Videozelfstudies om gegevens toe te wijzen
VAN TOEPASSING OP:
Azure Data Factory Azure Synapse Analytics
Tip
Probeer Data Factory uit in Microsoft Fabric, een alles-in-één analyseoplossing voor ondernemingen. Microsoft Fabric omvat alles, van gegevensverplaatsing tot gegevenswetenschap, realtime analyses, business intelligence en rapportage. Meer informatie over het gratis starten van een nieuwe proefversie .
Hieronder vindt u een lijst met videozelfstudies over toewijzingsgegevensstromen die zijn gemaakt door het Azure Data Factory-team.
Aangezien het product steeds wordt bijgewerkt, hebben sommige functies in de huidige Azure Data Factory gebruikerservaring toegevoegde of andere functionaliteit.
Aan de slag
Aan de slag met toewijzingsgegevensstromen in Azure Data Factory
Foutopsporing en ontwikkelen van toewijzingsgegevensstromen
Foutopsporing en testen van toewijzingsgegevensstromen
Snelle acties voor voorbeeldweergave van gegevens
Prestaties van toewijzingsgegevensstromen controleren en beheren
Fouten opsporen in werkstromen voor gegevensstromen
Transformatieoverzichten
Updates en tips voor opzoektransformatie
Draaitabeltransformatie: gedrifte kolommen toewijzen
Transformatie selecteren: toewijzing op basis van regels
Transformatie selecteren: Grote gegevenssets
Draaitabel opheffen-transformatie
Conditional Split-transformatie
Dynamische joins en dynamische opzoekacties
Transformatie van externe aanroep
Hiërarchische gegevens transformeren
In de cache opgeslagen zoekopdrachten
Rijcontext via Window-transformatie
Complexe gegevenstypen transformeren
Uitvoer naar volgende activiteit
Transformatie van externe aanroep
Foutrijen vastleggen in logboek
Bron en sink
Parquet- en tekstbestanden met scheidingstekens
Gegevenstypen afleiden in tekstbestanden met scheidingstekens
Gepartitioneerde bestanden lezen en schrijven
Meerdere SQL-tabellen transformeren en maken
Bestanden partitioneren in de data lake
Uitvoeropties voor data lake-bestand
Toewijzingsgegevensstromen optimaliseren
Bestanden met parameters herhalen
Logboekregistratie en bewaking
Clustergrootte van gegevensstroom dynamisch optimaliseren tijdens runtime
Starttijden voor gegevensstroom optimaliseren
Azure Integration Runtimes voor gegevensstromen
Opstarttijd voor snel cluster met Azure IR
Scenario's van toewijzingsgegevensstromen
Langzaam veranderende dimensies type 1: overschrijven
Langzaam veranderende dimensies type 2: geschiedenis
SQL Server on-premises transformeren met een patroon voor het laden van deltagegevens
Afzonderlijke rijen en aantal rijen
Intelligente gegevens routeren
Gegevensmaskering voor gevoelige gegevens
Logische modellen versus fysieke modellen
Wijzigingen in brongegevens detecteren
Langzaam veranderende dimensie algemeen type 2
Rijen in doel verwijderen wanneer deze niet aanwezig zijn in de bron
Incrementeel gegevens laden met Azure Data Factory en Azure SQL DB
Avro-gegevens van Event Hubs transformeren met behulp van parseren en plat maken
Gegevensstroomexpressies
Matrixen splitsen en Case-instructie
Plezier met interpolatie van tekenreeksen en parameters
Gegevensstroom Script Intro: Kopiëren, Plakken, Fragmenten
Samenvoegingsfunctie verzamelen
Dynamische expressies als parameters
Door de gebruiker gedefinieerde functies
Metagegevens
Feedback
Binnenkort beschikbaar: In de loop van 2024 zullen we GitHub-problemen geleidelijk uitfaseren als het feedbackmechanisme voor inhoud en deze vervangen door een nieuw feedbacksysteem. Zie voor meer informatie: https://aka.ms/ContentUserFeedback.
Feedback verzenden en weergeven voor