Mapeamento de tutoriais em vídeo de fluxo de dados
APLICA-SE A:
Azure Data Factory Azure Synapse Analytics
Dica
Experimente o Data Factory no Microsoft Fabric, uma solução de análise tudo-em-um para empresas. O Microsoft Fabric abrange desde movimentação de dados até ciência de dados, análise em tempo real, business intelligence e relatórios. Saiba como iniciar uma avaliação gratuita!
Veja a seguir uma lista de tutoriais em vídeo sobre o fluxo de dados de mapeamento criados pela equipe do Azure Data Factory.
À medida que atualizações são feitas constantemente no produto, alguns recursos passam a ter funcionalidade adicional ou diferente da experiência do usuário atual do Azure Data Factory.
Introdução
Introdução aos fluxos de dados de mapeamento no Azure Data Factory
Depuração e desenvolvimento de fluxos de dados de mapeamento
Depuração e teste de fluxos de dados de mapeamento.
Ações rápidas na visualização de dados
Monitorar e gerenciar o desempenho do fluxo de dados de mapeamento
Tempos de parâmetro de comparação
Fluxos de trabalho de depuração para fluxos de dados
Exibição de monitoramento atualizada
Visões gerais de transformação
Atualizações e dicas da Transformação Pesquisa
Transformação dinâmica: mapeamento de colunas com descompasso
Transformação Selecionar: mapeamento baseado em regras
Transformação Selecionar: Conjuntos de dados grandes
Transformação de Chave alternativa
Transformação de colunas em linhas
Transformação Divisão Condicional
Junções dinâmicas e pesquisas dinâmicas
Transformação de conversão em cadeia de caracteres
Transformação de chamada externa
Transformar dados hierárquicos
Contexto de linha por meio da transformação de Janela
Transformar tipos de dados complexos
Saída para a próxima atividade
Transformação de conversão em cadeia de caracteres
Transformação de chamada externa
Linhas de erros de declaração de log
Fonte e coletor
Parquet e arquivos de texto delimitados
Inferir tipos de dados em arquivos de texto delimitados
Lendo e gravando arquivos particionados
Transformar e criar várias tabelas SQL
Particionar arquivos no data lake
Padrão de carga do data warehouse
Opções de saída do arquivo data lake
Otimizando fluxos de dados de mapeamento
Iterar arquivos com parâmetros
Diminuir tempos de inicialização
Desempenho do Banco de Dados SQL
Otimizar dinamicamente o tamanho do cluster de fluxo de dados em runtime
Otimizar os horários de inicialização do fluxo de dados
Azure Integration Runtimes para fluxos de dados
Tempo de inicialização rápido do cluster com o Azure IR
Cenários de fluxo de dados de mapeamento
Dimensões de alteração lenta tipo 1: substituição
Dimensões de alteração lenta tipo 2: histórico
Carregamento de tabela de fatos
Transformar o SQL Server local com o padrão de carregamento de dados delta
Linhas distintas e contagens de linhas
Manipulação de erros de truncamento
Mascaramento de dados para dados confidenciais
Modelos lógicos vs. modelos físicos
Detectar alterações de dados de origem
Dimensão de alteração lenta Tipo genérico 2
Excluir linhas no destino quando não estiver presente na origem
Carregamento de dados incrementais com o Azure Data Factory e o BD SQL do Azure
Transformar dados do Avro por meio dos Hubs de Eventos usando a Análise e o Nivelamento
Expressões de fluxo de dados
Divisão de matrizes e instrução Case
Diversão com parâmetros e interpolação de cadeia de caracteres
Introdução ao script do Fluxo de Dados: copiar, colar, snippets
Expressões de qualidade de dados
Expressões dinâmicas como parâmetros
Funções definidas pelo usuário
Metadados
Comentários
Em breve: Ao longo de 2024, eliminaremos os problemas do GitHub como o mecanismo de comentários para conteúdo e o substituiremos por um novo sistema de comentários. Para obter mais informações, consulte https://aka.ms/ContentUserFeedback.
Enviar e exibir comentários de