Condividi tramite


Trasformazione Flowlet nel flusso di dati di mapping

SI APPLICA A: Azure Data Factory Azure Synapse Analytics

Suggerimento

Provare Data Factory in Microsoft Fabric, una soluzione di analisi all-in-one per le aziende. Microsoft Fabric copre tutti gli elementi, dallo spostamento dei dati all'analisi scientifica dei dati, all'analisi in tempo reale, alla business intelligence e alla creazione di report. Scopri come avviare gratuitamente una nuova versione di valutazione .

I flussi di dati sono disponibili sia in Azure Data Factory che in pipeline di Azure Synapse. Questo articolo si applica al mapping dei flussi di dati. Se non si ha esperienza con le trasformazioni, vedere l'articolo introduttivo Trasformare i dati usando un flusso di dati di mapping.

Usare la trasformazione flowlet per eseguire un flusso di flusso di dati di mapping creato in precedenza. Per una panoramica dei flowlet, vedere Flowlets in mapping data flow flow | Microsoft Docs

Nota

La trasformazione flowlet nelle pipeline di Azure Data Factory e Synapse Analytics è attualmente in anteprima pubblica

Configurazione

La trasformazione flowlet contiene le impostazioni di configurazione seguenti

Screenshot che mostra la configurazione delle impostazioni di Flowlet.

Flussolet

Selezionare il flussolet da eseguire. Dopo aver selezionato il flussolet, sarà possibile eseguire il mapping delle colonne di input, se presenti, nella scheda mapping.

Mapping

Screenshot che mostra il mapping delle colonne all'input del flussolet.

Se il flussolet selezionato include colonne di input, è possibile eseguire il mapping delle colonne dal flusso di input alle colonne di input previste nel flussolet. Questo mapping delle colonne dei flussi di dati di mapping al flussolet consente ai flussilet di fungere da frammenti riutilizzabili della logica del flusso di dati di mapping in molti flussi di dati di mapping.

Script del flusso di dati

Sintassi

<incomingStream>
<transformation> ~> <transformationName>
<outputStream>

Esempio

source1 derive(Test = "test") ~> DerivedColumn1
DerivedColumn1 output() ~> output1