Microsoft Dataverse 提供了一种抽象，可用于处理任何类型的数据，包括关系数据、非关系数据、图像、文件、相对搜索或数据湖。 无需了解数据类型，因为 Dataverse 会公开一组数据类型，以便生成模型。 存储类型针对所选数据类型进行优化。
可以使用数据流、Power Query 和 Azure 数据工厂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 Power Automate 和 Azure Logic Apps 的连接器，可与这些服务中的数百个其他连接器一起使用，用于本地部署、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、Blockchain 和 Azure Synapse Analytics 中的源。
Common Data Model
如果你曾经不得不将数据从多个系统和应用程序汇集在一起，就会知道这是一件多么昂贵和耗时的任务。 如果不能够轻松共享和理解相同的数据，每个应用或数据集成项目都需要自定义实现。
Common Data Model 提供参考体系结构，旨在通过提供供业务和分析应用使用的共享数据语言来简化此过程。 通用数据模型元数据系统使数据及其含义可以在应用和业务流程（如 Power Apps、Power BI、Dynamics 365 和 Azure）之间共享。
通用数据模型包括一组标准化的可扩展数据架构，Microsoft及其合作伙伴已发布。 此预定义架构集合包括表、属性、语义元数据和关系。 架构表示常用的概念和活动，例如帐户和活动，以简化数据的创建、聚合和分析。
通用数据模型架构可用于通知在 Dataverse 中创建表。 然后，生成的表将与面向此通用数据模型定义的应用和分析兼容。
下图显示了标准通用数据模型表的某些元素。
Tables
在 Dataverse 中，表用于对业务数据进行建模和管理。 为了提高工作效率，Dataverse 包括一组称为标准表的表。 根据最佳做法设计这些表，以捕获组织中最常见的概念和方案。 标准表遵循通用数据模型。
Dataverse 中包含一组通常用于跨行业（如 用户 和 团队）的表，称为 标准表。 可以对这些即插即用的表格进行自定义，例如添加额外的列。 此外，还可以在 Dataverse 中轻松创建自定义表。
列
列定义可用于在表中存储数据的单个数据项。 字段有时被开发人员称为属性。 表示大学课程的表可能包含“名称”、“位置”、“系”、“已注册学生”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是同一业务流程或流的一部分，则无需人工隔离。 Dataverse 将数据存储在所创建的模型的最佳存储类型中。
其中每个列都可以与 Dataverse 支持的多种数据类型之一相关联。
详细信息： 列的类型
Relationships
一个表中的数据通常与另一个表中的数据相关。 表关系定义了 Dataverse 模型中行与行之间的关联方式。
Dataverse 提供易于使用的可视化设计器，用于定义从一个表到另一个表（或表与自身之间）的不同类型的关系。 每个表可以具有与多个表的关系，每个表可以有多个关系到另一个表。
关系类型为：
多对一：在这种关系中，许多表 A 记录可以与单个表 B 记录相关联。 例如，一个班级只有一个教室。
一对多：此类关系中，单个表 B 记录可关联多个表 A 记录。 例如，一位教师教授许多课程。
多对多：在这种关系中，表 A 中的每个记录都可以匹配表 B 中的多个记录，反之亦然。 例如，学生可以参加许多课程，每个班级可以有多个学生。
由于多对一关系是最常见的关系，Dataverse 提供了一个名为 查找的特定数据类型，这不仅便于定义此关系，而且增加了生成表单和应用的工作效率。
有关创建表关系的详细信息，请参阅 创建表之间的关系。
组织通常需要遵守各种法规，以确保客户交互历史记录、审核日志、访问报告和安全事件跟踪报告的可用性。 组织可能希望跟踪 Dataverse 数据中的更改，以实现安全性和分析目的。
Dataverse 提供审核功能，可以随时间记录组织中表和属性数据的更改，以便用于分析和报告。 所有自定义的和大多数可自定义的表与属性都支持审核。 元数据更改、检索操作、导出操作或身份验证过程中不支持审核。 有关如何配置审核的信息，请转到管理 Dataverse 审核。
Dataverse 通过提供为机器学习模型运行选择表的功能来支持分析。 它具有通过 AI Builder 预生成的 AI 功能。
搜寻
Dataverse 提供了三种方法来查询行：
Dataverse 搜索
快速查找（单表或多表）
高级查找
注释
多表快速查找也称为 分类搜索。
有关详细信息，请参阅 比较搜索。
Dataverse 搜索
Dataverse 搜索可以在单个列表中提供跨多个表的快速而全面的结果，并按相关性进行排序。 它使用 Dataverse 外部的专用搜索服务（由 Azure 提供支持）来提高搜索性能。
Dataverse 搜索具有以下增强功能和优势：
使用外部索引和 Azure 搜索技术提高性能。
在表的任何列中查找与搜索词中任一单词的匹配项，与快速查找相比，后者要求搜索词中的所有单词必须在同一列中找到。
查找包括屈折词（stream、streaming 或 streamed）的匹配项。
返回单个列表中按相关性排序的所有可搜索表的结果，因此匹配效果越好，结果就越高。 如果搜索词内的单词彼此接近，匹配项的相关性就会更高。 找到搜索词的文本量越小，相关性就越高。 例如，如果在公司名称和地址中发现搜索词，这可能比在长篇文章中相隔很远地找到相同的词语更匹配。
突出显示结果列表中的匹配项。 当搜索词与某一行中的字词匹配时，该字词在搜索结果中显示为粗体和斜体文本。
有关 Dataverse 搜索的详细信息，请参阅 使用 Dataverse 搜索进行行搜索。
快速查找
Dataverse 包括快速查找行的功能，并且具有仅搜索一种类型的表（例如客户）的方法，或者用于同时搜索多种类型的表，例如联系人、用户、客户等。
单表快速查找 用于仅查找一种类型的行。 此搜索选项可从视图中使用。
多表快速查找（分类搜索） 也用于查找行，但会跨不同类型的表（例如帐户或联系人）查找它们。
Data Lake
Dataverse 支持将表数据连续复制到 Azure Data Lake Storage，然后可以使用这些数据来运行 Power BI 报告、机器学习、数据仓库和其他下游集成过程等分析。
此功能专为企业大数据分析而设计。 它经济高效、可缩放，具有高可用性和灾难恢复功能，可实现一流的分析性能。
数据存储在通用数据模型格式中，该格式在应用和部署之间提供语义一致性。 通用数据模型中的标准化元数据和自我描述数据有助于数据生成者和使用者（例如 Power BI、数据工厂、Azure Databricks 和 Azure 机器学习）之间的元数据发现和互作性。