使用任意数据
Microsoft Dataverse 提供一种抽象方式，让您可以处理任何类型的数据，包括关系、非关系、图像、文件、相对搜索或数据湖。 无需了解数据的类型，因为 Dataverse 公开了一组允许您构建模型的数据类型。 存储类型已针对所选数据类型进行了优化。
通过数据流、Power Query 和 Azure 数据工厂可以轻松导入和导出数据。 Dynamics 客户还可以使用数据导出服务。
Dataverse 还具有用于 Power Automate 和 Azure 逻辑应用的连接器，可与这些服务中的数百个其他连接器一起用于本地、基础设施即服务 (IaaS)、平台即服务 (PaaS) 或软件即服务 (SaaS) 服务。 这包括 Azure、Microsoft 365、Dynamics 365、SAP ERP、Salesforce、Amazon Redshift、Access、Excel、文本/CSV、SharePoint 列表、SQL Server 数据库、Oracle、MySQL、PostgreSQL、区块链和 Azure Synapse Analytics 中的源。
Common Data Model
如果您曾经不得不将来自多个系统和应用的数据整合在一起，那么您会知道这项任务有多昂贵和耗时。 在无法轻松共享和了解相同数据的情况下，每个应用或数据集成项目都需要自定义实现。
Common Data Model 提供了参考架构，目的是通过提供供业务和分析应用使用的共享数据语言来简化这个过程。 Common Data Model 元数据系统使跨应用和业务流程（如 Power Apps、Power BI、Dynamics 365 和 Azure）共享数据及其含义成为可能。
Common Data Model 包括 Microsoft 及其合作伙伴已发布的一组标准化的可扩展数据架构。 此预定义架构的集合包括表、属性、语义元数据和关系。 这些架构表示通用的概念和活动，如 客户 和 市场活动，来简化数据的创建、聚合和分析。
Common Data Model 架构可用于在 Dataverse 中创建表时发出通知。 然后，生成的表将与面向此 Common Data Model 定义的应用和分析兼容。
下图显示了标准 Common Data Model 表的某些元素。
表
在 Dataverse 中，表用于建立业务数据模型和管理业务数据。 为了提高工作效率，Dataverse 包括一组称为标准表的表。 这些表根据最佳做法进行了设计，以获取组织内最常见的概念和场景。 标准表遵循 Common Data Model。
Dataverse 中包括一组在行业中通用的表（称为标准表），如用户和团队。 这些现成的表还可以进行自定义，例如包括其他列。 此外，您还可以轻松地在 Dataverse 中创建自己的自定义表。
列数
列定义可用于在表中存储数据的单独数据项。 开发人员有时也将字段称为属性。 一个表示大学课程的表可能包含诸如“名称”、“位置”、“系”、“注册学生”等列。
列可能具有不同类型的数据，例如数字、字符串、数字数据、图像和文件。 如果关系和非关系数据属于同一业务流程或流的一部分，则无需人为地将其分离。 Dataverse 将数据存储在所创建模型的最佳存储类型中。
其中每个列都可以与 Dataverse 支持的许多数据类型之一相关联。
详细信息：列类型
关系
一个表中的数据通常与另一个表中的数据相关。 表关系定义列如何在 Dataverse 模型中相互关联。
Dataverse 提供易于使用的视觉对象设计器，以定义从一个表到另一个表（或表及其自身之间）的不同类型的关系。 每个表可以与多个表有一个关系，并且每个表可以与另一个表之间有多个关系。
关系类型有：
多对一：在这种类型的关系中，多个表 A 记录可以与单个表 B 记录关联。 例如，一个班级的学生有一个教室。
一对多：在这种类型的关系中，单个表 B 记录可以与多个表 A 记录关联。 例如，一名老师教授多门课。
多对多：在此类型的关系中，表 A 中的每个记录可以与表 B 中的多个记录匹配，反之亦然。 例如，学生参加很多班级，每个班级可以有多名学生。
因为多对一关系是最常见的，所以 Dataverse 提供了一个名为查找的特定数据类型，这不仅使定义这种关系变得容易，还提高了构建窗体和应用的效率。
有关创建表关系的详细信息，请参阅创建表之间的关系。
组织通常需要遵循各项法规以确保客户互动历史记录、审核日志、访问报表以及安全性事件跟踪报表的可用性。 为确保安全和便于分析，组织可能要跟踪 Dataverse 数据的更改。
Dataverse 提供审核功能，该功能可以随着时间的推移对组织中表和属性数据的更改进行分行，以便用于分析和报告。 所有自定义（和大部分可自定义）的表和属性都支持审核。 元数据更改、检索操作、导出操作或身份验证期间不支持审核。 有关如何配置审核的信息，请转到 管理 Dataverse 审核。
Dataverse 通过提供为要运行的机器学习模型选择表的功能来支持分析。 它通过 AI Builder 获得预生成的 AI 功能。
搜索
Dataverse 提供三种方法来查询行：
Dataverse 搜索
快速查找（单个表或多个表）
高级查找
备注
多个表快速查找也称为分类搜索。
有关详细信息，请参阅比较搜索。
Dataverse 搜索
Dataverse 搜索提供多个表之间快速、综合性的搜索结果，并且这些结果为按相关性排序的一个列表。 它使用 Dataverse 外部的一个专用搜索服务（由 Azure 技术支持）增强搜索性能。
Dataverse 搜索拥有以下增强和优点：
使用外部索引和 Azure 搜索技术来提高性能。
在表的任何列中，查找搜索词中任何字词的匹配项，而在快速查找中，必须在一个列中找到搜索词中的所有字词。
查找包括屈折词（ stream、 streaming 或 streamed）的匹配项。
在一个列表中返回按相关性排序的所有可搜索表的结果，因此匹配度越高，结果在列表中的显示位置就越靠前。 在接近的彼此亲缘关系中找到的搜索词中的单词越多，匹配项的相关性越高。 找到搜索单词的文本量越小，相关性越高。 例如，如果要在公司名称和地址中查找搜索词，则与在长篇文章中查找相同的字词相比，前者的匹配度可能更好。
在结果列表中突出显示匹配项。 当某个搜索词与行中的某个词匹配时，该词在搜索结果中显示为粗体和斜体。
有关 Dataverse 搜索的详细信息，请参阅使用 Dataverse 搜索搜索行。
快速查找
Dataverse 包括快速查找行的能力并具有只搜索一种类型的表（例如客户）的方法，也可以用于同时搜索多种类型的表（例如联系人、用户、客户等）。
单个表快速查找用于查找只有一种类型的行。 在视图中可以使用此搜索选项。
多个表快速查找（分类搜索） 也用于查找行，但将在不同类型的表（例如客户或联系人）之间查找行。
Data Lake
Dataverse 支持将表数据连续复制到 Azure Data Lake Storage，然后可用于运行分析（例如 Power BI 报告、机器学习、数据仓库）和其他下游集成流程。
此功能专门用于企业大数据分析。 它经济高效且可扩展，具有高可用性和灾难恢复功能，并支持一流的分析性能。
数据以 Common Data Model 格式存储，因此可以确保应用和部署之间的语义一致性。 Common Data Model 中的标准化元数据和自述性数据可实现元数据发现，以及数据生成者和使用者之间的互操作性，如 Power BI、数据工厂、Azure Databricks 和 Azure 机器学习。