Ansluta Power Apps till ett centraliserat informationslager med virtuella Dataverse-tabeller

Den här arkitekturen kombinerar skrivskyddade företagsdata med operativa affärsprocesser. Ett centraliserat informationslager tillhandahåller en styrd källa till referensdata, som Microsoft Dataverse exponerar via virtuella tabeller. Användare kan arbeta med dessa data tillsammans med redigerbara Dataverse-poster, vilket möjliggör affärsprocesser som utvärderingar, begäranden, godkännanden och externa systemintegreringar utan att replikera data mellan system.

Arkitekturdiagram

Workflow

Följande steg beskriver arbetsflödet som visas i arkitekturdiagrammet:

1. SQL-informationslagret matar in data från flera olika datakällor.

2. Dataverse använder virtuella tabeller för att komma åt de data du behöver från informationslagret, till exempel en global produkttabell över system eller global försäljning mellan system.

   När du skapar en begäran hämtar virtuella Dataverse-tabeller de referensdata du behöver. De gör sökningar i datalagret i realtid. Den här processen innebär att begäran använder de informationslagerdata som är tillgängliga vid skapandetillfället. Den faktiska färskheten i dessa data beror dock på hur ofta de överordnade källsystemen läser in och uppdaterar informationslagret.

   Dataverse har också vanliga tabeller som kan referera till de virtuella tabellerna, till exempel en produktutvärdering för en av produkterna i systemen.

3. Power Apps tillhandahåller användargränssnittet för att köra en affärsprocess med hjälp av kombinerade redigerbara poster och refererade data från informationslagret.

4. Power Automate skickar data eller en API-begäran baserat på de globala tabellerna från informationslagret till ett externt system. Molnflöden anropar externa API:er och bearbetar svar efter behov. Beroende på scenariot kan Power Apps-programmet få ett omedelbart svar eller uppdateras när bearbetningen är klar.

Komponenter

Azure SQL Server: Fungerar som det centrala informationslagret och konsoliderar information från flera olika källor för enhetlig åtkomst och analys.

Dataverse: Stöder både vanliga och virtuella tabeller, vilket möjliggör sömlös integrering och referens till data från lagret.

Power Apps: Gör det möjligt för företagsanvändare att köra processer som använder refererade data och informationslager.

Power Automate: Tillåter automatiserade åtgärder, till exempel att skicka data eller API-begäranden från globala tabeller i lagret till externa system.

Scenarioinformation

Den här referensarkitekturen baseras på en beräkningslösning för livscykelutvärdering som implementerats i ett program från tredje part. De färdiga varorna, råvarorna och modellerna hanteras i flera olika system i flera juridiska enheter som sträcker sig över olika länder och regioner. Data är tillgängliga i ett globalt hanterat informationslager.

Ett internationellt team använder en utvärderingskalkylator för livscykeln från tredje part för att utvärdera produkter. Teamet behöver information om alla produkter i de olika systemen.

Genom att använda den här arkitekturen kan du skapa ett program som refererar till produkterna i olika system, hämtar associerade data från informationslagret och skapar och skickar en begäran för kalkylatorn från tredje part.

Att tänka på

Dessa överväganden utgör grundpelarna i Power Platform Well-Architected, en uppsättning vägledande grundsatser som förbättrar kvaliteten på en arbetslast. Läs mer i Microsoft Power Platform Well-Architected.

Reliability

• Se till att informationslagret är motståndskraftigt mot fel och har hög tillgänglighet.

• Använd rensade data i informationslagret för att säkerställa fullständighet och datakvalitet i de virtuella tabellerna.

Security

• Begränsa åtkomsten till de virtuella tabellerna till skrivskyddad åtkomst.

• Kontrollera att informationslagrets data är skrivskyddade och endast synliga i Power Apps-programmet och kan refereras från vanliga Dataverse-tabeller.

Operativ skicklighet

• Standardisera ALM i Power Apps, Dataverse och Power Automate, vilket säkerställer konsekventa och tillförlitliga livscykelåtgärder.

• Aktivera övervakning i varje steg – från datalagerinmatning till Dataverse-användning av virtuella tabeller – för att snabbt identifiera problem med datakvalitet eller anslutning.

• Följ lösningsbaserad ALM med inkrementella, testade versioner för distributioner av Power App, vanliga Dataverse-tabeller och Power Automate flöden för att minska risken.

• Använd automatiserade pipelines för att minimera manuellt arbete, inklusive paketering, validering och driftsättningar till olika miljöer.

Prestandaeffektivitet

• Exponera endast de datauppsättningar som krävs med hjälp av virtuella tabeller för att minimera frågebelastningen.

• Optimera Power Apps skärmar och Dataverse-tabeller för att hämta data på begäran i stället för att läsa in fullständiga datauppsättningar.

• Utlös Power Automate-flöden endast när det behövs.

• Använd informationslagret för tung bearbetning och behåll endast lätta referenser i Dataverse för att säkerställa att arkitekturen skalas.

Upplevelseoptimering

• Utforma Power App så att användarna enkelt kan bläddra bland och välja globala data som hämtas via virtuella tabeller, där varje skärm endast läser in nödvändiga data för att säkerställa att appen förblir dynamisk.

• Se till att programmet har ett enhetligt, konsekvent och förutsägbart gränssnitt.

Contributors

Microsoft ansvarar för den här artikeln. Följande bidragsgivare skrev den här artikeln.

Huvudsakliga författare:

• David Petkov

Relaterade resurser

• Skapa och redigera virtuella tabeller med Microsoft Dataverse
• Hantering av programlivscykel (ALM) med Microsoft Power Platform
• Översikt över pipelines i Power Platform
• Integrera Microsoft Fabric Lakehouse-data med hjälp av virtuella Dataverse-tabeller