Tutoriels vidéo sur le flux de données de mappage
S’APPLIQUE À :
Azure Data Factory Azure Synapse Analytics
Conseil
Essayez Data Factory dans Microsoft Fabric, une solution d’analyse tout-en-un pour les entreprises. Microsoft Fabric couvre tous les aspects, du déplacement des données à la science des données, en passant par l’analyse en temps réel, l’aide à la décision et la création de rapports. Découvrez comment démarrer un nouvel essai gratuitement !
Vous trouverez ci-dessous une liste de tutoriels vidéo sur le flux de données de mappage créés par l’équipe Azure Data Factory.
Des mises à jour étant apportées en permanence au produit, certaines fonctionnalités ont été ajoutées ou sont différentes de l’expérience utilisateur Azure Data Factory actuelle.
Mise en route
Bien démarrer avec les flux de données de mappage dans Azure Data Factory
Débogage et développement de flux de données de mappage
Débogage et test de flux de données de mappage.
Actions rapides d’aperçu des données
Superviser et gérer les performances du flux de données de mappage
Minutages des tests d’évaluation
Débogage de flux de travail pour les flux de données
Vue de supervision mise à jour
Vues d’ensemble de la transformation
Transformation de modification de ligne
Transformation de colonne dérivée
Transformation de jointure (Join)
Mises à jour et conseils relatifs à la transformation de recherche
Transformation de tableau croisé dynamique
Transformation de tableau croisé dynamique : mappage de colonnes dérivées
Transformation de sélection : mappage basé sur les règles
Transformation de sélection : Jeux de données volumineux
Transformation de clé de substitution
Transformation de suppression de tableau croisé dynamique
Transformation de fractionnement conditionnel
Jointures dynamiques et recherches dynamiques
Transformation d’aplatissement
Transformation d’appel externe
Transformer des données hiérarchiques
Contexte de ligne via la transformation de fenêtre
Transformer des types de données complexes
Sortie vers l’activité suivante
Transformation d’appel externe
Lignes d’erreur d’assertion de journal
Source et récepteur
Fichiers texte aux formats Parquet et texte délimité
Déduire les types de données dans des fichiers texte délimités
Lecture et écriture de fichiers partitionnés
Transformer et créer plusieurs tables SQL
Partitionner vos fichiers dans le lac de données
Modèle de chargement de l’entrepôt de données
Options de sortie du fichier Data Lake
Optimisation des flux de données de mappage
Itérer des fichiers avec des paramètres
Réduire les temps de démarrage
Performances des base de données SQL
Optimiser dynamiquement la taille du cluster de flux de données au moment de l’exécution
Optimiser les temps de démarrage de flux de données
Runtimes d’intégration Azure pour les flux de données
Temps de démarrage rapide du cluster avec Azure IR
Scénarios de flux de données de mappage
Modèle de données intermédiaires
Dimensions à variation lente de type 1 : remplacer
Dimensions à variation lente de type 2 : historique
Transformer des données SQL Server localement avec le modèle de chargement de données Delta
Nombre de lignes & lignes distinctes
Gestion des erreurs de troncation
Routage intelligent des données
Masquage de données pour les données sensibles
Modèles logiques et modèles physiques
Détecter les modifications des données sources
Dimension à variation lente de type générique 2
Supprimer les lignes dans la cible lorsqu’elles ne sont pas présentes dans la source
Chargement incrémentiel des données avec Azure Data Factory et Azure SQL DB
Transformer des données Avro à partir d’Event Hubs avec Parse et Flatten
Expressions de flux de données
Expressions de date et d’heure
Fractionner des tableaux et une instruction case
Interpolation de chaîne et paramètres
Introduction aux scripts de flux de données : copier, coller, extraits de code
Expressions de qualité des données
Expressions dynamiques en tant que paramètres
Fonctions définies par l’utilisateur
Métadonnées
Commentaires
Bientôt disponible : Tout au long de 2024, nous allons supprimer progressivement GitHub Issues comme mécanisme de commentaires pour le contenu et le remplacer par un nouveau système de commentaires. Pour plus d’informations, consultez https://aka.ms/ContentUserFeedback.
Envoyer et afficher des commentaires pour