Udostępnij za pośrednictwem

Rozszerzanie rozwiązania Smart Store Analytics

  • Artykuł

Zaawansowani użytkownicy Smart Store Analytics mogą uzyskiwać dostęp do odpowiednich danych i analiz z poziomu własnego magazynu data lake. Dostęp może być oferowany za pośrednictwem innych usług lub aplikacji, które obsługują definicje Microsoft Azure Data Lake Storage i Common Data Model, na przykład Microsoft Azure Synapse Analytics, Microsoft Azure Data Factory lub Microsoft Power BI.

Ważne

Należy użyć serwera Microsoft Azure Data Lake Storage Gen2, ponieważ witryna Microsoft Azure Data Lake Storage będzie niezgodna.

Model danych Smart Store Analytics jest zgodny z szablonami bazy danych Azure Synapse dla handlu detalicznego , jest wzbogacony o specyfikę Smart Store Analytics i upraszcza połączenie innych aplikacji z lake data.

Struktura Smart Store Analytics data lake

Data lake Smart Store Analytics postępuje zgodnie z definicją Common Data Model (metadane Common Data Model).

Na obrazie przedstawiono strukturę analizy danych Smart Store Analytics.

Folder główny o nazwie smartstores/. W folderze głównym znajdują się dwie migawki danych:

Dane przekształcine od dostawcy magazynu inteligentnego (nieprzetworzone dane magazynu inteligentnego)

Główny manifest Common Data Model dla nieprzetworzonych danych to root.manifest.cdm.json. Plik manifestu odnosi się na przykład do plików schematu i rzeczywistych plików danych znajdujących się w podfolderach (nazwanych tak od tabel) smartstores/Order/.

Podfolder każdej tabeli zawiera:

  • plik schematu, który definiuje metadane tabeli, kolumny i typy w formacie table-name.cdm.json , na przykład Order.cdm.json

  • Pliki danych, znane również jako partycje danych lub rekordy tabel, w formacie parquet, na przykład Order-cec9368060a849b8aab7583b62b506eb-00001.parquet

Dane generowane przez moduły Retail Analytical i AI z nieprzetworzonych danych inteligentnego sklepu

Wszystkie wygenerowane dane znajdują się w folderze o nazwie GUID, na przykład smartstores/14a7334b-7176-ed11-9985-00224804e0d0/. Główny manifest Common Data Model dla nieprzetworzonych danych to kpi.manifest.cdm.json. Plik manifestu odnosi się do plików schematu i rzeczywistych plików danych znajdujących się w folderze o nazwie GUID.

Folder o nazwie GUID zawiera:

  • Plik schematu dla każdej tabeli, który definiuje metadane tabeli, kolumny i typy, w formacie table-name.cdm.json na przykład, OrderMetrics.cdm.json

  • Pliki danych, znane również jako partycje danych lub rekordy tabel, w formacie parquet, na przykład part-00000-1e110bf0-6474-400b-b40a-086fce9f8e2a-c000.snappy.parquet

Ważne

Zgodnie z kontraktem metadanych common data model, użytkownicy potrzebują danych tylko z plików manifest.cdm.json . Nie muszą zinterpretować struktury folderów ani innych plików wewnętrznych obecnych w danych.

Wykorzystanie Smart Store Analytics data lake

Poniżej przedstawiono kilka przykładów danych synchronizowanych z analizy/analizą AI wygenerowanych przez Microsoft Cloud for Retail.

Potok danych z Microsoft Azure Data Factory

Aby utworzyć potok danych:

  1. Utwórz instancję usługi Azure Data Factory i połącz ją z magazynem Data Lake usługi Smart Store Analytics. Powinna zostać powiązana usługa z udanym testem połączenia.

Obraz przedstawia sposób tworzenia połączonej usługi Azure Data Factory.

Uwaga

Najprostszym sposobem połączenia wystąpienia Azure Data Factory Azure z Azure Data Lake Storage do jest przypisanie roli zabezpieczeń współautor do tożsamości zarządzanej Azure Data Factory w ramach konta Azure Data Lake Storage. Szczegółowe informacje można znaleźć w dokumentacji Azure Data Factory.

  1. Wybierz Publikuj wszystko, aby opublikować nowe łącze.

Obraz przedstawia sposób publikowania połączonej usługi Azure Data Factory.

Utwórz potok danych za pomocą Microsoft Azure Data Factory

Aby utworzyć potok kopiowania dla folderu smartstores/ jako źródło, wykonaj następujące czynności:

  1. W sekcji Autor wybierz pozycję Nowy przepływ danych, aby utworzyć nowy przepływ danych.

Obraz pokazuje, jak utworzyć nowy przepływ danych.

  1. Rozpocznij debugowanie, aby szybciej sprawdzić konfigurację potoku.

Obraz pokazuje, jak rozpocząć debugowanie przepływu danych.

  1. Skonfiguruj ustawienia źródłowe w następujący sposób:
  • W Typ źródła wybierz śródwierszowy.

Obraz przedstawia wybrany typ źródła wbudowanego.

  • W Typ zestaw danych śródwierszowych: Wybierz wspólny model danych.

Obraz przedstawia wspólny model danych jako źródło w tekście.

  • Użyj łącza Azure Data Lake Storage utworzonego dla magazynu data lake Smart Store Analytics.

Obraz przedstawia korzystanie z usługi połączonej dla usługi Data Lake.

  1. W sekcji Opcje źródła skonfiguruj źródło schematu Common Data Model w następujący sposób:
  • W Format metadanych wybierz Manifest.

Obraz przedstawia wybieranie dokumentu jako formatu metadanych.

  • W lokalizacji głównej należy przeglądać i wybrać smartstores.

  • W sekcji Plik manifestu przejdź do wymaganego manifestu głównego. Wybierz plik główny dla danych analitycznych i analiz AI kpi.manifest.cdm.json.

    Obraz pokazuje wybieranie pliku root manifestu

  • W sekcji Jednostka wybierz jednostkę (tabelę), którą chcesz skopiować/przekształcić, na przykład FBTProductAssociationsUI z pakietu Często kupowane razem.

Na obrazie pokazano, jak często pokazano, jak często pokazano.

  1. Na karcie Pochyłki wybierz opcję Zezwalaj na schemat. Ten wybór zapewni, że schemat nie zostanie zweryfikowany u źródła, ale przejdzie do innych kroków transformacji/ujścia.

Obrazy pokazują, co umożliwia schemat.

  1. Na karcie Podgląd danych wybierz opcję Przeładuj , aby sprawdzić poprawność źródło danych konfiguracji.

Obraz przedstawia sprawdzanie poprawności źródła danych.

  1. Dodaj krok ujścia — ustaw parametry i mapowanie danych zgodnie z wymaganiami swojego scenariusza.

  2. Wybierz Publikuj, aby opublikować zmiany.