Configurare Azure Data Lake Archiviazione Gen2 in un'attività di copia

Questo articolo illustra come usare l'attività di copia nella pipeline di dati per copiare dati da e in Azure Data Lake Archiviazione Gen2.

Formato supportato

Azure Data Lake Archiviazione Gen2 supporta i formati di file seguenti. Per impostazioni basate sui formati, fare riferimento ai singoli articoli.

• Formato Avro
• Formato binario
• Formato testo delimitato
• Formato Excel
• Formato JSON
• Formato ORC
• Formato Parquet
• Formato XML

Configurazione supportata

Per la configurazione di ogni scheda nell'attività di copia, passare rispettivamente alle sezioni seguenti.

• Generali
• Origine
• Destinazione
• Mapping
• Impostazioni

Generali

Fare riferimento alle indicazioni generali sulle impostazioni per configurare la scheda Impostazioni generali .

Origine

Le proprietà seguenti sono supportate per Azure Data Lake Archiviazione Gen2 nella scheda Origine di un'attività di copia.

Sono necessarie le proprietà seguenti:

• Tipo di archivio dati: selezionare Esterno.

• Connessione ion: selezionare una connessione di Azure Data Lake Archiviazione Gen2 dall'elenco delle connessioni. Se non esiste alcuna connessione, creare una nuova connessione di Azure Data Lake Archiviazione Gen2 selezionando Nuovo.

• Connessione tipo: selezionare Azure Data Lake Archiviazione Gen2.

• Tipo di percorso file: è possibile scegliere Percorso file, Percorso file con caratteri jolly o Elenco di file come tipo di percorso del file. La configurazione di ognuna di queste impostazioni è:

  • Percorso file: se si sceglie questo tipo, i dati possono essere copiati dal file system o dal percorso di cartella/file specificato in precedenza.

  • Percorso del file con caratteri jolly: se si sceglie questo tipo, specificare i percorsi File system e Wildcard.

    • File system: nome del file system di Azure Data Lake Archiviazione Gen2.

    • Percorsi con caratteri jolly: specificare la cartella o il percorso del file con caratteri jolly nel file system specificato per filtrare cartelle o file di origine.

      I caratteri jolly consentiti sono: * (corrispondenza di zero o più caratteri) e ? (corrispondenza di zero caratteri o di un carattere singolo). Usare ^ per eseguire l'escape se il nome della cartella contiene caratteri jolly o questo carattere di escape. Per altri esempi, vedere Esempi di filtro di file e cartelle.

      

      • Percorso cartella con caratteri jolly: specificare il percorso della cartella con caratteri jolly nel file system specificato per filtrare le cartelle di origine.

      • Nome file con caratteri jolly: specificare il nome file con caratteri jolly nel file system e nel percorso della cartella specificato (o percorso della cartella con caratteri jolly) per filtrare i file di origine.

  • Elenco di file: indica che si vuole copiare un determinato set di file. Specificare Percorso cartella e Percorso dell'elenco di file in modo che punti a un file di testo che include un elenco di file da copiare, un file per riga, ovvero il percorso relativo del percorso. Per altri esempi, vedere Esempi di elenco file.

    

    • Percorso cartella: specificare il percorso di una cartella nel file system specificato. Questo argomento è obbligatorio.

    • Percorso dell'elenco di file: specificare il percorso del file di testo che include un elenco di file da copiare.

• Ricorsivamente: specificare se i dati vengono letti in modo ricorsivo dalle sottocartelle o solo dalla cartella specificata. Si noti che quando si seleziona Ricorsivamente e la destinazione è un archivio basato su file, una cartella o una sottocartella vuota non viene copiata o creata nella destinazione. Questa proprietà è selezionata per impostazione predefinita e non si applica quando si configura Path to file list.This property is selected by default and't apply when you configure Path to file list.

• Formato file: selezionare il formato di file applicato dall'elenco a discesa. Selezionare Impostazioni per configurare il formato di file. Per le impostazioni di formati di file diversi, vedere articoli in Formato supportato per informazioni dettagliate.

In Avanzate è possibile specificare i campi seguenti:

• Filtro in base all'ultima modifica: i file vengono filtrati in base alle date dell'ultima modifica. Questa proprietà non si applica quando si configura il tipo di percorso del file come elenco di file.

  • Ora di inizio (UTC): i file vengono selezionati se l'ora dell'ultima modifica è maggiore o uguale all'ora configurata.

  • Ora di fine (UTC): i file vengono selezionati se l'ora dell'ultima modifica è inferiore all'ora configurata.

  Quando l'ora di inizio (UTC) ha un valore datetime ma l'ora di fine (UTC) è NULL, significa che verranno selezionati i file il cui ultimo attributo modificato è maggiore o uguale al valore datetime. Quando l'ora di fine (UTC) ha un valore datetime, ma ora di inizio (UTC) è NULL, significa che i file il cui attributo modificato ultimo è minore del valore datetime verrà selezionato. Le proprietà possono essere NULL, il che significa che ai dati non verrà applicato alcun filtro di attributo di file.

• Abilita individuazione partizione: specificare se analizzare le partizioni dal percorso del file e aggiungerle come colonne di origine aggiuntive. Non è selezionata per impostazione predefinita e non è supportata quando si usa il formato di file binario.

  • Percorso radice della partizione: quando l'individuazione della partizione è abilitata, specificare il percorso radice assoluto per leggere le cartelle partizionate come colonne di dati.

    Se non è specificato, per impostazione predefinita,

    • Quando si usa il percorso del file o l'elenco di file nell'origine, il percorso radice della partizione è il percorso configurato.
    • Quando si usa il filtro delle cartelle con caratteri jolly, il percorso radice della partizione è il sottopercorso prima del primo carattere jolly.

    Si supponga, ad esempio, di configurare il percorso come root/folder/year=2020/month=08/day=27:

    • Se si specifica il percorso radice della partizione come root/folder/year=2020, l'attività di copia genererà altre due colonne mese e giorno rispettivamente con valore "08" e "27", oltre alle colonne all'interno dei file.
    • Se il percorso radice della partizione non è specificato, non verrà generata alcuna colonna aggiuntiva.

  

• Numero massimo di connessioni simultanee: questa proprietà indica il limite massimo di connessioni simultanee stabilite all'archivio dati durante l'esecuzione dell'attività. Specificare un valore solo quando si desidera limitare le connessioni simultanee.

• Colonne aggiuntive: aggiungere altre colonne di dati per archiviare il percorso relativo o il valore statico dei file di origine. L'espressione è supportata per quest'ultima.

Destinazione

Le proprietà seguenti sono supportate per Azure Data Lake Archiviazione Gen2 nella scheda Destinazione di un'attività di copia.

Sono necessarie le proprietà seguenti:

• Tipo di archivio dati: selezionare Esterno.
• Connessione ion: selezionare una connessione di Azure Data Lake Archiviazione Gen2 dall'elenco delle connessioni. Se non esiste alcuna connessione, creare una nuova connessione di Azure Data Lake Archiviazione Gen2 selezionando Nuovo.
• Connessione tipo: selezionare Azure Data Lake Archiviazione Gen2.
• Percorso file: selezionare Sfoglia per scegliere il file che si vuole copiare o compilare manualmente il percorso.
• Formato file: selezionare il formato di file applicato dall'elenco a discesa. Selezionare Impostazioni per configurare il formato di file. Per le impostazioni di formati di file diversi, vedere articoli in Formato supportato per informazioni dettagliate.

In Avanzate è possibile specificare i campi seguenti:

• Comportamento di copia: definisce il comportamento di copia quando l'origine è file da un archivio dati basato su file. È possibile scegliere un comportamento dall'elenco a discesa.

  

  • Gerarchia flat: tutti i file della cartella di origine si trovano nel primo livello della cartella di destinazione. I file di destinazione hanno nomi generati automaticamente.
  • Unisci file: unisce tutti i file dalla cartella di origine a un unico file. Se si specifica il nome di file, il nome del file unito sarà il nome specificato. In caso contrario, si tratta di un nome file generato automaticamente.
  • Mantieni gerarchia: mantiene la gerarchia di file nella cartella di destinazione. Il percorso relativo del file di origine nella cartella di origine è identico al percorso relativo del file di destinazione nella cartella di destinazione.

• Numero massimo di connessioni simultanee: limite massimo di connessioni simultanee stabilite all'archivio dati durante l'esecuzione dell'attività. Specificare un valore solo quando si desidera limitare le connessioni simultanee.

• Dimensioni blocco (MB): specificare le dimensioni del blocco in MB usate per scrivere dati in Azure Data Lake Archiviazione Gen2. Per altre informazioni, vedere BLOB in blocchi. Il valore consentito è compreso tra 4 MB e 100 MB.

  Per impostazione predefinita, le dimensioni del blocco vengono determinate automaticamente in base al tipo e ai dati dell'archivio di origine. Per la copia non binaria in Azure Data Lake Archiviazione Gen2, le dimensioni predefinite del blocco sono pari a 100 MB in modo da adattarsi al massimo a dati di circa 4,75 TB. Potrebbe non essere ottimale quando i dati non sono di grandi dimensioni. È possibile specificare in modo esplicito una dimensione del blocco, assicurandosi che le dimensioni del blocco (MB)*50000 siano sufficienti per archiviare i dati. In caso contrario, l'esecuzione dell'attività di copia avrà esito negativo.

• Metadati: impostare metadati personalizzati durante la copia in una destinazione. Ogni oggetto sotto la metadata matrice rappresenta una colonna aggiuntiva. name Definisce il nome della chiave di metadati e indica value il valore dei dati di tale chiave. Se viene usata la funzionalità mantieni attributi, i metadati specificati verranno uniti/sovrascritti con i metadati del file di origine.

  I valori dei dati consentiti sono:

  • $$LASTMODIFIED: una variabile riservata indica di archiviare l'ora dell'ultima modifica dei file di origine. Applicare a un'origine basata su file solo con un formato binario.
  • Expression
  • Valore statico

  

Mapping

Per La configurazione della scheda Mapping , passare a Configurare i mapping nella scheda Mapping. Se si sceglie Binary come formato di file, il mapping non è supportato.

Impostazione

Per la configurazione della scheda Impostazioni, passare a Configurare le altre impostazioni nella scheda Impostazioni.

Riepilogo tabella

Le tabelle seguenti contengono altre informazioni sull'attività di copia in Azure Data Lake Archiviazione Gen2.

Informazioni sull'origine

Nome	Descrizione	Valore	Richiesto	Proprietà script JSON
Tipo di archivio dati	Tipo di archivio dati.	Esterno	Sì	/
Connessione	Connessione all'archivio dati di origine.	<connessione di Azure Data Lake Archiviazione Gen2>	Sì	connection
Tipo di connessione	Tipo di connessione. Selezionare Azure Data Lake Archiviazione Gen2.	Azure Data Lake Storage Gen2	Sì	/
Tipo di percorso del file	Tipo di percorso del file da usare.	• Percorso file • Percorso cartella con caratteri jolly, nome file con caratteri jolly •Elenco di file	Sì	• folderPath, fileName, fileSystem • wildcardFolderPath, wildcardFileName, fileSystem • folderPath, fileName, fileListPath
Ricorsivamente	Indica se i dati vengono letti in modo ricorsivo dalle cartelle secondarie o solo dalla cartella specificata. Si noti che quando si seleziona Ricorsivamente e la destinazione è un archivio basato su file, una cartella o una sottocartella vuota non viene copiata o creata nella destinazione. Questa proprietà non si applica quando si configura l'elenco di file Path to file.	selezionato (impostazione predefinita) o deselezionare	No	recursive
Filtrare in base all'ultima modifica	I file con ora dell'ultima modifica nell'intervallo [Ora di inizio, Ora di fine) verranno filtrati per un'ulteriore elaborazione. L'ora verrà applicata al fuso orario UTC nel formato .yyyy-mm-ddThh:mm:ss.fffZ Queste proprietà possono essere ignorate, il che significa che non verrà applicato alcun filtro dell'attributo di file. Questa proprietà non si applica quando si configura il tipo di percorso del file come elenco di file.	datetime	No	modifiedDatetimeStart modifiedDatetimeEnd
Abilitare l'individuazione delle partizioni	Indica se analizzare le partizioni dal percorso del file e aggiungerle come colonne di origine aggiuntive.	selezionato o non selezionato (impostazione predefinita)	No	enablePartitionDiscovery: true o false (impostazione predefinita)
Partition Root Path (Percorso radice partizione)	Quando l'individuazione delle partizioni è abilitata, specificare il percorso radice assoluto per leggere le cartelle partizionate come colonne di dati.	< percorso radice della partizione >	No	partitionRootPath
Numero massimo di connessioni simultanee	Limite massimo di connessioni simultanee stabilite all'archivio dati durante l'esecuzione dell'attività. Specificare un valore solo quando si desidera limitare le connessioni simultanee.	<numero massimo di connessioni simultanee>	No	maxConcurrentConnections
Colonne aggiuntive	Aggiungere altre colonne di dati per archiviare il percorso relativo o il valore statico dei file di origine. L'espressione è supportata per quest'ultima.	• Name •Valore	No	additionalColumns: •Nome •Valore

Informazioni sulla destinazione

Nome	Descrizione	Valore	Richiesto	Proprietà script JSON
Tipo di archivio dati	Tipo di archivio dati.	Esterno	Sì	/
Connessione	Connessione all'archivio dati di destinazione.	<connessione di Azure Data Lake Archiviazione Gen2>	Sì	connection
Tipo di connessione	Tipo di connessione. Selezionare Azure Data Lake Archiviazione Gen2.	Azure Data Lake Storage Gen2	Sì	/
Percorso file	Percorso del file dei dati di destinazione.	< percorso del file >	Sì	folderPath, fileName, fileSystem
Comportamento di copia	Definisce il comportamento di copia quando l'origine è costituita da file di un archivio dati basato su file.	• Appiattire la gerarchia • Unire file • Mantenere la gerarchia	No	copyBehavior: • FlattenHierarchy • MergeFiles • PreserveHierarchy
Numero massimo di connessioni simultanee	Limite massimo di connessioni simultanee stabilite all'archivio dati durante l'esecuzione dell'attività. Specificare un valore solo quando si desidera limitare le connessioni simultanee.	<numero massimo di connessioni simultanee>	No	maxConcurrentConnections
Dimensioni blocco (MB)	Specificare le dimensioni del blocco in MB durante la scrittura di dati in Azure Data Lake Archiviazione Gen2. Il valore consentito è compreso tra 4 MB e 100 MB.	<dimensioni blocco>	No	blockSizeInMB
Metadati UFX	Impostare metadati personalizzati quando si esegue la copia nella destinazione.	• $$LASTMODIFIED •Espressione • Valore statico	No	metadata

Contenuto correlato

• Configurare la connessione di Azure Data Lake Archiviazione Gen2