Partager via

Résoudre les problèmes liés à Azure Synapse Link pour un pool SQL serverless Azure Synapse Analytics

  • Article

S’applique à : Azure Synapse Analytics

Cet article fournit des solutions pour les problèmes courants rencontrés sur un pool SQL serverless Azure Synapse Analytics pour Azure Synapse Analytics.

Dépréciation du service d’exportation de données (DES)

Découvrez comment passer du service d’exportation de données à Azure Synapse Lien pour Dataverse avec les articles suivants :

Données en quasi-temps réel et données d’instantané en lecture seule

Après avoir créé un lien Azure Synapse pour Dataverse, il y aura deux versions des données de table qui seront synchronisées dans Azure Synapse Analytics et/ou Azure Data Lake Storage Gen2 :

Type de la table Description
Données en quasi-temps réel Fournit une copie des données synchronisées à partir de Dataverse à l’aide d’Azure Synapse Link de manière efficace en détectant les données qui ont changé depuis son extraction initiale ou sa dernière synchronisation.
Données d’instantané Fournit une copie en lecture seule de données en quasi temps réel qui est mise à jour à intervalles réguliers (dans ce cas, toutes les heures).

Pour plus d’informations, consultez Accéder aux données en quasi-temps réel et aux données d’instantané en lecture seule.

Mises à jour incrémentielles (préversion)

Lors de la création d’une instance Azure Synapse Link pour Dataverse avec votre espace de travail Azure Synapse, vous pouvez activer la fonctionnalité de mise à jour incrémentielle pour créer une série de dossiers horodatés contenant uniquement les modifications apportées aux données Dataverse qui se sont produites pendant l’intervalle de temps spécifié par l’utilisateur.

Pour plus d’informations, consultez Interroger et analyser les mises à jour incrémentielles (préversion).

Accès aux données Azure Cosmos DB

Vous pouvez interroger des données Azure Cosmos DB dans le magasin analytique en utilisant des pools Spark et des pools SQL serverless. Résolvez les problèmes courants en suivant les étapes décrites dans ces articles :

Impossible d’interroger un conteneur Azure Cosmos DB

Assurez-vous d’avoir correctement configuré Azure Synapse Link et le magasin analytique dans le compte Azure Cosmos DB.

Comprendre la représentation de schéma

Il existe deux modes de représentation de schéma dans le magasin analytique. Ces modes présentent des compromis entre la simplicité d’une représentation en colonnes, la gestion des schémas polymorphes et la simplicité de l’expérience de requête :

  • Représentation de schéma bien définie (par défaut pour l’API SQL Azure Cosmos DB)
  • Représentation de schéma à fidélité complète (par défaut pour l’API Azure Cosmos DB pour MongoDB)

Découvrez comment gérer automatiquement les schémas de magasin analytique.

Propriétés (colonnes) manquantes dans le résultat de la requête

Si vous manquez des colonnes qui existent dans vos conteneurs Azure Cosmos DB, il est probable que les contraintes de schéma ont été violées. Les contraintes suivantes s’appliquent aux données opérationnelles dans Azure Cosmos DB lorsque vous activez le magasin analytique pour déduire et représenter le schéma correctement :

  • Vous pouvez avoir un maximum de 1 000 propriétés sur tous les niveaux imbriqués dans le schéma de document et une profondeur d’imbrication maximale de 127.
  • Seules les 1 000 premières propriétés sont représentées dans le magasin analytique.
  • Seuls les 127 premiers niveaux imbriqués sont représentés dans le magasin analytique.
  • Le premier niveau d’un document JSON est son niveau racine .
  • Les propriétés du premier niveau du document sont représentées sous forme de colonnes.

Pour plus d’informations sur les contraintes de schéma, consultez Magasin analytique - Vue d’ensemble.

Toutes les opérations transactionnelles sont propagées, y compris les suppressions. Le paramètre de durée de vie (TTL) du magasin analytique peut également entraîner la suppression de données.

  • Si un document est supprimé dans le magasin transactionnel, il est également supprimé du magasin analytique, malgré les TTL des deux magasins.
  • Si la durée de vie transactionnelle est inférieure à la durée de vie analytique, les données sont archivées à partir du magasin transactionnel, mais conservées dans le magasin analytique jusqu’à la limite de durée de vie configurée.
  • Si la durée de vie transactionnelle est supérieure à la durée de vie analytique, les données sont archivées à partir du magasin analytique et conservées dans le magasin transactionnel jusqu’à la limite de durée de vie configurée.
  • Si vous utilisez l’API SQL, le schéma est bien défini par défaut, ce qui signifie que le premier document de la collection définit le schéma du magasin analytique. Si un document n’est pas conforme au schéma du premier document, il n’est pas synchronisé avec le magasin analytique.

Ressources