. Dessa regler kan vara relaterade till dubblettidentifiering, affärsregler, arbetsflöden eller mer.
Data: Dataverse ger dig kontrollen att forma dina data så att du kan identifiera, modellera, validera och rapportera om dina data. Den här kontrollen ser till att dina data ser ut som du vill oavsett hur de används.
Lagring: Dataversum lagrar dina fysiska data i Azure-molnet. Den här molnbaserade lagringen gör att du slipper oroa dig för var dina data finns eller hur de skalar. Alla dessa problem hanteras åt dig.
Integrering: Dataverse ansluter på olika sätt för att stödja dina affärsbehov. API:er, webhooks, eventing och dataexport ger dig flexibilitet att hämta data in och ut.
Som du ser är Microsoft Dataverse en kraftfull molnbaserad lösning för att lagra och arbeta med dina affärsdata. I följande avsnitt tittar du på Microsoft Dataverse från linsen för datalagring för Microsoft Power Platform, där du börjar din resa. Tänk på de andra omfattande funktionerna som diskuteras och som du kan utforska ytterligare när din användning ökar.
För att komma igång kan du med Microsoft Dataverse skapa en eller flera molnbaserade instanser av en standardiserad databas. Databasen innehåller fördefinierade tabeller och kolumner som lagrar data som ofta finns i nästan alla organisationer och företag. Du kan anpassa och utöka det som lagras genom att lägga till nya kolumner eller tabeller. Den enkla konfigurationen av en Microsoft Dataverse-databas och en standardiserad datamodell gör det enklare att koncentrera dig på att skapa lösningar utan att behöva bekymra dig om infrastruktur, lagring och dataintegrering. Med dina data lagrade i Microsoft Dataverse finns det många sätt att komma åt dem. Du kan arbeta med data internt med verktyg som Power Apps eller Power Automate. Alla affärslösningar kan ansluta till Dataverse med anslutningsappars API:er. Med kraften hos funktioner som rollbaserad säkerhet och affärsregler kan du lita på att dina data är säkra oavsett hur de används.
Skalbarhet
En Dataverse-databas stöder stora datamängder och komplexa datamodeller. Tabeller kan innehålla miljontals objekt och du kan utöka lagringen i varje instans av en Microsoft Dataverse-databas till fyra terabyte per instans. Mängden data som är tillgänglig i din instans av Microsoft Dataverse baseras på antalet och typen av licenser som är associerade med den. Datalagringen är poolad mellan alla licensierade användare, så du kan allokera lagring efter behov för varje lösning som du skapar. Inkrementell lagring kan köpas om du behöver mer lagringsutrymme än vad som erbjuds inom standardlicensiering.
Microsoft Dataverse-struktur och fördelar
Strukturen för en Microsoft Dataverse-databas baseras på definitionerna och schemat i Common Data Model. Den främsta fördelen med att använda Common Data Model som grund för en Microsoft Dataverse-databas är att den förenklar integreringen av lösningar som använder ett Common Data Model-schema. Standardtabellerna i lösningen är desamma. Du kan dra nytta av ett omfattande ekosystem med lösningar som leverantörer har byggt från att använda Common Data Model. Bäst av allt är att det praktiskt taget inte finns någon gräns för hur långt du kan utöka en Microsoft Dataverse-databas.
Beskriva tabeller, kolumner och relationer
En tabell är en logisk struktur som innehåller rader och kolumner som representerar en uppsättning data. På skärmbilden visas standardkontotabellen och olika element som kan hanteras som en del av den.
Typer av tabeller
De tre typerna av tabeller är:
Standard – Flera standardtabeller, även kallade färdiga tabeller, ingår i en Dataverse-miljö. Konto-, affärsenhets-, kontakt-, uppgifts- och användartabeller är exempel på standardtabeller i Dataverse. De flesta standardtabeller som ingår i Dataverse kan anpassas.
Hanterad – tabeller som inte är anpassningsbara och har importerats till miljön som en del av en hanterad lösning.
Anpassad – Anpassade tabeller är ohanterade tabeller som antingen importeras från en ohanterad lösning eller är nya tabeller som skapas direkt i Dataverse-miljön.
Kolumner
Kolumner lagrar en diskret information i en rad i en tabell. Du kanske ser dem som en kolumn i Excel. Kolumner har datatyper, vilket innebär att du kan lagra data av en viss typ i en kolumn som matchar den datatypen. Om du till exempel har en lösning som kräver datum, till exempel att avbilda datumet för en händelse eller när något inträffade, lagrar du datumet i en kolumn med typen Datum. På samma sätt, om du vill lagra ett tal, lagrar du talet i en kolumn med typen Tal.
Antalet kolumner i en tabell varierar från några kolumner till hundra eller fler. Varje databas i Microsoft Dataverse börjar med en standarduppsättning tabeller och varje standardtabell har en standarduppsättning kolumner.
Förstå relationer
För att kunna skapa en effektiv och skalbar lösning för de flesta av de lösningar som du skapar måste du dela upp data i olika containrar (tabeller). Att försöka lagra allt i en enda container skulle förmodligen vara ineffektivt och svårt att förstå.
Följande exempel illustrerar det här konceptet.
Tänk dig att du behöver skapa ett system för att hantera försäljningsorder. Du behöver en produktlista tillsammans med lagret, kostnaden för artikeln och försäljningspriset. Du behöver också en huvudlista över kunder med deras adresser och kreditbetyg. Slutligen måste du även hantera försäljningsfakturor för att lagra fakturadata. Fakturan bör innehålla information som datum, fakturanummer, säljare, kundinformation, inklusive adress och kreditvärdighet och ett radobjekt för varje objekt på fakturan. Radartiklar bör innehålla en referens till den produkt som du sålde och kunna tillhandahålla rätt kostnad och pris för varje produkt och minska mängden till hands baserat på den kvantitet som du sålde i den radartikeln.
Det skulle vara ineffektivt att skapa en enskild tabell för att stödja funktionerna i exemplet ovan. Ett bättre sätt att hantera det här affärsscenariot är att skapa följande fyra tabeller:
Kunder
Produkter
Fakturor
Radobjekt
Genom att skapa en tabell för vart och ett av dessa objekt och relatera dem till varandra kan du skapa en effektiv lösning som kan skalas samtidigt som höga prestanda upprätthålls. Att dela upp data i flera tabeller innebär också att du inte behöver lagra repetitiva data eller stödja stora rader med stora mängder tomma data. Dessutom blir rapportering mycket enklare om du delar upp data i separata tabeller.
Tabeller som är relaterade till varandra har en relationsanslutning. Relationer mellan tabeller finns i många former, men de två vanligaste är en-till-många och många-till-många, som båda stöds av Microsoft Dataverse. Mer information om de olika relationstyperna finns i: Tabellrelationer.
Affärslogik i Microsoft Dataverse
Många organisationer har affärslogik som påverkar hur de arbetar med data. En organisation som till exempel använder Dataverse för att lagra kundinformation kanske vill göra ett fält som och fältet Identifieringsnummer obligatoriskt baserat på vilken typ av kund de är. I Microsoft Dataverse skapar du den här logiken med hjälp av affärsregler. Med affärsregler kan du tillämpa och underhålla affärslogik på datalagret i stället för applagret. När du skapar affärsregler i Microsoft Dataverse gäller dessa regler i princip oavsett var användarna interagerar med data.
Affärsregler kan till exempel användas i arbetsyteappar och modelldrivna appar för att ange eller rensa värden i en eller flera kolumner i en tabell. De kan också användas för att verifiera lagrade data eller visa felmeddelanden. Modelldrivna appar kan använda affärsregler för att visa eller dölja kolumner, aktivera eller inaktivera kolumner samt skapa rekommendationer baserat på business intelligence.
Affärsregler ger dig ett kraftfullt sätt att framtvinga regler, ange värden eller verifiera data oavsett vilket formulär som används för att mata in data. Dessutom är affärsregler effektiva när det gäller att öka dataprecisionen, förenkla programutvecklingen och effektivisera de formulär som presenteras för slutanvändarna.
Nedan visas ett exempel på en enkel men kraftfull användning av affärsregler. Affärsregeln har konfigurerats för att ändra fältet VP-godkännare för kreditgräns till ett obligatoriskt fält om kreditgränsen är inställd på större än $1,000,000. Om kreditgränsen är mindre än $1,000,000 är fältet valfritt.
Genom att tillämpa den här affärsregeln på datanivå i stället för på appnivå har du bättre kontroll över dina data. Detta kan säkerställa att din affärslogik följs oavsett om den nås direkt från Power Apps, Power Automate eller till och med via ett API. Regeln är kopplad till data, inte appen.
Mer information om hur du använder affärsregler i Dataverse finns i: Skapa en affärsregel för en tabell.
Arbeta med dataflöden
Dataflöden är självbetjäning, molnbaserad dataförberedelseteknik. Dataflöden används för att mata in, transformera och läsa in data till Microsoft Dataverse-miljöer, Power BI-arbetsytor eller organisationens Azure Data Lake Storage konto. Dataflöden skapas med hjälp av Power Query, en enhetlig dataanslutnings- och förberedelseupplevelse som redan finns i många Microsoft-produkter, inklusive Excel och Power BI. Kunder kan utlösa dataflöden för att köras antingen på begäran eller automatiskt enligt ett schema, data hålls alltid uppdaterade.
Eftersom ett dataflöde lagrar resulterande entiteter i molnbaserad lagring kan andra tjänster interagera med data som produceras av dataflöden.
Till exempel kan Power BI, Power Apps, Power Automate, Power Virtual Agents och Dynamics 365 program hämta data som produceras av dataflödet genom att ansluta till Dataverse, en Anslutningsapp för Power Platform-dataflöde eller direkt via sjön, beroende på vilket mål som konfigurerats vid skapande av dataflöde.
I följande lista visas några av fördelarna med att använda dataflöden:
Ett dataflöde frikopplar datatransformeringslagret från modellerings- och visualiseringslagret i en Power BI-lösning.
Datatransformeringskoden kan finnas på en central plats, ett dataflöde, i stället för att spridas ut mellan flera artefakter.
En dataflödesskapare behöver bara Power Query kunskaper. I en miljö med flera skapare kan dataflödesskapare ingå i ett team som tillsammans skapar hela BI-lösningen eller driftprogrammet.
Ett dataflöde är produktagnostiskt. Det är inte bara en komponent i Power BI eftersom du kan hämta dess data i andra verktyg och tjänster.
Dataflöden drar nytta av Power Query, en kraftfull, grafisk och självbetjäningsupplevelse för datatransformering.
Dataflöden körs helt i molnet. Ingen ytterligare infrastruktur krävs.
Du har flera alternativ för att börja arbeta med dataflöden med hjälp av licenser för Power Apps, Power BI och Customer Insights.
Även om dataflöden kan utföra avancerade transformeringar är de utformade för självbetjäningsscenarier och kräver ingen IT- eller utvecklarbakgrund.