Nota
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
SE APLICA A:
Azure Data Factory Azure Synapse Analytics
Sugerencia
Data Factory en Microsoft Fabric es la próxima generación de Azure Data Factory, con una arquitectura más sencilla, inteligencia artificial integrada y nuevas características. Si no está familiarizado con la integración de datos, comience con Fabric Data Factory. Las cargas de trabajo de ADF existentes pueden actualizarse a Fabric para acceder a nuevas funcionalidades en ciencia de datos, análisis en tiempo real e informes.
A continuación se muestra una lista de los vídeos del tutorial de mapeo de flujo de datos creados por el equipo de Azure Data Factory.
A medida que se realizan actualizaciones constantes en el producto, algunas características tienen funcionalidades adicionales o diferentes en la experiencia de usuario actual de Azure Data Factory.
Introducción
Introducción al mapeo de flujos de datos en Azure Data Factory
Depuración y desarrollo de flujos de datos de asignación
Depuración y prueba de los flujos de datos de mapeo.
Acciones rápidas de vista previa de datos
Supervisar y gestionar el rendimiento del flujo de datos de mapeo
Intervalos entre puntos de referencia
Depuración de flujos de trabajo para flujos de datos
Vista de supervisión actualizada
Resúmenes de las transformaciones
La Transformación de Columna Derivada
Actualizaciones de transformación de búsqueda y sugerencias
Transformación Dinamizar: asignación de las columnas desplazadas
Seleccione la transformación: asignación basada en reglas
Selección de transformación: Conjuntos de datos grandes
Transformación de clave sustituta
Transformación Anular dinamización
Transformación División condicional
Combinaciones dinámicas y búsquedas dinámicas
Transformación para convertir a cadena JSON
Transformación de llamada externa
Transformación de datos jerárquicos
Contexto de fila mediante la transformación de ventana
Transformación de tipos de datos complejos
Salida a la siguiente actividad
Transformación para convertir a cadena JSON
Transformación de llamada externa
Filas de error de aserción del registro
Origen y receptor
Lectura y escritura de archivos JSON
Archivos de formato de texto delimitado y Parquet
Inferir tipos de datos en archivos de texto delimitados
Lectura y escritura de archivos con particiones
Transformación y creación de varias tablas SQL
Particiona tus archivos en el Data Lake
Patrón de carga del almacenamiento de datos
Opciones de salida de archivo de Data Lake
Optimización de los flujos de datos de mapeo
Iteración de archivos con parámetros
Reducción de los tiempos de inicio
Rendimiento de la base de datos SQL
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
Rápido tiempo de inicio del clúster con Azure IR
Escenarios de mapeo del flujo de datos
Patrón de almacenamiento provisional de datos
Cambio lento de dimensiones (tipo 1): sobrescritura
Cambio lento de dimensiones (tipo 2): historial
Transformación de la instancia de SQL Server local con un patrón de carga de datos diferencial
Filas distintas y recuento de filas
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
Elimina filas de destino cuando no están presentes en el origen
Carga incremental de datos con Azure Data Factory y Azure SQL DB
Transformar datos Avro de Event Hubs usando Parse y Aplanar
Expresiones del flujo de datos
División de matrices y la instrucción Case
Diversión con la interpolación y los parámetros de cadenas
Data Flow Introducción al script: Copiar, Pegar, Fragmentos de código
Expresiones de calidad de datos
Expresiones dinámicas como parámetros
Funciones definidas por el usuario