Mettre à niveau les pipelines Azure Data Factory de flux de données de mappage vers Fabric (préversion)

Important

L’expérience de mise à niveau de Azure Data Factory Mapping Data Flows vers Fabric est actuellement en préversion publique et est susceptible d’être modifiée.

Mettez à niveau Azure Data Factory pipelines contenant des flux de données de mappage vers Microsoft Fabric Data Factory en suivant les étapes décrites dans cet article. Cet article décrit le parcours de migration des pipelines qui utilisent des flux de données de mappage, convertis en transformations de flux de données de mappage (MDF) dans Dataflow Gen2. Pour migrer des pipelines qui ne contiennent pas de flux de données de mappage, consultez Mettre à niveau vos pipelines Azure Data Factory vers Fabric.

Prerequisites

Avant de commencer la mise à niveau, vérifiez que vous disposez des éléments suivants :

  • Accès à une instance Azure Data Factory contenant des flux de données de mappage.
  • Accès à un locataire avec Microsoft Fabric activé.
  • Autorisations de contributeur ou de niveau supérieur pour l’espace de travail Fabric.
  • Connexions Fabric existantes pour les sources de données et les destinations prises en charge.

Scénarios de mise à niveau pris en charge

L’outil de mise à niveau prend en charge les scénarios suivants :

  • Azure Data Factory pipelines contenant des flux de données de mappage.
  • Azure Synapse Analytics pipelines contenant des flux de données de mappage.
  • Migration « lift-and-shift » des charges de travail existantes de flux de données de mappage vers Fabric.

Démarrer la migration

Vous pouvez commencer à migrer Azure Data Factory pipelines contenant des flux de données de mappage à partir de l’un des points d’entrée suivants.

Point d’entrée Idéal pour Étape de démarrage
À partir de Azure Data Factory Exécution d’une évaluation de la préparation du pipeline avant la migration Option A : Démarrer à partir de Azure Data Factory
À partir d’un espace de travail Fabric Montage direct et migration d’une instance de Azure Data Factory à partir de Fabric Option B : Démarrer à partir de Fabric

Les deux options se poursuivent dans pipelines de migration.

Option A : Démarrer à partir de Azure Data Factory

Utilisez cette option lorsque vous souhaitez :

  • Passer en revue la préparation de la migration
  • Exécuter l’évaluation de la migration
  • Évaluer les pipelines pris en charge avant la migration

Démarrer la migration à partir de Azure Data Factory

  1. Ouvrez le portail Azure Data Factory.

  2. Sélectionnez Migrer vers Fabric (préversion).

  3. Sélectionnez Bien démarrer.

    Capture d’écran du portail Azure Data Factory montrant l’option Migrer vers Fabric (préversion) et le bouton Prise en main.

Passer en revue l’évaluation de la migration

  1. Dans la page Fabric Migration Assessment (préversion), passez en revue la liste des pipelines pris en charge disponibles pour la migration.

  2. Sélectionnez Suivant.

    Capture d’écran de la page Fabric Migration Assessment listant les pipelines prêts pour la migration.

Monter Azure Data Factory sur Fabric

  1. Sélectionnez l’espace de travail Fabric où vous souhaitez monter l’instance Azure Data Factory.

  2. Sélectionnez Monter.

  3. Une fois l’opération de montage terminée, sélectionnez Continuer dans Fabric.

    Capture d’écran de l’écran de sélection de l’espace de travail Fabric utilisé pour monter une instance de Azure Data Factory.

    Capture d’écran de l’écran Continuer dans Fabric pour ouvrir l’instance Azure Data Factory montée dans Microsoft Fabric.

Option B : Démarrer à partir de Fabric

Utilisez cette option lorsque vous connaissez déjà l’instance Azure Data Factory que vous souhaitez migrer et que vous souhaitez démarrer directement à partir de Fabric.

Monter Azure Data Factory à partir de Fabric

  1. Ouvrez votre espace de travail Fabric.

  2. Sélectionnez Nouvel élément.

  3. Sélectionnez Azure Data Factory.

    Capture d’écran de l’expérience de création d’un nouvel élément dans l’espace de travail Microsoft Fabric, avec Azure Data Factory sélectionné.

  4. Sélectionnez l’instance Azure Data Factory à monter.

  5. Sélectionnez OK.

    Capture d’écran de la boîte de dialogue de sélection de l’instance Azure Data Factory.

Migrer des pipelines

Après avoir monté Azure Data Factory dans Fabric, poursuivez avec le flux de travail de migration.

Sélectionner des pipelines à migrer

  1. Ouvrez l’élément Azure Data Factory monté dans Fabric.

  2. Sélectionnez Migrer vers Fabric (préversion).

    Capture d’écran de l’élément Azure Data Factory monté dans Fabric montrant l’option Migrer vers Fabric (préversion).

  3. Sélectionnez le pipeline contenant le flux de données de mappage.

  4. Sélectionnez Vérifier les connexions.

    Capture d’écran de l’écran de sélection de pipeline montrant les pipelines prêts pour la migration.

Mapper les services liés aux connexions Fabric

  1. Dans la page Mapper les connexions :

    • Passez en revue les services liés d’Azure Data Factory.
    • Associez-les à des connexions Fabric.

  2. Cliquez sur Confirmer.

    Capture d’écran de la page Mise en correspondance des connexions permettant de mettre en correspondance les services liés Azure Data Factory avec les connexions Fabric.

Passer en revue les résultats de la migration

Une fois la migration terminée, l’outil :

  • Migre les pipelines et les flux de données de mappage simultanément.
  • Convertit les flux de données de mappage en transformations MDF dans Dataflow Gen2.
  • Place les artefacts migrés dans un nouveau dossier dans l’espace de travail Fabric.

Sélectionnez Affichage dans l’espace de travail.

Capture d’écran de la page des résultats de la migration montrant les ressources migrées et leurs états.

Valider les transformations de flux de données de mappage migré

Après la migration, ouvrez le dossier de migration et validez les transformations MDF mises à niveau avant de les exécuter.

Ouvrir l’élément Dataflow Gen2 migré

  1. Ouvrez l’élément Dataflow Gen2 migré.

  2. Passez en revue la logique de transformation MDF migrée.

  3. Validez le graphique de transformation à l’aide de la barre d’outils de transformation MDF.

    Capture d’écran de l’expérience de création de transformation de flux de données de mappage montrant le graphique de transformation migré.

Enregistrer la transformation de flux de données de mappage migré

  1. Ouvrez le menu Enregistrer et exécuter .

  2. Cliquez sur Enregistrer.

    Capture d’écran du menu Enregistrer et exécuter dans l’interface de création de transformations de flux de données de mappage.

Note

Seule l’action Enregistrer est actuellement prise en charge pour les transformations MDF pendant la version préliminaire publique.

Exécuter des pipelines migrés

Après validation, exécutez le pipeline de Fabric migré.

Configurer l’exécution du pipeline

  1. Ouvrez le pipeline de Fabric migré.

  2. Sélectionnez l’activité Dataflow.

  3. Passez en revue la requête de transformation MDF sélectionnée.

  4. Configurez les paramètres d’exécution Spark si nécessaire.

    Capture d’écran de l’éditeur de pipeline montrant la configuration de l’activité dataflow pour une transformation de flux de données de mappage.

Exécuter le pipeline migré

  1. Validez le pipeline.

  2. Exécutez le pipeline manuellement ou configurez des planifications et des déclencheurs.

    Capture d’écran des options d’exécution et de planification du pipeline pour le pipeline migré.

Surveiller les exécutions de transformations de flux de données de mappage migrées

Vous pouvez surveiller les exécutions de pipeline et de transformation MDF migrées via :

  • Volet de sortie du pipeline
  • Hub de surveillance
  • Courses d’activités
  • Détails de l’exécution de l’activité de flux de données

Capture d’écran du volet de sortie du pipeline montrant l’état d’exécution de l’activité dataflow.

Pour passer en revue les détails de l’exécution :

  1. Ouvrez les détails de l’exécution du pipeline.

  2. Sélectionnez l’activité Dataflow dans Exécutions d’activité.

  3. Consultez l’état de l’exécution et les détails du temps d’exécution.

    Capture d’écran du hub de surveillance montrant les exécutions d’activité du pipeline et leurs états.

    Capture d’écran des détails de l’exécution de l’activité dataflow montrant les métriques de traitement.

Limitations

Les limitations suivantes s’appliquent actuellement lors de la préversion publique :

Domaine Limitation
Flowlets Non pris en charge.
bibliothèque Data Flow Non pris en charge.
Fonctions définies par l’utilisateur (UDF) Non pris en charge.
Exécution du flux de données Les transformations MDF ne peuvent être exécutées que par le biais de l’activité de flux de données de pipeline. Le flux de données d’actualisation n’est pas pris en charge.
Réseau virtuel managé La prise en charge des réseaux virtuels gérés n’est pas disponible.
Exécution du runtime Spark Les transformations MDF utilisent actuellement une infrastructure d’exécution Spark similaire à celle d’Azure Data Factory et des flux de données de mappage d’Azure Synapse Analytics.

Contenu connexe

  • Last updated on