Tutoriales en vídeo del flujo de datos de asignación

SE APLICA A: Azure Data Factory Azure Synapse Analytics

Sugerencia

Pruebe Data Factory en Microsoft Fabric, una solución de análisis todo en uno para empresas. Microsoft Fabric abarca todo, desde el movimiento de datos hasta la ciencia de datos, el análisis en tiempo real, la inteligencia empresarial y los informes. ¡Obtenga más información sobre cómo iniciar una nueva evaluación gratuita!

A continuación se muestra una lista de los tutoriales en vídeo sobre el flujo de datos de asignación creados por el equipo de Azure Data Factory.

Como se realizan actualizaciones constantemente en el producto, se han agregado características a la experiencia de usuario actual de Azure Data Factory o se han cambiado funcionalidades.

Introducción

Introducción a los flujos de datos de asignación en Azure Data Factory

Depuración y desarrollo de flujos de datos de asignación

Depuración y prueba de los flujos de datos de asignación.

Exploración de datos

Acciones rápidas de vista previa de datos

Supervisión y administración del rendimiento del flujo de datos de asignación

Intervalos entre puntos de referencia

Depuración de flujos de trabajo para flujos de datos

Vista de supervisión actualizada

Resúmenes de las transformaciones

Transformación Aggregate (Agregado)

Transformación Alter row (Alteración de fila)

Transformación Columna derivada

Transformación Combinación

Patrón de autocombinación

Transformación Búsqueda

Actualizaciones de transformación de búsqueda y sugerencias

Transformación Dinamizar

Transformación Dinamizar: asignación de las columnas desplazadas

Transformación Select (Seleccionar)

Transformación Select (Seleccionar): asignación basada en reglas

Transformación Select (Seleccionar): Conjuntos de datos grandes

Transformación Surrogate key (Clave suplente)

Transformación Unión

Transformación Anulación de dinamización

Transformación Window (Ventana)

Transformación Filter (Filtro)

Transformación División condicional

Transformación Exists (Existe)

Combinaciones dinámicas y búsquedas dinámicas

Transformación Aplanar

Flowlets

Transformación para convertir a cadena JSON

Transformación de llamada externa

Transformación de datos jerárquicos

Transformación Rank (Clasificar)

Búsqueda en caché

Contexto de fila mediante la transformación de ventana

Transformación Parse

Transformación de tipos de datos complejos

Salida a la siguiente actividad

Transformación para convertir a cadena JSON

Transformación de llamada externa

Declarar la transformación

Filas de error de aserción del registro

Combinación aproximada

Origen y receptor

Lectura y escritura de archivos JSON

Archivos de formato de texto delimitado y Parquet

Conector de CosmosDB

Deducción de los tipos de datos en archivos de texto delimitados

Lectura y escritura de archivos con particiones

Transformación y creación de varias tablas SQL

Creación de particiones de los archivos en Data Lake

Patrón de carga del almacenamiento de datos

Opciones de salida de archivo de Data Lake

Optimización de los flujos de datos de asignación

Linaje de datos

Iteración de archivos con parámetros

Reducción de los tiempos de inicio

Rendimiento de la base de datos SQL

Registro y auditoría

Optimización dinámica del tamaño del clúster del flujo de datos en tiempo de ejecución

Optimización de los tiempos de inicio del flujo de datos

Azure Integration Runtime para flujos de datos

Inicio rápido de clústeres con Azure IR

Escenarios del flujo de datos de asignación

Búsquedas aproximadas

Patrón de almacenamiento provisional de datos

Patrón de limpieza de direcciones

Desduplicación

Combinación de archivos

Cambio lento de dimensiones (tipo 1): sobrescritura

Cambio lento de dimensiones (tipo 2): historial

Carga de la tabla de hechos

Transformación de la instancia de SQL Server local con un patrón de carga de datos diferencial

Parametrización

Recuentos de filas y filas distintas

Control de errores de truncamiento

Enrutamiento de datos inteligentes

Enmascaramiento de datos confidenciales

Modelos lógicos frente a modelos físicos

Detección de cambios en los datos de origen

Dimensión de variación lenta de tipo genérico 2

Eliminación de filas de destino cuando no están presentes en el origen

Carga de datos incremental con Azure Data Factory y Azure SQL DB

Transformación de datos de Avro desde Event Hubs mediante Analizar y Acoplar

Expresiones del flujo de datos

Expresiones de fecha y hora

División de matrices y la instrucción Case

Diversión con la interpolación y los parámetros de cadenas

Introducción al script de Data Flow: Copiar, pegar, fragmentos de código

Expresiones de calidad de datos

Función de agregado collect

Expresiones dinámicas como parámetros

Funciones definidas por el usuario

Metadatos

Reglas de validación de metadatos