Compartilhar via

Copiar dados e transformar com parâmetros dinâmicos por hora

  • Artigo

APLICA-SE A: Azure Data Factory Azure Synapse Analytics

Dica

Experimente o Data Factory no Microsoft Fabric, uma solução de análise tudo-em-um para empresas. O Microsoft Fabric abrange desde movimentação de dados até ciência de dados, análise em tempo real, business intelligence e relatórios. Saiba como iniciar uma avaliação gratuita!

Nesse cenário, você deseja copiar dados do AWS S3 para o Armazenamento de Blobs do Azure e transformá-los com o Azure Databricks (com parâmetros dinâmicos no script) em um agendamento por hora para oito horas a cada dia por 30 dias.

Os preços usados neste exemplo abaixo são hipotéticos e não têm o objetivo de sugerir o preço real exato. Os custos de leitura/gravação e monitoramento não são mostrados, pois normalmente são insignificantes e não afetarão os custos gerais de forma substancial. As execuções de atividade também são arredondadas para os 1000 mais próximos nas estimativas da calculadora de preços.

Veja a Calculadora de Preços do Azure para ver cenários mais específicos e estimar os custos futuros para usar o serviço.

Configuração

Para executar o cenário, você precisará criar um pipeline com os seguintes itens:

  • Uma atividade de cópia com um conjunto de dados de entrada para os dados a serem copiados do AWS S3, um conjunto de dados de saída para os dados no Armazenamento do Azure.
  • Uma atividade de pesquisa para passar parâmetros dinamicamente para o script de transformação.
  • Uma atividade do Azure Databricks para a transformação de dados.
  • Um gatilho de agendamento para executar o pipeline a cada hora durante 8 horas por dia. Quando você quiser executar um pipeline, poderá acioná-lo imediatamente ou agendá-lo. Além do próprio pipeline, cada instância de gatilho conta como uma única execução de atividade.

O diagrama mostra um pipeline com um gatilho de agendamento. No pipeline, a atividade de cópia flui para um conjuntos de dados de entrada, um conjunto de dados de saída e a atividade de pesquisa que flui no Azure Databricks. O conjunto de dados de entrada flui para um serviço vinculado do AWS S3. O conjunto de dados de saída flui para um serviço vinculado do Armazenamento do Azure.

Estimativa de custos

Operações Tipos e unidades
Executar pipeline 4 Execuções de atividade por execução (1 para execução de gatilho, 3 para execuções de atividade) = 960 execuções de atividade, arredondadas para cima, pois a calculadora só permite incrementos de 1000.
Suposição de Copiar Dados: horas de DIU por execução = 10 minutos 10 min\60 min * 4 Azure Integration Runtime (configuração DIU padrão = 4) Para obter mais informações sobre unidades de integração de dados e otimização de desempenho de cópia, confira este artigo
Executar atividade de pesquisa Suposição: horas de atividade de pipeline por execução = 1 min 1 minuto/60 minutos de execução da atividade do pipeline
Suposição para a atividade de execução de Databricks: horas de execução externa por execução = 10 min 10 min/60 min Execução de atividade de pipeline externo

Exemplo de preços: exemplo de calculadora de preços

Preço total do cenário por 30 dias: US$ 41,03

Captura de tela da calculadora de preços configurada para um cenário de cópia e transformação de dados com os parâmetros dinâmicos.

Conteúdo relacionado