Compartir vía


Modo de depuración de flujos 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 información sobre cómo iniciar una nueva evaluación gratuita.

Información general

El modo de depuración de flujos de datos de asignación de Azure Data Factory y Synapse Analytics permite ver de forma interactiva cómo se transforman los datos mientras se crean y depuran los flujos de datos. La sesión de depuración se puede usar tanto en sesiones de diseño de Data Flow como durante la depuración de la canalización de los flujos de datos. Para activar el modo de depuración, use el botón Data Flow Debug (Depuración de flujo de datos) de la barra superior del lienzo de flujo de datos o del lienzo de la canalización cuando tenga actividades de flujo de datos.

Captura de pantalla que muestra dónde está el control deslizante Depurar 1

Captura de pantalla que muestra dónde está el control deslizante Depurar 2

Al activar el control deslizante, se le pide que seleccione la configuración del entorno de ejecución de integración que quiere usar. Si se elige AutoResolveIntegrationRuntime, se desarrollará un clúster con ocho núcleos de proceso general con un período de vida predeterminado de 60 minutos. Si desea permitir un equipo más inactivo antes de que se agote el tiempo de espera de la sesión, puede elegir un valor de TTL superior. Para obtener más información sobre los entornos de ejecución de integración de flujo de datos, vea Rendimiento de Microsoft Integration Runtime.

Selección del IR de depuración

Cuando el modo de depuración está activado, creará interactivamente el flujo de datos con un clúster de Spark activo. La sesión se cierra una vez desactivada la depuración. Debe tener en cuenta los gastos por hora que genera Data Factory durante el tiempo que tiene la sesión de depuración activa.

En la mayoría de los casos, se recomienda crear instancias de Data Flow en modo de depuración para poder validar la lógica de negocios y ver las transformaciones de datos antes de publicar el trabajo. Use el botón "Depurar" del panel de la canalización para probar el flujo de datos en una canalización.

Nota

Cada sesión de depuración que un usuario inicia desde su interfaz de usuario del explorador es una sesión nueva con su propio clúster de Spark. Puede usar la vista de supervisión en las sesiones de depuración que se muestran en las imágenes anteriores para ver y administrar las sesiones de depuración. Se le cobra por cada hora de ejecución de cada sesión de depuración, incluida la hora de TTL.

Este clip de vídeo habla sobre sugerencias, trucos y procedimientos recomendados para el modo de depuración de flujos de datos.

Estado del clúster

El indicador de estado del clúster en la parte superior de la superficie de diseño se pone de color verde cuando el clúster esté listo para realizar la depuración. Si el clúster ya está semiactivo, el indicador verde aparece casi al instante. Si el clúster no estaba en ejecución cuando entró en el modo de depuración, el clúster de Spark lleva a cabo un arranque en frío. El indicador gira hasta que el entorno está listo para la depuración interactiva.

Cuando termine la depuración, desactive el modificador de depuración para que el clúster de Spark pueda finalizar y no se le cobre por la actividad de depuración.

Configuración de depuración

Una vez activado el modo de depuración, puede editar la forma en que un flujo de datos obtiene una vista previa de los datos. Para editar las opciones de depuración, haga clic en "Configuración de depuración" en la barra de herramientas del lienzo de Data Flow. Puede seleccionar los límites de fila o el origen de archivos que se usarán en cada transformación de origen. Los límites de fila de esta configuración solo son para la sesión de depuración actual. También puede seleccionar el servicio vinculado de almacenamiento provisional que se va a usar como origen de Azure Synapse Analytics.

Configuración de depuración

Si tiene parámetros en su instancia de Data Flow o cualquiera de los conjuntos de datos a los que se hace referencia, puede especificar los valores que se van usar durante la depuración seleccionando la pestaña Parámetros.

Use la configuración de ejemplo que se proporciona aquí para apuntar a archivos o tablas de datos de ejemplo, de modo que no tenga que cambiar los conjuntos de datos de origen. Mediante el uso de un archivo o una tabla de ejemplo aquí, puede mantener la misma lógica y los mismos valores de propiedades en el flujo de datos al realizar pruebas en un subconjunto de datos.

Parámetros de configuración de depuración

El valor predeterminado de IR usado para el modo de depuración en los flujos de datos es un único nodo de trabajo de 4 núcleos pequeño con un nodo de un solo controlador de 4 núcleos. Este valor funciona bien con ejemplos más pequeños de datos al probar la lógica del flujo de datos. Si expande los límites de fila en la configuración de depuración durante la vista previa de los datos o establece un número mayor de filas muestreadas en el origen durante la depuración de la canalización, es posible que quiera considerar la posibilidad de configurar un entorno de proceso más grande en una nueva instancia de Azure Integration Runtime. Después, puede reiniciar la sesión de depuración con el entorno de proceso más grande.

Vista previa de datos

Con la depuración activada, la pestaña Vista previa de datos se ilumina en el panel inferior. Sin el modo de depuración activado, Data Flow muestra solo los metadatos actuales dentro y fuera de cada una de las transformaciones de la pestaña Inspeccionar. La vista previa de datos solo consultará el número de filas que se ha establecido como el límite en la configuración de depuración. Seleccione Actualizar para actualizar la vista previa de los datos en función de las transformaciones actuales. Si los datos de origen han cambiado, seleccione Actualizar > Volver a capturar desde el origen.

Vista previa de datos

Puede ordenar columnas por versión preliminar de datos y reorganizar columnas mediante arrastrar y colocar. Además, hay un botón de exportación en la parte superior del panel de vista previa de los datos que puede usar para exportar los datos de vista previa a un archivo .csv para explorar los datos sin conexión. Puede usar esta característica para exportar hasta 1000 filas de datos de versión preliminar.

Nota

Los orígenes de archivo solo limitan las filas que se ven, no las filas que se leen. En el caso de conjuntos de datos grandes, se recomienda que tome una pequeña parte de ese archivo y la use para las pruebas. Puede seleccionar un archivo temporal en Configuración de depuración para cada origen que sea un tipo de conjunto de datos de archivo.

Cuando se ejecuta en el modo de depuración en Data Flow, no se escriben los datos en la transformación Receptor. Una sesión de depuración está diseñada para que funcione como una herramienta de ejecución de pruebas para las transformaciones. Los receptores no son necesarios durante la depuración y se omiten en el flujo de datos. Si quiere probar a escribir los datos en el receptor, ejecute la instancia de Data Flow desde una canalización y use la ejecución de la depuración desde una canalización.

La vista previa de los datos es una instantánea de los datos transformados mediante los límites de fila y el muestreo de datos de las tramas de datos en la memoria de Spark. Por tanto, no se usan ni se prueban controladores de receptor en este escenario.

Nota:

La vista previa de datos muestra la hora según la configuración regional del explorador.

Condiciones de combinación de pruebas

Cuando las pruebas unitarias realicen transformaciones Joins, Exists o Lookup, asegúrese de usar un pequeño conjunto de datos conocidos para la prueba. Puede usar la opción Configuración de depuración anterior para establecer un archivo temporal que se usará para las pruebas. Esto es necesario porque al limitar o muestrear filas de un conjunto de datos grande, no se puede predecir qué filas y qué claves se leen en el flujo de las pruebas. El resultado no es determinista, es decir, se pueden producir errores en las condiciones de combinación.

Acciones rápidas

Una vez obtenida la vista previa de los datos, puede generar una transformación rápida para quitar una columna o realizar en ella una conversión de tipo o una modificación. Seleccione el encabezado de la columna y elija una de las opciones de la barra de herramientas de vista previa de datos.

Captura de pantalla en la que se muestra la barra de herramientas de vista previa de los datos con opciones: Conversión de tipo, Modificar, Estadísticas y Eliminar.

Una vez que seleccione una modificación, la vista previa de los datos se actualizará inmediatamente. Seleccione Confirmar en la esquina superior derecha para generar una nueva transformación.

Captura de pantalla en la que se muestra el botón Confirmar.

Con las opciones Conversión de tipo y Modificar se genera una transformación Columna derivada, mientras que con la opción Quitar se genera una transformación Seleccionar.

Captura de pantalla en la que se muestra la configuración de la columna derivada.

Nota

Si edita su instancia de Data Flow, deberá volver a obtener la vista previa de los datos para poder agregar una transformación rápida.

Generación de perfiles de los datos

Si selecciona una columna en la pestaña de vista previa de datos y hace clic en Estadísticas en la barra de herramientas de la vista previa de datos, aparece un gráfico en el extremo derecho de la cuadrícula de datos con estadísticas detalladas sobre cada campo. El servicio se basada en el muestreo de datos para determinar qué tipo de gráfico mostrar. Los campos de alta cardinalidad establecen como valor predeterminado los gráficos de tipo NULL/NOT NULL, mientras que los datos categóricos y numéricos que tienen una cardinalidad baja muestran gráficos de barras con la frecuencia de valor de los datos. También se muestra la longitud máxima y mínima de los campos de cadena, los valores máximos y mínimos de los campos numéricos, la desviación estándar, los percentiles, los recuentos y el promedio.

Estadísticas de columna