Mit Azure Data Lake Storage verbinden
Wenn Sie eine Verbindung mit Microsoft Azure Data Lake Storage herstellen, werden verborgene Einblicke in Ihre Daten freigeschaltet. Azure Data Lake Storage organisiert Daten mit dem CDM-Metadatensystem (Common Data Model) in einem Azure Storage-Konto.
Die Verwendung Azure Data Lake Storage hat gegenüber der Verwendung eines Bring Your Own Database (BYOD)-Systems Vorteile, dazu gehören:
- Es ist nicht erforderlich, einen Export durchzuführen, da die Daten bereits vorhanden sind. Die Azure Data Lake Storage-Integration verwaltet den kontinuierlichen Datenexport.
- Die Kosten für die Datenspeicherung werden reduziert.
- Vor dem Exportvorgang können Sie vorhandene Downstream‑ und Verbrauchspipelines umkehren.
Azure Data Lake Storage speichert Daten als durch Trennzeichen getrennte Datei (CSV) in einem Azure Storage-Konto.
Der Export in die Funktion Azure Data Lake Storage in Ebene-1-Umgebungen (Entwicklerumgebungen) ist aktuell nicht verfügbar. Sie benötigen eine cloudbasierte Sandbox-Umgebung der Ebene-2 oder höher, um diese Funktion zu aktivieren. Sie können jedoch einen Prototyp von FastTrack verwenden, um Azure Data Lake Storage-Ebene-1-(Entwicklungs-)Umgebungen zu ermöglichen.
Verbinden Sie mit Azure Data Lake Storage eine in der Cloud gehostete Entwicklungsumgebung im CDM-Format.
GitHub bietet eine Lösung für die Verbindung einer in der Cloud gehosteten Entwicklungsumgebung zu Azure Data Lake Storage durch die Verwendung des CDM-Formats an, einer Standardentität, die Sie für die Integration zwischen Systemen verwenden können.
Anders als bei einem Standard-Exportprozess nach Azure Data Lake Storage führt der FastTrack-Prototyp einen vollständigen Export durch. Im Standardexport nach Azure Data Lake Storage können Sie für den Export Entitäten auswählen.
Ein Vorteil der Verwendung von Export nach Azure Data Lake Storage ist es, dass das System Entitäten nahezu in Echtzeit exportiert und Sie denormalisierte Tabellen exportieren können.
Sie müssen mehrere Voraussetzungen erfüllen, um den aktiven FastTrack-Prototyp auf GitHub zu verwenden, dazu gehören:
- Ein Azure-Abonnement
- Ein Azure Storage-Konto
- Ein Microsoft Azure Synapse Analytics-Arbeitsbereich
- Verbindung zu einem SQL-On-Demand-Endpunkt mit einem unterstützten Tool
- Zugriff auf Microsoft Azure Data Factory
- Microsoft Visual Studio 2019 zum Erstellen des Exportprojekts
Gehen Sie folgendermaßen vor, wenn Sie für die Bereitstellung bereit sind:
- Klonen Sie das GitHub-Repository.
- Öffnen Sie das Repository, und erstellen Sie es.
- Stellen Sie es als Azure Function bereit.
- Aktivieren Sie die Windows Installer-MSI-Dateien, die aus dem Repository erstellt wurden.
Führen Sie die folgenden Schritte aus, um ein Azure Storage-Konto, Synapse Analytics und Azure Data Factory zur Bereitstellung vorzubereiten:
- Richten Sie das Speicherkonto ein.
- Richten Sie Azure Synapse Analytics und SQL On-Demand ein.
- Sammeln Sie Azure Data Factory-Bereitstellungsparameter.
- Stellen Sie die Azure Data Factory-Vorlage aus dem geklonten Repository auf GitHub bereit.
Stellen Sie sicher, dass Sie folgende Schritte ausführen, um eine Verbindung zur in der Cloud gehosteten Finanz‑ und Betriebsentwicklungsumgebung herzustellen:
Verwenden Sie Details zu Microsoft Dynamics 365 Lifecycle Services und der Umgebung. Die SQL Server-Anmeldung befindet sich im Abschnitt Umgebung verwalten, wie in der folgenden Abbildung zu sehen.
Erstellen Sie eine selbstgehostete Integrationslaufzeit für Ihre Azure Data Factory, um Ihre Azure Data Factory mit der in der Cloud gehosteten Finanz‑ und Betriebsumgebung zu verbinden.
Wechseln Sie zu Azure Data Factory, und führen Sie die Pipelines aus, nachdem Sie die Azure Data Factory-Vorlage bereitgestellt haben. Bedenken Sie, dass die Datenstruktur und Metadaten im CDM-Format erstellt werden. Sie können auch Berichte erstellen, indem Sie dieses Format und beliebige Berichts‑ und Business-Intelligence-Tools (BI) nutzen.
