Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
APLICA-SE A:
Azure Data Factory Azure Synapse Analytics
Dica
Data Factory no Microsoft Fabric é a próxima geração de Azure Data Factory, com uma arquitetura mais simples, IA interna e novos recursos. Se você não estiver familiarizado com a integração de dados, comece com Fabric Data Factory. As cargas de trabalho existentes do ADF podem ser atualizadas para Fabric para acessar novos recursos em ciência de dados, análise em tempo real e relatórios.
A seguir, uma lista de vídeos tutoriais sobre fluxos de dados com mapeamento criados pela equipe do Azure Data Factory.
Como as atualizações são constantemente feitas no produto, alguns recursos têm funcionalidades adicionais ou diferentes na experiência do usuário atual do Azure Data Factory.
Introdução
Introdução ao mapeamento de fluxos de dados 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
Fluxos de trabalho de depuração para fluxos de dados
Exibição de monitoramento atualizada
Visões gerais de transformação
Transformação de Coluna Derivada
Atualizações e dicas da Transformação de Pesquisa
Transformação de pivô: mapeamento de colunas deslocadas
Selecionar transformação: mapeamento baseado em regras
Selecionar Transformação: Grandes Conjuntos de Dados
Transformação de Chave substituta
Transformação de Divisão Condicional
Junções dinâmicas e consultas 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
Registro de eventos e auditoria
Otimizar dinamicamente o tamanho do cluster de fluxo de dados em runtime
Otimizar os horários de inicialização do fluxo de dados
Ambientes de Execução de Integração do Azure para Fluxos de Dados
Tempo de inicialização rápido do cluster com Azure IR
Mapeamento de cenários de fluxo de dados
Dimensões de alteração lenta tipo 1: substituição
Dimensões de alteração lenta tipo 2: histórico
Carregamento de tabela de fatos
Transforme o SQL Server localmente com o padrão de carregamento de dados delta
Linhas distintas e contagem 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
Carga incremental de dados com Azure Data Factory e SQL do Azure DB
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 de Fluxo de Dados: Copiar, Colar, Trechos
Expressões de qualidade de dados
Expressões dinâmicas como parâmetros
Funções definidas pelo usuário