Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
GILT FÜR:
Azure Data Factory Azure Synapse Analytics
Tipp
Testen Sie Data Factory in Microsoft Fabric, eine All-in-One-Analyselösung für Unternehmen. Microsoft Fabric deckt alle Aufgaben ab, von der Datenverschiebung bis hin zu Data Science, Echtzeitanalysen, Business Intelligence und Berichterstellung. Erfahren Sie, wie Sie kostenlos eine neue Testversion starten!
Datenflüsse sind sowohl in Azure Data Factory-Pipelines als auch in Azure Synapse Analytics-Pipelines verfügbar. Dieser Artikel gilt für Datenflusszuordnungen. Wenn Sie mit Transformationen noch nicht fertig sind, lesen Sie den einführungsartikel Transformieren von Daten mithilfe von Zuordnungsdatenflüssen.
Verwenden Sie die Flowlet-Transformation, um ein zuvor erstelltes Mapping-Datenfluss-Flowlet auszuführen. Eine Übersicht über Flowlets finden Sie unter Flowlets in Zuordnungsdatenflüssen | Microsoft-Dokumentation.
Hinweis
Derzeit befindet sich die Flowlet-Transformation in Azure Data Factory und Synapse Analytics Pipelines in der öffentlichen Vorschau.
Konfiguration
Die Flowlettransformation enthält die folgenden Konfigurationseinstellungen:
Flowlet
Wählen Sie das Flowlet aus, das ausgeführt werden soll. Sobald das Flowlet ausgewählt ist, können Sie Eingabespalten auf dem Zuordnungs-Tab zuordnen, falls vorhanden.
Zuordnung
Wenn das ausgewählte Flowlet Eingabespalten enthält, können Sie Spalten aus dem Eingabestream den erwarteten Eingabespalten im Flowlet zuordnen. Diese Zuordnung der Spalten des Zuordnungsdatenflusses zum Flowlet ermöglicht es, dass Flowlets als wiederverwendbare Ausschnitte der Logik des Zuordnungsdatenflusses für potenziell viele Zuordnungsdatenflüsse genutzt werden können.
Datenflussskript
Syntax
<incomingStream>
<transformation> ~> <transformationName>
<outputStream>
Beispiel
source1 derive(Test = "test") ~> DerivedColumn1
DerivedColumn1 output() ~> output1