Przekształcanie przepływu podrzędnego w przepływie danych mapowania

DOTYCZY: Azure Data Factory Azure Synapse Analytics

Wskazówka

Data Factory w usłudze Microsoft Fabric jest następną generacją Azure Data Factory z prostszą architekturą, wbudowaną sztuczną inteligencją i nowymi funkcjami. Jeśli dopiero zaczynasz integrować dane, zacznij od Fabric Data Factory. Istniejące obciążenia ADF można zaktualizować do Fabric, aby uzyskać dostęp do nowych możliwości w zakresie nauki o danych, analiz w czasie rzeczywistym oraz raportowania.

• Rozpocznij bezpłatny okres próbny Fabric.
• Ugraduj z Azure Data Factory do usługi Data Factory w Microsoft Fabric

Przepływy danych są dostępne zarówno w potokach Azure Data Factory, jak i w potokach Azure Synapse Analytics. Ten artykuł dotyczy przepływów danych mapowania. Jeśli dopiero zaczynasz z przekształceń danych, zapoznaj się z artykułem wprowadzającym Przekształcanie danych przy użyciu przepływów mapowania danych.

Użyj transformacji flowlet, aby uruchomić wcześniej utworzony flowlet mapowania danych. Aby zapoznać się z omówieniem flowletów, zobacz Flowlets w przepływie danych mapowania | Microsoft Docs

Uwaga

Transformacja przepływu w potokach Azure Data Factory i Synapse Analytics jest obecnie dostępna w publicznej wersji zapoznawczej

Konfigurowanie

Przekształcenie flowletu zawiera następujące ustawienia konfiguracji

Przepływ

Wybierz flowlet do uruchomienia. Po wybraniu podprzepływu będzie można mapować kolumny wejściowe, jeśli takie istnieją, na karcie mapowania.

Mapowanie

Jeśli wybrany element przepływu ma kolumny wejściowe, możesz mapować kolumny ze strumienia wejściowego na oczekiwane kolumny wejściowe w tym elemencie. To mapowanie kolumn przepływu danych mapowania na przepływ umożliwia przepływom wielokrotnego użytku służyć jako fragmenty logiki przepływu mapowania danych, które mogą być wykorzystywane w potencjalnie wielu przepływach danych mapowania.

Skrypt przepływu danych

Składnia

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

Przykład

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