Mengubah data menggunakan aktivitas Hadoop Streaming di Azure Data Factory atau Azure Synapse Analytics
BERLAKU UNTUK: Azure Data Factory Azure Synapse Analytics
Tip
Cobalah Data Factory di Microsoft Fabric, solusi analitik all-in-one untuk perusahaan. Microsoft Fabric mencakup semuanya mulai dari pergerakan data hingga ilmu data, analitik real time, kecerdasan bisnis, dan pelaporan. Pelajari cara memulai uji coba baru secara gratis!
Aktivitas Streaming HDInsight di alurAzure Data Factory atau Azure Synapse Analytics menjalankan program Streaming Hadoop di kluster HDInsight sendiri atau sesuai permintaan. Artikel ini membangun artikel aktivitas transformasi data, yang menyajikan gambaran umum tentang transformasi data dan aktivitas transformasi yang didukung.
Untuk mempelajari lebih lanjut, baca artikel pengantar Azure Data Factory dan Azure Synapse Analytics dan lakukan Tutorial: transformasi data sebelum membaca artikel ini.
Menambahkan aktivitas HDInsight Streaming ke alur dengan UI
Untuk menggunakan aktivitas HDInsight Streaming ke alur, jalankan langkah-langkah berikut:
Cari Streaming di panel Aktivitas alur, dan seret aktivitas Streaming ke kanvas alur.
Pilih aktivitas Streaming baru di kanvas jika belum dipilih.
Pilih tab Kluster HDI untuk memilih atau membuat layanan tertaut baru ke kluster HDInsight yang akan digunakan untuk menjalankan aktivitas Streaming.
Pilih tab File untuk menentukan nama mapper dan peredam untuk pekerjaan streaming Anda, dan pilih atau buat layanan tertaut baru ke akun Microsoft Azure Storage yang akan mapper, peredam, input, dan file output untuk pekerjaan itu. Anda juga dapat mengonfigurasi detail tingkat lanjut termasuk konfigurasi penelusuran kesalahan, dan argumen serta parameter yang akan diteruskan ke pekerjaan.
Sampel JSON
{
"name": "Streaming Activity",
"description": "Description",
"type": "HDInsightStreaming",
"linkedServiceName": {
"referenceName": "MyHDInsightLinkedService",
"type": "LinkedServiceReference"
},
"typeProperties": {
"mapper": "MyMapper.exe",
"reducer": "MyReducer.exe",
"combiner": "MyCombiner.exe",
"fileLinkedService": {
"referenceName": "MyAzureStorageLinkedService",
"type": "LinkedServiceReference"
},
"filePaths": [
"<containername>/example/apps/MyMapper.exe",
"<containername>/example/apps/MyReducer.exe",
"<containername>/example/apps/MyCombiner.exe"
],
"input": "wasb://<containername>@<accountname>.blob.core.windows.net/example/input/MapperInput.txt",
"output": "wasb://<containername>@<accountname>.blob.core.windows.net/example/output/ReducerOutput.txt",
"commandEnvironment": [
"CmdEnvVarName=CmdEnvVarValue"
],
"getDebugInfo": "Failure",
"arguments": [
"SampleHadoopJobArgument1"
],
"defines": {
"param1": "param1Value"
}
}
}
Detail sintaks
Properti | Deskripsi | Wajib |
---|---|---|
nama | Nama aktivitas | Ya |
description | Teks yang menjelaskan untuk apa aktivitas tersebut digunakan | No |
jenis | Untuk Aktivitas Streaming Hadoop, jenis aktivitasnya adalah HDInsightStreaming | Ya |
linkedServiceName | Referensi ke kluster HDInsight yang terdaftar sebagai layanan tertaut. Untuk mempelajari layanan tertaut ini, lihat artikel Layanan tertaut komputasi. | Ya |
pemeta | Menentukan nama mapper yang dapat dieksekusi | Ya |
pengurangan | Menentukan nama dari reducer yang dapat dieksekusi | Ya |
combiner | Menentukan nama combiner yang dapat dieksekusi | No |
fileLinkedService | Lihat Layanan Tertaut Azure Storage yang digunakan untuk menyimpan program Mapper, Combiner, dan Reducer yang dapat dieksekusi. Hanya layanan tertaut Azure Blob Storage dan ADLS Gen2 yang didukung di sini. Jika Anda tidak menentukan Layanan Tertaut ini, Layanan Tertaut Azure Storage yang ditentukan dalam Layanan Tertaut Azure HDInsight akan digunakan. | No |
filePath | Berikan serangkaian jalur ke program Mapper, Combiner, dan Reducer yang disimpan di Azure Storage yang dirujuk oleh fileLinkedService. Jalur tersebut peka huruf besar/kecil. | Ya |
input | Menentukan jalur WASB ke file input untuk Mapper. | Ya |
output | Menentukan jalur WASB ke file output untuk Reducer. | Ya |
getDebugInfo | Menentukan waktu saat file log disalin ke Azure Storage yang digunakan oleh kluster Azure HDInsight (atau) ditentukan oleh scriptLinkedService. Nilai yang diizinkan: None, Always, atau Failure. Nilai default: None. | No |
arguments | Menentukan rangkaian argumen untuk pekerjaan Hadoop. Argumen diteruskan sebagai argumen baris-perintah untuk tiap pekerjaan. | No |
defines | Menentukan parameter sebagai pasangan kunci/nilai untuk referensi dalam skrip Apache Hive. | No |
Konten terkait
Lihat artikel berikut yang menjelaskan cara mentransformasikan data dengan cara lain: