Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
APPLICABILE A:
Azure Data Factory Azure Synapse Analytics
Suggerimento
Data Factory in Microsoft Fabric è la nuova generazione di Azure Data Factory, con un'architettura più semplice, un'intelligenza artificiale predefinita e nuove funzionalità. Se non si ha familiarità con l'integrazione dei dati, iniziare con Fabric Data Factory. I carichi di lavoro di Azure Data Factory esistenti possono eseguire l'aggiornamento a Fabric per accedere a nuove funzionalità tra data science, analisi in tempo reale e creazione di report.
Di seguito è riportato un elenco di video di esercitazione sul flusso di dati per mapping creati dal team Azure Data Factory.
Man mano che gli aggiornamenti vengono continuamente apportati al prodotto, alcune funzionalità sono state aggiunte o diverse nell'esperienza utente corrente Azure Data Factory.
Introduzione
Introduzione ai flussi di dati di mapping in Azure Data Factory
Debug e sviluppo di flussi di dati per mapping
Debug e test di flussi di dati per mapping.
Azioni rapide di anteprima dei dati
Monitorare e gestire le prestazioni dei flussi di dati per mapping
Debugging dei workflow per i flussi di dati
Visualizzazione di monitoraggio aggiornata
Panoramica delle trasformazioni
Trasformazione di Aggregazione
Trasformazione Colonna Derivata
Aggiornamenti e consigli per la Trasformazione di Ricerca
Trasformazione tramite Pivot: mapping di colonne deviate
Selezionare trasformazione: mappatura basata su regole
Seleziona trasformazione: grandi set di dati
Trasformazione chiave surrogata
Trasformazione di Suddivisione Condizionale
Join dinamici e ricerche dinamiche
Trasformazione chiamata esterna
Trasformazione dati gerarchici
Ricerca memorizzata nella cache
Contesto di riga tramite trasformazione Window
Trasformare tipi di dati complessi
Output dell'attività successiva
Trasformazione Chiamata Esterna
Righe di errore di asserzione del log
Origine e destinazione
Lettura e scrittura di file JSON
Parquet e file di testo delimitato
Dedurre i tipi di dati in file di testo delimitato
Lettura e scrittura di file partizionati
Trasformare e creare più tabelle SQL
Partizionare i file nel "data lake"
Modello di caricamento di data warehouse
Opzioni di output del file Data Lake
Ottimizzazione dei flussi di dati di mapping
Eseguire l'iterazione dei file con i parametri
Prestazioni di database SQL DB
Ottimizzare in modo dinamico le dimensioni del cluster del flusso di dati in fase di esecuzione
Ottimizzare i tempi di avvio del flusso di dati
Runtime di integrazione Azure per i flussi di dati
Avvio rapido del cluster con Azure IR
Mappatura degli scenari di flusso di dati
Pulire il modello di indirizzi
Dimensioni a modifica lenta di tipo 1: sovrascrittura
Dimensioni a modifica lenta di tipo 1: cronologia
Caricamento della tabella dei fatti
Trasforma SQL Server locale con modello di caricamento dati delta
Righe distinte e conteggio delle righe
Gestione degli errori di troncamento
Mascheramento dei dati sensibili
Modelli logici e modelli fisici
Rilevare le modifiche ai dati di origine
Dimensione a modifica lenta di tipo generico 2
Eliminare le righe nel destino quando non sono presenti nella sorgente
Caricamento incrementale dei dati con Azure Data Factory e Azure SQL DB
Trasformare i dati Avro da Event Hubs utilizzando i comandi Parse e Flatten
Espressioni del flusso di dati
Suddivisione di matrici e istruzione case
Divertimento con l'interpolazione di stringhe e i parametri
Flusso di dati Introduzione allo script: Copia, Incolla, Frammenti
Espressioni di Qualità dei Dati
Funzione di raccolta aggregata
Espressioni dinamiche come parametri