Formato Parquet no Data Factory no Microsoft Fabric
Este artigo descreve como configurar o formato Parquet no pipeline de dados do Data Factory no Microsoft Fabric.
Capacidades suportadas
O formato Parquet é suportado para as seguintes atividades e conectores como origem e destino.
| Categoria | Conector/Atividade |
|---|---|
| Conector suportado | Amazon S3 |
| Compatível com Amazon S3 | |
| Armazenamento de Blobs do Azure | |
| Armazenamento do Azure Data Lake Ger1 | |
| Azure Data Lake Storage Gen2 (Armazenamento do Azure Data Lake Gen2) | |
| Ficheiros do Azure | |
| Sistema de ficheiros | |
| FTP | |
| Google Cloud Storage | |
| HTTP | |
| Arquivos Lakehouse | |
| Armazenamento em nuvem Oracle | |
| SFTP | |
| Atividade apoiada | Atividade de cópia (origem/destino) |
| Atividade de Pesquisa | |
| Atividade GetMetadata | |
| Excluir atividade |
Formato Parquet na atividade de cópia
Para configurar o formato Parquet, escolha sua conexão na origem ou no destino da atividade de cópia do pipeline de dados e selecione Parquet na lista suspensa de Formato de arquivo. Selecione Configurações para configuração adicional deste formato.
Formato de parquet como fonte
Depois de selecionar Configurações na seção Formato de arquivo , as seguintes propriedades são mostradas na caixa de diálogo pop-up Configurações de formato de arquivo.
- Tipo de compactação: escolha o codec de compactação usado para ler arquivos Parquet na lista suspensa. Você pode escolher entre Nenhum, gzip (.gz), snappy, lzo, Brotli (.br), Zstandard, lz4, lz4frame, bzip2 (.bz2) ou lz4hadoop.
Formato de parquet como destino
Depois de selecionar Configurações, as seguintes propriedades são mostradas na caixa de diálogo pop-up Configurações de formato de arquivo.
Tipo de compactação: escolha o codec de compactação usado para gravar arquivos Parquet na lista suspensa. Você pode escolher entre Nenhum, gzip (.gz), snappy, lzo, Brotli (.br), Zstandard, lz4, lz4frame, bzip2 (.bz2) ou lz4hadoop.
Use V-Order: habilite uma otimização do tempo de gravação para o formato de arquivo parquet. Para obter mais informações, consulte Otimização da tabela Delta Lake e V-Order. Ele é ativado por padrão.
Em Configurações avançadas na guia Destino , as seguintes propriedades relacionadas ao formato Parquet são exibidas.
- Máximo de linhas por arquivo: Ao gravar dados em uma pasta, você pode optar por gravar em vários arquivos e especificar o máximo de linhas por arquivo. Especifique o máximo de linhas que você deseja escrever por arquivo.
- Prefixo do nome do arquivo: Aplicável quando o máximo de linhas por arquivo é configurado. Especifique o prefixo do nome do arquivo ao gravar dados em vários arquivos, resultando neste padrão:
<fileNamePrefix>_00000.<fileExtension>. Se não for especificado, o prefixo do nome do arquivo será gerado automaticamente. Essa propriedade não se aplica quando a origem é um armazenamento baseado em arquivo ou um armazenamento de dados habilitado para opção de partição.
Resumo da tabela
Parquet como fonte
As propriedades a seguir são suportadas na seção Fonte da atividade de cópia ao usar o formato Parquet.
| Nome | Descrição | valor | Necessário | Propriedade de script JSON |
|---|---|---|---|---|
| Formato do ficheiro | O formato de ficheiro que pretende utilizar. | Parquet | Sim | tipo (em datasetSettings):Parquet |
| Tipo de compressão | O codec de compressão usado para ler arquivos Parquet. | Escolha entre: Nenhuma gzip (.gz) Ágil LZO Brotli (.br) Zstandard LZ4 lz4frame bzip2 (.bz2) lz4hadoop |
Não | compressãoCodec: gzip snappy LZO Brotli ZSTD lz4 lz4frame BZ2 lz4hadoop |
Parquet como destino
As propriedades a seguir são suportadas na seção Destino da atividade de cópia ao usar o formato Parquet.
| Nome | Descrição | valor | Necessário | Propriedade de script JSON |
|---|---|---|---|---|
| Formato do ficheiro | O formato de ficheiro que pretende utilizar. | Parquet | Sim | tipo (em datasetSettings):Parquet |
| Usar V-Order | Uma otimização do tempo de gravação para o formato de arquivo parquet. | selecionado ou não selecionado | Não | enableVertiParquet |
| Tipo de compressão | O codec de compressão usado para escrever arquivos Parquet. | Escolha entre: Nenhuma gzip (.gz) Ágil LZO Brotli (.br) Zstandard LZ4 lz4frame bzip2 (.bz2) lz4hadoop |
Não | compressãoCodec: gzip snappy LZO Brotli ZSTD lz4 lz4frame BZ2 lz4hadoop |
| Máximo de linhas por ficheiro | Ao gravar dados em uma pasta, você pode optar por gravar em vários arquivos e especificar o máximo de linhas por arquivo. Especifique o máximo de linhas que você deseja escrever por arquivo. | <o máximo de linhas por ficheiro> | Não | maxRowsPerFile |
| Prefixo do nome do arquivo | Aplicável quando o máximo de linhas por arquivo é configurado. Especifique o prefixo do nome do arquivo ao gravar dados em vários arquivos, resultando neste padrão: <fileNamePrefix>_00000.<fileExtension>. Se não for especificado, o prefixo do nome do arquivo será gerado automaticamente. Essa propriedade não se aplica quando a origem é um armazenamento baseado em arquivo ou um armazenamento de dados habilitado para opção de partição. |
<seu prefixo de nome de arquivo> | Não | fileNamePrefix |