Flödestransformering i mappning av dataflöde

GÄLLER FÖR: Azure Data Factory Azure Synapse Analytics

Dricks

Prova Data Factory i Microsoft Fabric, en allt-i-ett-analyslösning för företag. Microsoft Fabric omfattar allt från dataflytt till datavetenskap, realtidsanalys, business intelligence och rapportering. Lär dig hur du startar en ny utvärderingsversion kostnadsfritt!

Dataflöden är tillgängliga både i Azure Data Factory och Azure Synapse Pipelines. Den här artikeln gäller för mappning av dataflöden. Om du är nybörjare på transformeringar kan du läsa den inledande artikeln Transformera data med hjälp av ett mappningsdataflöde.

Använd flödestransformeringen för att köra en tidigare skapad flödesflöde för mappningsdataflöde. En översikt över flödesflöden finns i Flowlets i mappning av dataflöde | Microsoft Docs

Kommentar

Flödestransformeringen i Azure Data Factory- och Synapse Analytics-pipelines är för närvarande i offentlig förhandsversion

Konfiguration

Flödestransformeringen innehåller följande konfigurationsinställningar

Flowlet

Välj den flowlet som ska köras. När flödesflödet har valts kan du mappa eventuella indatakolumner på mappningsfliken.

Mappning

Om det valda flödet har indatakolumner kan du mappa kolumner från indataströmmen till de förväntade indatakolumnerna i flödesflödet. Den här mappningen av dina mappningsdataflödeskolumner till flödesflödet gör det möjligt för flödena att fungera som återanvändbara kodfragment för att mappa dataflödeslogik över potentiellt många mappningsdataflöden.

Dataflödesskript

Syntax

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

Exempel

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