Condividi tramite


Configurare Lakehouse in un'attività di copia

Questo articolo illustra come usare l'attività di copia in una pipeline di dati per copiare dati da e in Fabric Lakehouse. Per impostazione predefinita, i dati vengono scritti nella tabella Lakehouse in V-Order ed è possibile passare a Ottimizzazione tabella Delta Lake e V-Order per altre informazioni.

Formato supportato

Lakehouse supporta i formati di file seguenti. Per impostazioni basate sui formati, fare riferimento ai singoli articoli.

Configurazione supportata

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

Generali

Per la configurazione della scheda Generale , passare a Generale.

Origine

Le proprietà seguenti sono supportate per Lakehouse nella scheda Origine di un'attività di copia.

Screenshot che mostra la scheda origine e l'elenco delle proprietà.

Sono necessarie le proprietà seguenti:

  • Tipo di archivio dati: selezionare Area di lavoro.

  • Tipo di archivio dati dell'area di lavoro: selezionare Lakehouse dall'elenco dei tipi di archivio dati.

  • Lakehouse: selezionare una lakehouse esistente dall'area di lavoro. Se non esiste alcuno, creare una nuova lakehouse selezionando Nuovo. Se si usa Aggiungi contenuto dinamico per specificare lakehouse, aggiungere un parametro e specificare l'ID oggetto Lakehouse come valore del parametro. Per ottenere l'ID oggetto Lakehouse, aprire lakehouse nell'area di lavoro e l'ID è dopo /lakehouses/nell'URL.

    Screenshot che mostra l'ID oggetto Lakehouse.

  • Cartella radice: selezionare Tabelle o file, che indica la visualizzazione virtuale dell'area gestita o non gestita nel lago. Per altre informazioni, vedere Introduzione a Lakehouse.

    • Se si seleziona Tabelle:

      • Nome tabella: scegliere una tabella esistente dall'elenco di tabelle o specificare un nome di tabella come origine.
      • In Avanzate è possibile specificare i campi seguenti:
        • Timestamp: specificare per eseguire una query su uno snapshot precedente in base al timestamp.
        • Versione: specificare per eseguire una query su uno snapshot precedente in base alla versione.
        • Colonne aggiuntive: aggiungere altre colonne di dati al percorso relativo o al valore statico dei file di origine dell'archivio. L'espressione è supportata per quest'ultima.

      È supportata la versione 1 del lettore. In questo articolo sono disponibili le funzionalità delta Lake supportate corrispondenti.

    • Se si seleziona File:

      • Tipo di percorso file: è possibile scegliere Percorso file, Percorso file con caratteri jolly o Elenco di file come tipo di percorso del file. L'elenco seguente descrive la configurazione di ogni impostazione:

        Screenshot che mostra il percorso del file.

        • Percorso file: selezionare Sfoglia per scegliere il file che si vuole copiare o compilare manualmente il percorso.

        • Percorso del file con caratteri jolly: specificare la cartella o il percorso del file con caratteri jolly nell'area non gestita di Lakehouse specificata (in File) per filtrare le cartelle o i 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 o del file contiene caratteri jolly o questo carattere di escape.

          • Percorso della cartella con caratteri jolly: percorso della cartella nel contenitore specificato. Se si vuole usare un carattere jolly per filtrare la cartella, ignorare questa impostazione e specificare le informazioni nelle impostazioni dell'origine attività.

          • Nome file con caratteri jolly: nome del file nell'area non gestita specificata di Lakehouse (in File) e nel percorso della cartella.

            Screenshot che mostra il percorso del file con caratteri jolly.

        • Elenco di file: indica di copiare un determinato set di file.

          • Percorso cartella: punta a una cartella che include i file da copiare.
          • Percorso dell'elenco di file: punta a un file di testo che include un elenco di file da copiare, un file per riga, ovvero il percorso relativo del percorso del file configurato.

          Screenshot che mostra il percorso dell'elenco di file.

      • Ricorsivamente: indica se i dati vengono letti in modo ricorsivo dalle sottocartelle o solo dalla cartella specificata. Se abilitata, tutti i file nella cartella di input e le relative sottocartelle vengono elaborati in modo ricorsivo. Questa proprietà non si applica quando si configura il tipo di percorso del file come elenco di file.

      • Formato file: selezionare il formato di file dall'elenco a discesa. Selezionare il pulsante 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: i file vengono selezionati se l'ora dell'ultima modifica è maggiore o uguale all'ora configurata.
          • Ora di fine: i file vengono selezionati se l'ora dell'ultima modifica è inferiore all'ora configurata.
        • Abilita individuazione partizione: per i file partizionati, specificare se analizzare le partizioni dal percorso del file e aggiungerle come colonne di origine aggiuntive.
          • 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.
        • Numero massimo di connessioni simultanee: 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.

Destinazione

Le proprietà seguenti sono supportate per Lakehouse nella scheda Destinazione di un'attività di copia.

Screenshot che mostra la scheda di destinazione.

Sono necessarie le proprietà seguenti:

  • Tipo di archivio dati: selezionare Area di lavoro.

  • Tipo di archivio dati dell'area di lavoro: selezionare Lakehouse dall'elenco dei tipi di archivio dati.

  • Lakehouse: selezionare una lakehouse esistente dall'area di lavoro. Se non esiste alcuno, creare una nuova lakehouse selezionando Nuovo. Se si usa Aggiungi contenuto dinamico per specificare lakehouse, aggiungere un parametro e specificare l'ID oggetto Lakehouse come valore del parametro. Per ottenere l'ID oggetto Lakehouse, aprire lakehouse nell'area di lavoro e l'ID è dopo /lakehouses/nell'URL.

    Screenshot che mostra l'ID oggetto Lakehouse.

  • Cartella radice: selezionare Tabelle o file, che indica la visualizzazione virtuale dell'area gestita o non gestita nel lago. Per altre informazioni, vedere Introduzione a Lakehouse.

    • Se si seleziona Tabelle:

      • Nome tabella: scegliere una tabella esistente dall'elenco di tabelle o specificare un nome di tabella come destinazione.

        Screenshot che mostra il nome della tabella.

      • In Avanzate è possibile specificare i campi seguenti:

        • Numero massimo di righe per file: specificare le righe massime per ogni file durante la scrittura di dati in Lakehouse.

        • Azioni tabella: specificare l'operazione sulla tabella selezionata.

          • Accoda: accoda nuovi valori alla tabella esistente.

            • Abilita partizione: questa selezione consente di creare partizioni in una struttura di cartelle in base a una o più colonne. Ogni valore di colonna distinto (coppia) è una nuova partizione. Ad esempio, "year=2000/month=01/file".
              • Nome colonna partizione: selezionare tra le colonne di destinazione nel mapping degli schemi quando si aggiungono dati a una nuova tabella. Quando si aggiungono dati a una tabella esistente che dispone già di partizioni, le colonne di partizione vengono derivate automaticamente dalla tabella esistente. I tipi di dati supportati sono stringa, integer, booleano e datetime. Il formato rispetta le impostazioni di conversione dei tipi nella scheda Mapping .
          • Sovrascrittura: sovrascrivere i dati e lo schema esistenti nella tabella usando i nuovi valori. Se questa operazione è selezionata, è possibile abilitare la partizione nella tabella di destinazione:

            • Abilita partizione: questa selezione consente di creare partizioni in una struttura di cartelle in base a una o più colonne. Ogni valore di colonna distinto (coppia) è una nuova partizione. Ad esempio, "year=2000/month=01/file".
              • Nome colonna partizione: selezionare le colonne di destinazione nel mapping degli schemi. I tipi di dati supportati sono stringa, integer, booleano e datetime. Il formato rispetta le impostazioni di conversione dei tipi nella scheda Mapping .

            Supporta il viaggio in tempo delta Lake. La tabella sovrascritta include log differenziali per le versioni precedenti, a cui è possibile accedere in Lakehouse. È anche possibile copiare la tabella della versione precedente da Lakehouse specificando Version nell'origine dell'attività di copia.

        • 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.

      È supportata la versione 2 del writer. In questo articolo sono disponibili le funzionalità delta Lake supportate corrispondenti.

    • Se si seleziona File:

      • Percorso file: selezionare Sfoglia per scegliere il file che si vuole copiare o compilare manualmente il percorso.

        Screenshot che mostra il percorso dei file nella destinazione.

      • Formato file: selezionare il formato di file 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 Aggiungi contenuto dinamico, Nessuno, Flatten hierarchy o Preserve hierarchy (Mantieni gerarchia ) come comportamento di copia. La configurazione di ogni impostazione è:

          • Aggiungi contenuto dinamico: per specificare un'espressione per un valore della proprietà, selezionare Aggiungi contenuto dinamico. Questo campo apre il generatore di espressioni in cui è possibile compilare espressioni da variabili di sistema supportate, output di attività, funzioni e variabili o parametri specificati dall'utente. Per altre informazioni sul linguaggio delle espressioni, vedere Espressioni e funzioni.

          • Nessuno: scegliere questa selezione per non usare alcun comportamento di copia.

          • 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.

          • Mantieni gerarchia: mantiene la gerarchia di file nella cartella di destinazione. Il percorso relativo di un file di origine nella cartella di origine è identico al percorso relativo di un file di destinazione alla cartella di destinazione.

            Screenshot che mostra il comportamento di copia.

        • 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 durante la scrittura di dati in Lakehouse. Il valore consentito è compreso tra 4 MB e 100 MB.

        • Metadati: impostare metadati personalizzati durante la copia nell'archivio dati di 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 si usa la funzionalità di conservazione degli 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 formato binario.

          • Espressione

          • Valore statico

            Screenshot che mostra i metadati.

Mapping

Per la configurazione della scheda Mapping , se non si applica la tabella Lakehouse come archivio dati di destinazione, passare a Mapping.

Se si applica la tabella Lakehouse come archivio dati di destinazione, ad eccezione della configurazione in Mapping, è possibile modificare il tipo per le colonne di destinazione. Dopo aver selezionato Importa schemi, è possibile specificare il tipo di colonna nella destinazione.

Ad esempio, il tipo per la colonna PersonID nell'origine è int ed è possibile modificarlo in tipo stringa quando si esegue il mapping alla colonna di destinazione.

Screenshot del mapping del tipo di colonna di destinazione.

Nota

La modifica del tipo di destinazione non è attualmente supportata quando l'origine è di tipo decimale.

Se si sceglie Binary come formato di file, il mapping non è supportato.

Impostazione

Per la configurazione della scheda Impostazioni, passare a Impostazioni.

Riepilogo tabella

Le tabelle seguenti contengono altre informazioni su un'attività di copia in Lakehouse.

Informazioni sull'origine

Nome Descrizione Valore Richiesto Proprietà script JSON
Tipo di archivio dati Tipo di archivio dati. Area di lavoro /
Tipo di archivio dati dell'area di lavoro Sezione per selezionare il tipo di archivio dati dell'area di lavoro. Lakehouse type
Lakehouse La Lakehouse usata come origine. <la vostra lakehouse> workspaceId
artifactId
Cartella radice Tipo della cartella radice. * Tabelle
* File
No rootFolder:
Tabella o file
Nome tabella Nome della tabella da leggere. <nome tabella> Sì quando si seleziona Tabelle nella cartella radice tavolo
(under typeProperties ->source ->typeProperties)
Timestamp: Timestamp per eseguire una query su uno snapshot precedente. <timestamp> No timestampAsOf
Versione Versione per eseguire una query su uno snapshot precedente. <version> No versionAsOf
Colonne aggiuntive Colonne di dati aggiuntive per archiviare il percorso relativo o il valore statico dei file di origine. L'espressione è supportata per quest'ultima. *Nome
*Valore
No additionalColumns:
*Nome
*Valore
Tipo di percorso del file Tipo del percorso del file utilizzato. * Percorso file
* Percorso del file con caratteri jolly
* Elenco di file
/
Percorso file Copiare dal percorso a una cartella o un file nell'archivio dati di origine. Applicare quando si sceglie Percorso file nel tipo percorso file. <Percorso file> Sì quando si sceglie Percorso file folderPath*
*Filename
Percorsi con caratteri jolly Percorso della cartella con caratteri jolly nell'archivio dati di origine configurato per filtrare le cartelle di origine. Applicare quando si sceglie Il percorso del file con caratteri jolly nel tipo di percorso file. <percorsi con caratteri jolly> Sì quando si sceglie il percorso del file con caratteri jolly * wildcardFolderPath
* wildcardFileName
Percorso cartella Punta a una cartella che include i file da copiare. Applica quando si sceglie Elenco di file nel tipo di percorso file. <percorso cartella> No folderPath
Percorso dell'elenco di file Indica di copiare un determinato set di file. Puntare a un file di testo che include un elenco di file da copiare, un file per riga, ovvero il percorso relativo al percorso configurato. Applica quando si sceglie Elenco di file nel tipo di percorso file. <percorso dell'elenco di file> No fileListPath
Ricorsivamente Elaborare tutti i file nella cartella di input e nelle relative sottocartelle in modo ricorsivo o solo quelli nella cartella selezionata. Questa impostazione è disabilitata quando viene selezionato un singolo file. selezionare o deselezionare No Ricorsive:
true o false
Formato file Formato del file utilizzato. <formato di file> type (in formatSettings):
DelimitedTextRead Impostazioni
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 viene applicata al fuso orario UTC nel formato .yyyy-mm-ddThh:mm:ss.fffZ

Questa proprietà può essere ignorata, il che significa che non viene 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.
* Ora di inizio
* Ora fine
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 No enablePartitionDiscovery:
true o false (impostazione predefinita)
Partition Root Path (Percorso radice partizione) Percorso radice della partizione assoluta 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. Un valore è necessario solo quando si desidera limitare le connessioni simultanee. <numero massimo di connessioni simultanee> No maxConcurrentConnections

Informazioni sulla destinazione

Nome Descrizione Valore Richiesto Proprietà script JSON
Tipo di archivio dati Tipo di archivio dati. Area di lavoro /
Tipo di archivio dati dell'area di lavoro Sezione per selezionare il tipo di archivio dati dell'area di lavoro. Lakehouse type
Lakehouse La Lakehouse usata come destinazione. <la vostra lakehouse> workspaceId
artifactId
Cartella radice Tipo della cartella radice. * Tabelle
* File
rootFolder:
Tabella o file
Nome tabella Nome della tabella in cui si desidera scrivere i dati. <nome della tabella> Sì quando si seleziona Tabelle nella cartella radice tavolo
(under typeProperties ->sink ->typeProperties)
Numero massimo di righe per file Quando si scrivono dati in una cartella, è possibile scegliere di scrivere in più file e specificare il numero massimo di righe per file. <max rows per flie> No maxRowsPerFile
Azione tabella Aggiungere nuovi valori a una tabella esistente o sovrascrivere i dati e lo schema esistenti nella tabella usando i nuovi valori. * Aggiunta
* Overwrite
No tableActionOption:
Accodare o sovrascrivere
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
Percorso file Scrivere dati nel percorso di una cartella o di un file nell'archivio dati di destinazione. <Percorso file> No folderPath*
*Filename
Formato file Formato del file utilizzato. <formato di file> type (in formatSettings):
DelimitedTextWrite Impostazioni
Comportamento di copia Comportamento di copia definito quando l'origine è file da un archivio dati basato su file. * Aggiungere contenuto dinamico
* Nessuno
* Appiattire la gerarchia
* Mantenere la gerarchia
No copyBehavior:


* FlattenHierarchy
* PreserveHierarchy
Dimensioni blocco (MB) Dimensione del blocco in MB usata per scrivere dati in Lakehouse. Il valore consentito è compreso tra 4 MB e 100 MB. <dimensioni blocco> No blockSizeInMB
Metadati UFX Set di metadati personalizzati durante la copia in una destinazione. * $$LASTMODIFIED
*Espressione
* Valore statico
No metadata