Hvad er lagerstrukturen for analytiske dataflow?
Analytiske dataflow gemmer både data og metadata i Azure Data Lake Storage. Dataflow bruger en standardstruktur til at gemme og beskrive data, der er oprettet i søen, som kaldes Common Data Model-mapper. I denne artikel får du mere at vide om den lagerstandard, som dataflow bruger i baggrunden.
Lageret skal have en struktur til et analytisk dataflow
Hvis dataflowet er standard, gemmes dataene i Dataverse. Dataverse er som et databasesystem. det har begrebet tabeller, visninger osv. Dataverse er en struktureret indstilling for datalagring, der bruges af standarddataflow.
Men når dataflowet er analytisk, gemmes dataene i Azure Data Lake Storage. Data og metadata for et dataflow gemmes i en Common Data Model-mappe. Da en lagerkonto kan have flere dataflow gemt i den, er der blevet introduceret et hierarki af mapper og undermapper for at hjælpe med at organisere dataene. Afhængigt af det produkt dataflowet blev oprettet i, kan mapperne og undermapperne repræsentere arbejdsområder (eller miljøer) og derefter dataflowets Common Data Model-mappe. I mappen Common Data Model gemmes både skemaet og dataene i dataflowtabellerne. Denne struktur følger de standarder, der er defineret for Common Data Model.
Hvad er lagerstrukturen for Common Data Model?
Common Data Model er en metadatastruktur, der er defineret for at skabe overensstemmelse og ensartethed ved brug af data på tværs af flere platforme. Common Data Model er ikke datalager, det er den måde, som data gemmes og defineres på.
Common Data Model-mapper definerer, hvordan en tabels skema og dens data skal gemmes. I Azure Data Lake Storage er data organiseret i mapper. Mapper kan repræsentere et arbejdsområde eller et miljø. Under disse mapper oprettes undermapper for hvert dataflow.
Hvad er der i en dataflowmappe?
Hver dataflowmappe indeholder en undermappe til hver tabel og en metadatafil med navnet model.json.
Metadatafilen: model.json
model.json Filen er metadatadefinitionen for dataflowet. Dette er den ene fil, der indeholder alle metadata for dataflowet. Den indeholder en liste over tabeller, kolonnerne og deres datatyper i hver tabel, relationen mellem tabeller osv. Du kan nemt eksportere denne fil fra et dataflow, selvom du ikke har adgang til mappestrukturen i Common Data Model.
Du kan bruge denne JSON-fil til at overføre (eller importere) dit dataflow til et andet arbejdsområde eller miljø.
Hvis du vil vide præcis, hvad model.json metadatafil indeholder, skal du gå til Metadatafilen (model.json) til Common Data Model.
Datafiler
Ud over metadatafilen indeholder mappen med dataflow andre undermapper. Et dataflow gemmer dataene for hver tabel i en undermappe med tabellens navn. Data til en tabel kan opdeles i flere datapartitioner, der er gemt i CSV-format.
Sådan får du vist eller får adgang til Common Data Model-mapper
Hvis du bruger dataflow, der bruger lagerplads fra det produkt, de blev oprettet i, har du ikke adgang til disse mapper direkte. I sådanne tilfælde kræver hentning af data fra dataflows, at du bruger den Microsoft Power Platform-dataflowconnector, der er tilgængelig i hent dataoplevelsen i Power BI-tjeneste-, Power Apps- og Dynamics 35 Customer Insights-produkter eller i Power BI Desktop.
Du kan få mere at vide om, hvordan dataflows og den interne integration af Data Lake Storage fungerer, ved at gå til Dataflows og Azure Data Lake-integration (prøveversion).
Hvis din organisation har aktiveret dataflow til at drage fordel af sin Data Lake Storage-konto og er valgt som en belastningsmål for dataflow, kan du stadig hente data fra dataflowet ved hjælp af Power Platform-dataflowconnectoren som nævnt ovenfor. Men du kan også få adgang til dataflowets Common Data Model-mappe direkte via søen, selv uden for Værktøjer og tjenester til Power Platform. Adgang til søen er mulig via Azure-portal, Microsoft Azure Storage Explorer eller en hvilken som helst anden tjeneste eller oplevelse, der understøtter Azure Data Lake Storage. Flere oplysninger: Opret forbindelse til Azure Data Lake Storage Gen2 til dataflowlager
