Configurer Azure Data Lake Storage Gen2 dans une activité de copie
Cet article explique comment utiliser l’activité de copie dans le pipeline de données pour copier des données depuis et vers Azure Data Lake Storage Gen2.
Format pris en charge
Azure Data Lake Storage Gen2 prend en charge les formats de fichier suivants. Reportez-vous à chaque article pour les paramètres basés sur le format.
- Format Avro
- Format binaire
- Format de texte délimité
- Format Excel
- Format JSON
- Format ORC
- Format Parquet
- Format XML
Configuration prise en charge
Pour la configuration de chaque onglet sous l’activité de copie, accédez respectivement aux sections suivantes.
Général
Reportez-vous aux instructions relatives aux paramètres Général pour configurer l’onglet Paramètres Général .
Source
Les propriétés suivantes sont prises en charge pour Azure Data Lake Storage Gen2 sous l’onglet Source d’une activité de copie.
Les propriétés suivantes sont requises :
Type de magasin de données : sélectionnez Externe.
Connexion : sélectionnez une connexion Azure Data Lake Storage Gen2 dans la liste des connexions. Si aucune connexion n’existe, créez une nouvelle connexion Azure Data Lake Storage Gen2 en sélectionnant Nouveau.
Type de connexion : sélectionnez Azure Data Lake Storage Gen2.
Type de chemin d’accès de fichier : vous pouvez choisir Chemin d’accès au fichier, Chemin d’accès au fichier générique ou Liste des fichiers comme type de chemin d’accès de fichier. La configuration de chacun de ces paramètres est la suivante :
Chemin d’accès au fichier : si vous choisissez ce type, les données peuvent être copiées à partir du système de fichiers spécifié ou du chemin d’accès au dossier/fichier spécifié précédemment.
Chemin d’accès au fichier par caractère générique : si vous choisissez ce type, spécifiez le système de fichiers et les chemins d’accès génériques.
Système de fichiers : le nom du système de fichiers Azure Data Lake Storage Gen2.
Chemins d’accès par caractère générique : spécifiez le chemin d’accès au dossier ou au fichier avec des caractères génériques sous le système de fichiers spécifié afin de filtrer les dossiers ou fichiers sources.
Les caractères génériques autorisés sont les suivants :
*(correspond à zéro caractère ou plusieurs) et?(correspond à zéro ou un caractère). Utilisez^comme caractère d’échappement si le nom de votre dossier contient des caractères génériques ou ce caractère d’échappement. Pour d’autres exemples, accédez à Exemples de filtres de dossier et de fichier.
Chemin d’accès au dossier par caractère générique : spécifiez le chemin d’accès au dossier avec des caractères génériques sous le système de fichiers spécifié afin de filtrer les dossiers sources.
Nom de fichier avec caractère générique : spécifiez le nom de fichier avec des caractères génériques sous le système de fichiers spécifié, ainsi que le chemin de dossier (ou le chemin de dossier à caractère générique) afin de filtrer les fichiers source.
Liste des fichiers : Indique que vous voulez copier un ensemble de fichiers donné. Spécifiez Chemin du dossier et Chemin d’accès à la liste de fichiers pour pointer vers un fichier texte contenant la liste des fichiers que vous voulez copier, un fichier par ligne indiquant le chemin d’accès relatif au chemin. Pour plus d’exemples, accédez à Exemples de listes de fichiers.
Chemin d’accès au dossier : spécifiez le chemin d’accès à un dossier sous le système de fichiers spécifié. Elle est obligatoire.
Chemin d’accès à la liste de fichiers : spécifiez le chemin d’accès du fichier texte qui comprend une liste de fichiers que vous souhaitez copier.
De manière récursive : Spécifiez si les données sont lues de manière récursive à partir des sous-dossiers ou uniquement du dossier spécifié. Notez que lorsque l’option De manière récursive est sélectionnée et que la destination est un magasin basé sur un fichier, aucun dossier ou sous-dossier vide n’est copié ni créé à la destination. Cette propriété est sélectionnée par défaut et ne s’applique pas lorsque vous configurez le Chemin d’accès à la liste de fichiers.
Format de fichier : sélectionnez le format de fichier appliqué dans la liste déroulante. Sélectionnez Paramètres pour configurer le format de fichier. Pour connaître les paramètres des différents formats de fichier, reportez-vous aux articles de Format pris en charge pour plus d’informations.
Sous Avancé, vous pouvez spécifier les champs suivants :
Filtrer par dernière modification : les fichiers sont filtrés en fonction des dates de dernière modification. Cette propriété ne s’applique pas lorsque vous configurez votre type de chemin d’accès de fichier en tant que Liste de fichiers.
Heure de début (UTC) : les fichiers sont sélectionnés si leur dernière heure de modification est supérieure ou égale à l’heure configurée.
Heure de fin (UTC) : les fichiers sont sélectionnés si leur heure de dernière modification est inférieure à l’heure configurée.
Lorsque Heure de début (UTC) a une valeur DateHeure, mais que Heure de fin (UTC) est NULL, cela signifie que les fichiers dont l’attribut de dernière modification est supérieur ou égal à la valeur DateHeure sont sélectionnés. Lorsque Heure de fin (UTC) a une valeur DateHeure, mais que Heure de début (UTC) est NULL, cela signifie que les fichiers dont l’attribut de dernière modification est inférieur à la valeur DateHeure sont sélectionnés. Les propriétés peuvent avoir la valeur NULL, ce qui a pour effet qu’aucun filtre d’attribut de fichier n’est appliqué au jeu de données.
Activer la détection de partition : spécifiez s’il faut analyser les partitions à partir du chemin d’accès au fichier et les ajouter en tant que colonnes sources supplémentaires. L’option n’est pas sélectionnée par défaut et n’est pas prise en charge lorsque vous utilisez le format de fichier binaire.
Chemin d'accès à la racine de la partition : Lorsque la découverte de partition est activée, spécifiez le chemin racine absolu pour pouvoir lire les dossiers partitionnés en tant que colonnes de données.
S’il n’est pas spécifié, par défaut :
- Quand vous utilisez le chemin d’accès au fichier ou la liste des fichiers sur la source, le chemin racine de la partition est le chemin que vous avez configuré.
- Quand vous utilisez le filtre de dossiers génériques, le chemin racine de la partition est le sous-chemin avant le premier caractère générique.
Par exemple, en supposant que vous configurez le chemin ainsi
root/folder/year=2020/month=08/day=27:- Si vous spécifiez le chemin racine de la partition en tant que
root/folder/year=2020, l’activité de copie génère deux colonnes supplémentaires, mois et jour, ayant respectivement la valeur « 08 » et « 27 », en plus des colonnes contenues dans les fichiers. - Si le chemin racine de la partition n’est pas spécifié, aucune colonne supplémentaire n’est générée.
Nombre maximal de connexions simultanées : cette propriété indique la limite supérieure de connexions simultanées établies au magasin de données pendant l’exécution de l’activité. Spécifiez une valeur uniquement lorsque vous souhaitez limiter les connexions simultanées.
Colonnes supplémentaires : ajoutez des colonnes de données supplémentaires au chemin d’accès relatif ou à la valeur statique des fichiers sources du magasin. L'expression est prise en charge pour ce dernier.
Destination
Les propriétés suivantes sont prises en charge pour Azure Data Lake Storage Gen2 sous l’onglet Destination d’une activité de copie.
Les propriétés suivantes sont requises :
- Type de magasin de données : sélectionnez Externe.
- Connexion : sélectionnez une connexion Azure Data Lake Storage Gen2 dans la liste des connexions. Si aucune connexion n’existe, créez une nouvelle connexion Azure Data Lake Storage Gen2 en sélectionnant Nouveau.
- Type de connexion : sélectionnez Azure Data Lake Storage Gen2.
- Chemin du fichier : sélectionnez Parcourir pour choisir le fichier que vous souhaitez copier, ou renseignez-le manuellement.
- Format de fichier : sélectionnez le format de fichier appliqué dans la liste déroulante. Sélectionnez Paramètres pour configurer le format de fichier. Pour connaître les paramètres des différents formats de fichier, reportez-vous aux articles de Format pris en charge pour plus d’informations.
Sous Avancé, vous pouvez spécifier les champs suivants :
Comportement de copie :Définit le comportement de copie lorsque la source est constituée de fichiers d’une banque de données basée sur un fichier. Vous pouvez choisir un comportement dans la liste déroulante.
- - FlattenHierarchy : tous les fichiers du dossier source figurent dans le premier niveau du dossier de destination. Les noms des fichiers de destination sont générés automatiquement.
- Fusionner des fichiers : fusionne tous les fichiers du dossier source dans un seul fichier. Si le nom de fichier est spécifié, le nom de fichier fusionné est le nom spécifié. Sinon, le nom du fichier sera généré automatiquement.
- Conserver la hiérarchie : conserve la hiérarchie des fichiers dans le dossier cible. Le chemin d’accès relatif du fichier source vers le dossier source est identique au chemin d’accès relatif du fichier cible vers le dossier cible.
Nombre maximal de connexions simultanées : la limite supérieure de connexions simultanées établies au magasin de données pendant l’exécution de l’activité. Spécifiez une valeur uniquement lorsque vous souhaitez limiter les connexions simultanées.
Taille de bloc (Mo) : spécifiez la taille de bloc en Mo utilisée pour écrire des données dans Azure Data Lake Storage Gen2. Pour plus d’informations, consultez Objets blob de blocs. Les valeurs autorisées sont comprises entre 4 et 100 Mo.
Par défaut, la taille du bloc est automatiquement déterminée en fonction du type de magasin source et des données. Pour une copie non binaire dans Azure Data Lake Storage Gen2, la taille de bloc par défaut est de 100 Mo, ce qui permet le stockage d’environ 4,75 To de données au maximum. Cela peut ne pas être optimal lorsque vos données ne sont pas volumineuses. Vous pouvez spécifier explicitement une taille de bloc, mais assurez-vous que la taille de bloc (Mo)* 50 000 est suffisante pour stocker les données, sinon l’exécution de l’activité de copie échouera.
Métadonnées : définissez des métadonnées personnalisées lors de la copie vers une destination. Chaque objet sous le tableau
metadatareprésente une colonne supplémentaire.namedéfinit le nom de clé de métadonnées etvalueindique la valeur des données de cette clé. Si la fonctionnalité de conservation des attributs est utilisée, les métadonnées spécifiées vont s’unir/remplacer les métadonnées du fichier source.Les valeurs de données autorisées sont :
$$LASTMODIFIED: une variable réservée indique de stocker l’heure de la dernière modification des fichiers sources. Appliquez à une source basée sur un fichier uniquement avec le format binaire.- Expression
- Valeur statique
Mappage
Pour la configuration de l’onglet Mappage, accédez à Configurer vos mappages sous l’onglet Mappage. Si vous choisissez Binaire comme format de fichier, le mappage n’est pas pris en charge.
Paramètres
Pour la configuration de l’onglet Paramètres, accédez à Configurer vos autres paramètres sous l’onglet Paramètres.
Résumé de la table
Les tableaux suivants contiennent plus d’informations sur l’activité de copie dans Azure Data Lake Storage Gen2.
Informations sur la source
| Nom | Description | Valeur | Obligatoire | Propriété de script JSON |
|---|---|---|---|---|
| Type de banque de données | Votre type de magasin de données. | Externe | Oui | / |
| Connection | Votre connexion au magasin de données source. | <votre connexion Azure Data Lake Storage Gen2> | Oui | connection |
| Type de connexion | Votre type de connexion. Choisissez Azure Data Lake Storage Gen2. | Azure Data Lake Storage Gen2 | Oui | / |
| Type de chemin d’accès au fichier | Type de chemin d’accès de fichier que vous souhaitez utiliser. | • Chemin d’accès du fichier • Chemin du dossier générique, nom du fichier générique • Liste de fichiers |
Oui | • folderPath, fileName, fileSystem • wildcardFolderPath, wildcardFileName, fileSystem • folderPath, fileName, fileListPath |
| Recursively | Indique si les données sont lues de manière récursive à partir des sous-dossiers ou uniquement du dossier spécifié. Notez que lorsque l’option De manière récursive est sélectionnée et que la destination est un magasin basé sur un fichier, aucun dossier ou sous-dossier vide n’est copié ni créé à la destination. Cette propriété ne s’applique pas lorsque vous configurez le Chemin d’accès à la liste de fichiers. | sélectionné (par défaut) ou désélectionner | Non | recursive |
| Filtrer par date de dernière modification | Les fichiers dont l’heure de la dernière modification se trouve dans la plage [Heure de début, Heure de fin) seront filtrés pour un traitement ultérieur. L’heure sera appliquée au fuseau horaire UTC au format yyyy-mm-ddThh:mm:ss.fffZ. Ces propriétés peuvent être ignorées, ce qui signifie qu’aucun filtre d’attribut de fichier n’est appliqué. Cette propriété ne s’applique pas lorsque vous configurez votre type de chemin d’accès de fichier en tant que Liste de fichiers. |
datetime | Non | modifiedDatetimeStart modifiedDatetimeEnd |
| Activer la découverte de partition | Indique s'il faut analyser les partitions à partir du chemin d'accès au fichier et les ajouter en tant que colonnes sources supplémentaires. | sélectionné ou non sélectionné (par défaut) | Non | enablePartitionDiscovery : true ou false (par défaut) |
| Chemin racine de la partition | Lorsque la découverte de partition est activée, spécifiez le chemin d’accès racine absolu pour pouvoir lire les dossiers partitionnés en tant que colonnes de données. | < le chemin d’accès associé à une racine de votre partition > | Non | partitionRootPath |
| Connexions simultanées maximales | La limite supérieure de connexions simultanées établies au magasin de données pendant l’exécution de l’activité. Spécifiez une valeur uniquement lorsque vous souhaitez limiter les connexions simultanées. | <connexions simultanées maximales> | Non | maxConcurrentConnections |
| Colonnes supplémentaires | Ajouter les colonnes de données supplémentaires pour stocker le chemin d’accès relatif ou la valeur statique des fichiers sources. L’expression est prise en charge pour ce dernier. | • Name • Valeur |
Non | additionalColumns : • nom • valeur |
Informations de destination
| Nom | Description | Valeur | Obligatoire | Propriété de script JSON |
|---|---|---|---|---|
| Type de banque de données | Votre type de magasin de données. | Externe | Oui | / |
| Connection | Votre connexion au magasin de données de destination. | <votre connexion Azure Data Lake Storage Gen2> | Oui | connection |
| Type de connexion | Votre type de connexion. Choisissez Azure Data Lake Storage Gen2. | Azure Data Lake Storage Gen2 | Oui | / |
| Chemin de fichier | Chemin d’accès au fichier de vos données de destination. | < votre chemin d’accès au fichier > | Oui | folderPath, fileName, fileSystem |
| Comportement de copie | Définit le comportement de copie lorsque la source est constituée de fichiers d’une banque de données basée sur un fichier. | • Aplatir la hiérarchie • Fusionner des fichiers • Conserver la hiérarchie |
Non | copyBehavior : • FlattenHierarchy • MergeFiles • PreserveHierarchy |
| Connexions simultanées maximales | La limite supérieure de connexions simultanées établies au magasin de données pendant l’exécution de l’activité. Spécifiez une valeur uniquement lorsque vous souhaitez limiter les connexions simultanées. | <connexions simultanées maximales> | Non | maxConcurrentConnections |
| Taille des blocs (Mo) | Spécifiez la taille de bloc en Mo lors de l’écriture de données dans Azure Data Lake Storage Gen2. Les valeurs autorisées sont comprises entre 4 et 100 Mo. | <taille des blocs> | Non | blockSizeInMB |
| Métadonnées | Définissez des métadonnées personnalisées lors de la copie vers la destination. | • $$LASTMODIFIED• Expression • Valeur statique |
Non | metadata |