Udostępnij za pośrednictwem


Przekształcanie przepływu przepływu w przepływie danych mapowania

DOTYCZY: Azure Data Factory Azure Synapse Analytics

Napiwek

Wypróbuj usługę Data Factory w usłudze Microsoft Fabric — rozwiązanie analityczne typu all-in-one dla przedsiębiorstw. Usługa Microsoft Fabric obejmuje wszystko, od przenoszenia danych do nauki o danych, analizy w czasie rzeczywistym, analizy biznesowej i raportowania. Dowiedz się, jak bezpłatnie rozpocząć nową wersję próbną !

Przepływy danych są dostępne zarówno w usłudze Azure Data Factory, jak i w potokach usługi Azure Synapse. Ten artykuł dotyczy przepływów danych mapowania. Jeśli dopiero zaczynasz transformacje, zapoznaj się z artykułem wprowadzającym Przekształcanie danych przy użyciu przepływu danych mapowania.

Użyj przekształcenia przepływu, aby uruchomić wcześniej utworzony przepływ mapowania danych. Aby zapoznać się z omówieniem przepływów przepływu, zobacz Flowlets in mapping data flow (Przepływy przepływu mapowania danych | Microsoft Docs

Uwaga

Transformacja przepływu w potokach usługi Azure Data Factory i Synapse Analytics jest obecnie dostępna w publicznej wersji zapoznawczej

Konfigurowanie

Przekształcenie przepływu zawiera następujące ustawienia konfiguracji

Zrzut ekranu przedstawiający konfigurację ustawień flowlet.

Przepływ

Wybierz przepływlet do uruchomienia. Po wybraniu przepływu będzie można mapować kolumny wejściowe, jeśli istnieją, na karcie mapowania.

Mapowanie

Zrzut ekranu przedstawiający mapowanie kolumn na dane wejściowe przepływu.

Jeśli wybrany przepływlet zawiera kolumny wejściowe, możesz mapować kolumny ze strumienia wejściowego na oczekiwane kolumny wejściowe w przepływie. To mapowanie kolumn przepływów danych mapowania na przepływ przepływu przepływu umożliwia przepływom przepływów wielokrotnego użytku tworzenie fragmentów logiki przepływu mapowania danych w potencjalnie wielu przepływach danych mapowania.

Skrypt przepływu danych

Składnia

<incomingStream>
<transformation> ~> <transformationName>
<outputStream>

Przykład

source1 derive(Test = "test") ~> DerivedColumn1
DerivedColumn1 output() ~> output1