Samouczki wideo dotyczące przepływów mapowania danych
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 !
Poniżej znajduje się lista filmów wideo z samouczkiem dotyczącym przepływu mapowania danych utworzonych przez zespół usługi Azure Data Factory.
W miarę ciągłego aktualizowania produktu niektóre funkcje zostały dodane lub inne funkcje w bieżącym środowisku użytkownika usługi Azure Data Factory.
Wprowadzenie
Wprowadzenie do mapowania przepływów danych w usłudze Azure Data Factory
Debugowanie i opracowywanie przepływów danych mapowania
Debugowanie i testowanie przepływów danych mapowania.
Monitorowanie wydajności przepływu danych mapowania i zarządzanie nimi
Chronometraż testów porównawczych
Debugowanie przepływów pracy dla przepływów danych
Zaktualizowany widok monitorowania
Przeglądy przekształceń
Alter row transformation (Zmienianie przekształcenia wiersza)
Przekształcanie kolumn pochodnych
Aktualizacje przekształcenia wyszukiwania i porady
Przekształcanie tabeli przestawnej
Przekształcanie tabeli przestawnej: mapowanie dryfowanych kolumn
Wybieranie przekształcenia: mapowanie oparte na regułach
Wybieranie przekształcenia: duże zestawy danych
Przekształcanie klucza zastępczego
Warunkowa transformacja podziału
Dynamiczne sprzężenia i dynamiczne wyszukiwania
Transformacja wywołań zewnętrznych
Przekształcanie danych hierarchicznych
Kontekst wiersza za pomocą przekształcenia okna
Przekształcanie złożonych typów danych
Dane wyjściowe do następnego działania
Transformacja wywołań zewnętrznych
Wiersze błędów asertywnego rejestrowania
Źródło i ujście
Odczytywanie i pisanie nazw JSON
Pliki tekstowe parquet i rozdzielane
Wnioskowanie typów danych w rozdzielanych plikach tekstowych
Odczytywanie i zapisywanie partycjonowanych plików
Przekształcanie i tworzenie wielu tabel SQL
Partycjonowanie plików w usłudze Data Lake
Wzorzec ładowania magazynu danych
Opcje danych wyjściowych pliku data lake
Optymalizowanie przepływów danych mapowania
Iterowanie plików z parametrami
Rejestrowanie i przeprowadzanie inspekcji
Dynamiczne optymalizowanie rozmiaru klastra przepływu danych w czasie wykonywania
Optymalizowanie czasów uruchamiania przepływu danych
Środowiska Azure Integration Runtime dla Przepływ danych s
Szybki czas uruchamiania klastra przy użyciu środowiska Azure IR
Scenariusze przepływu mapowania danych
Powolne zmienianie typu wymiarów 1: zastępowanie
Powoli zmieniając typ wymiarów 2: historia
Przekształcanie lokalnego programu SQL Server za pomocą wzorca ładowania danych różnicowych
Unikatowe liczby wierszy i wierszy
Maskowanie danych poufnych danych
Modele logiczne a modele fizyczne
Wykrywanie zmian danych źródłowych
Typ ogólny 2 powoli zmienia wymiar
Usuwanie wierszy w obiekcie docelowym, gdy nie ma ich w źródle
Przyrostowe ładowanie danych za pomocą usług Azure Data Factory i Azure SQL DB
Przekształcanie danych Avro z usługi Event Hubs przy użyciu analizy i spłaszczania
Wyrażenia przepływu danych
Dzielenie tablic i instrukcji case
Zabawa z interpolacją ciągów i parametrami
wprowadzenie skryptu Przepływ danych: kopiowanie, wklejanie, fragmenty kodu
Wyrażenia dynamiczne jako parametry
Funkcje zdefiniowane przez użytkownika