Esercitazioni video sul 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 completa 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 .
Di seguito è riportato un elenco di esercitazioni video sul flusso di dati per mapping create dal team di Azure Data Factory.
Poiché il prodotto viene aggiornato costantemente, alcune caratteristiche presentano funzionalità aggiuntive o diverse nell'esperienza utente corrente di Azure Data Factory.
Introduzione
Introduzione ai flussi di dati per mapping in Azure Data Factory
Debug e sviluppo di flussi di dati per mapping
Debug e test di flussi di dati per mapping.
Azioni rapide di anteprima dei dati
Monitorare e gestire le prestazioni dei flussi di dati per mapping
Debug dei flussi di lavoro per i flussi di dati
Visualizzazione di monitoraggio aggiornata
Panoramica delle trasformazioni
Trasformazione Colonna derivata
Aggiornamenti e suggerimenti su Trasformazione Ricerca
Trasformazione tramite Pivot: mapping di colonne deviate
Selezione trasformazione: mapping basato su regole
Trasformazione Seleziona: set di dati di grandi dimensioni
Trasformazione Chiave sostitutiva
Conditional Split Transformation
Join dinamici e ricerche dinamiche
Trasformazione Chiamata esterna
Trasformazione dati gerarchici
Trasformazione classificazioni
Ricerca memorizzata nella cache
Contesto di riga tramite trasformazione Window
Trasformare tipi di dati complessi
Output dell'attività successiva
Trasformazione Chiamata esterna
Righe di errore di asserzione del log
Origine e sink
Lettura e scrittura di file JSON
File di testo delimitato e parquet
Dedurre i tipi di dati in file di testo delimitato
Lettura e scrittura di file partizionati
Trasformare e creare più tabelle SQL
Partizionare i file in data lake
Modello di caricamento di data warehouse
Opzioni di output del file Data Lake
Ottimizzazione dei flussi di dati per mapping
Eseguire l'iterazione dei file con i parametri
Prestazioni di database SQL DB
Ottimizzare in modo dinamico le dimensioni del cluster del flusso di dati in fase di esecuzione
Ottimizzare i tempi di avvio del flusso di dati
Istanze di Azure Integration Runtime per flussi di dati
Ora di avvio rapido del cluster con Il runtime di integrazione di Azure
Scenari di flussi di dati per mapping
Pulire il modello di indirizzi
Dimensioni a modifica lenta di tipo 1: sovrascrittura
Dimensioni a modifica lenta di tipo 1: cronologia
Caricamento della tabella dei fatti
Trasformare SQL Server in locale con il modello di caricamento dati delta
Righe distinte e conteggio delle righe
Gestione degli errori di troncamento
Mascheramento dei dati sensibili
Modelli logici e modelli fisici
Rilevare le modifiche ai dati di origine
Dimensione a modifica lenta di tipo generico 2
Eliminare le righe nella destinazione quando non sono presenti nell'origine
Caricamento incrementale dei dati con Azure Data Factory e database SQL di Azure
Trasformare i dati avro da Hub eventi usando Parse e Flatten
Espressioni del flusso di dati
Suddivisione di matrici e istruzione case
Parametri e interpolazione di stringhe
introduzione allo script Flusso di dati: Copia, Incolla, Frammenti di codice
Funzione di aggregazione raccolta
Espressioni dinamiche come parametri
Metadati UFX
Commenti e suggerimenti
Presto disponibile: Nel corso del 2024 verranno gradualmente disattivati i problemi di GitHub come meccanismo di feedback per il contenuto e ciò verrà sostituito con un nuovo sistema di feedback. Per altre informazioni, vedere https://aka.ms/ContentUserFeedback.
Invia e visualizza il feedback per