• Article

Configuration de la tâche de profilage des données

Avant de pouvoir examiner un profil des données sources, vous devez tout d'abord configurer et exécuter la tâche de profilage des données. Vous créez cette tâche dans un package Integration Services. Pour configurer la tâche de profilage des données, vous utilisez l'Éditeur de tâche de profilage de données. Cet éditeur vous permet de sélectionner l'emplacement de sortie des profils et les profils à calculer. Après avoir configuré la tâche, vous exécutez le package pour calculer les profils des données.

Important

La tâche de profilage des données fonctionne uniquement avec les données stockées dans SQL Server 2000 ou versions ultérieures. Elle ne fonctionne pas avec les sources de données tierces ou basées sur des fichiers.

En outre, pour exécuter un package qui contient la tâche de profilage des données, vous devez utiliser un compte qui dispose d'autorisations de lecture/écriture, notamment les autorisations CREATE TABLE, sur la base de données tempdb.

Décider comment utiliser la tâche dans le package

La tâche de profilage des données configure uniquement les profils et crée le fichier de sortie qui contient les profils calculés. Pour examiner ce fichier de sortie, vous devez utiliser la visionneuse du profil des données qui est un programme autonome. Étant donné que vous devez examiner la sortie séparément, vous pouvez utiliser la tâche de profilage des données dans un package qui ne contient pas d'autres tâches.

Toutefois, vous n'êtes pas tenu d'utiliser la tâche de profilage des données comme la seule tâche d'un package. Si vous souhaitez effectuer le profilage des données dans le flux de travail ou le flux de données d'un package plus complexe, vous avez le choix entre les options suivantes :

  • Pour implémenter la logique conditionnelle basée sur le fichier de sortie de la tâche, dans le flux de contrôle du package, placez une tâche de script après la tâche de profilage des données. Vous pouvez ensuite utiliser cette tâche de script pour interroger le fichier de sortie.

  • Pour profiler les données dans le flux de données une fois que les données ont été chargées et transformées, vous devez enregistrer les données modifiées temporairement dans une table SQL Server. Ensuite, vous pouvez profiler les données enregistrées.

Pour plus d'informations, consultez Utilisation de la tâche de profilage des données dans le flux de travail du package.

Configuration de la sortie de la tâche

Une fois que la tâche de profilage des données est dans un package, vous devez configurer la sortie pour les profils que la tâche calculera. Pour configurer la sortie des profils, vous devez utiliser la page Général de l'Éditeur de tâche de profilage des données. Outre la spécification de la destination de la sortie, la page Général vous offre également la possibilité d'effectuer un profil rapide des données. Lorsque vous sélectionnez Profil rapide, la tâche de profilage des données profile une table ou une vue en utilisant une partie ou la totalité des profils par défaut avec leurs paramètres par défaut.

Pour plus d'informations, consultez Éditeur de tâche de profilage de données (page Général) et Formulaire de profil rapide de table simple (tâche de profilage des données).

Important

Le fichier de sortie peut contenir des données sensibles qui concernent votre base de données et les données qu'elle contient. Pour obtenir des suggestions sur la manière de sécuriser davantage ce fichier, consultez Contrôle de l'accès aux fichiers utilisés par des packages.

Sélection et configuration des profils à calculer

Après avoir configuré le fichier de sortie, vous devez sélectionner les profils de données à calculer. La tâche de profilage des données peut calculer huit profils de données différents. Cinq de ces profils analysent des colonnes individuelles, tandis que les trois autres analysent plusieurs colonnes ou les relations entre des colonnes et des tables. Dans une même tâche de profilage des données, vous pouvez calculer plusieurs profils pour plusieurs colonnes ou des combinaisons de colonnes dans plusieurs tables ou vues.

Le tableau suivant décrit les rapports calculés par chacun de ces profils ainsi que les types de données pour lesquels les profils sont valides.

Pour calculer

Afin d'identifier

Utilisez ce profil

Toutes les longueurs distinctes des valeurs de chaîne dans la colonne sélectionnée, ainsi que le pourcentage de lignes dans la table que chaque longueur représente.

Les valeurs de chaîne qui ne sont pas valides. Par exemple, vous profilez une colonne supposée utiliser deux caractères pour les codes des États américains et découvrez des valeurs qui comportent plus de deux caractères.

Profil de distribution de longueurs de colonne. Valide pour une colonne avec l'un de ces types de données :

  • Types de données de caractères : char, nchar, varchar et nvarchar.

Un ensemble d'expressions régulières qui reflètent le pourcentage spécifié de valeurs dans une colonne de chaîne.

Mais aussi pour rechercher des expressions régulières qui peuvent être utilisées dans le futur pour valider de nouvelles valeurs.

Les valeurs de chaîne qui ne sont pas valides ou dont le format est incorrect. Par exemple, un profil de modèle d'une colonne de codes postaux américains peut générer les expressions régulières \d{5}-\d{4}, \d{5} et \d{9}. Si la sortie contient d'autres expressions régulières, les données contiennent des valeurs qui ne sont pas valides ou dont le format est incorrect.

Profil de modèle de colonne. Valide pour une colonne avec l'un de ces types de données :

  • Types de données de caractères : char, nchar, varchar et nvarchar.

Le pourcentage de valeurs Null dans la colonne sélectionnée.

Un ratio élevé inattendu de valeurs Null dans une colonne., vous profilez une colonne supposée contenir des codes postaux américains et découvrez un pourcentage élevé et inacceptable de codes manquants.

Profil de ratio de colonne Null. Valide pour une colonne avec ces types de données :

  • N'importe quel type de données. Cela inclut les types image, text, xml, les types définis par l'utilisateur et les types variant.

Des statistiques, telles que la valeur minimale, la valeur maximale, la moyenne et l'écart type pour des colonnes numériques, ainsi que la valeur minimale et la valeur maximale pour des colonnes datetime.

Les valeurs numériques et les dates qui ne sont pas valides. Par exemple, vous profilez une colonne de dates historiques et découvrez une date maximale qui n'est pas encore passée.

Profil de statistiques de colonnes. Valide pour une colonne avec l'un de ces types de données :

  • Types de donnés numériques : types integer (sauf bit), money, smallmoney, decimal, float, real et numeric.

  • Types de données de date et d'heure : datetime, smalldatetime, timestamp, date, time, datetime2 et datetimeoffset.

    RemarqueRemarque
    Pour une colonne qui a un type de données de date et d'heure, le profil calcule uniquement le minimum et le maximum.

Toutes les valeurs distinctes dans la colonne sélectionnée, ainsi que le pourcentage de lignes dans la table que chaque valeur représente. Ou les valeurs qui représentent plus qu'un pourcentage spécifié dans la table.

Un nombre incorrect de valeurs distinctes dans une colonne. Par exemple, vous profilez une colonne qui contient les États américains et découvrez plus de 50 valeurs distinctes.

Profil de distribution de valeurs de colonne. Valide pour une colonne avec l'un de ces types de données :

  • Types de donnés numériques : types integer (sauf bit), money, smallmoney, decimal, float, real et numeric.

  • Types de données de caractères : char, nchar, varchar et nvarchar.

  • Types de données de date et d'heure : datetime, smalldatetime, timestamp, date, time, datetime2 et datetimeoffset.

Si une colonne ou un ensemble de colonnes est une clé, ou une clé approximative, pour la table sélectionnée.

Les valeurs dupliquées dans une colonne clé potentielle. Par exemple, vous profilez les colonnes Name et Address d'une table Customers et découvrez des valeurs dupliquées là où les combinaisons nom et adresse doivent être uniques.

Profil de clé candidate. Un profil de plusieurs colonnes qui indique si une colonne ou un ensemble de colonnes est approprié pour servir de clé pour la table sélectionnée.

Valide pour les colonnes avec l'un de ces types de données :

  • Types de données d'entiers : bit, tinyint, smallint, int et bigint.

  • Types de données de caractères : char, nchar, varchar et nvarchar.

  • Types de données de date et d'heure : datetime, smalldatetime, timestamp, date, time, datetime2 et datetimeoffset.

Degré de dépendance entre les valeurs d'une colonne (colonne dépendante) et celles d'une autre colonne ou d'un ensemble de colonnes (colonne déterminante).

Les valeurs qui ne sont pas valides dans des colonnes dépendantes. Par exemple, vous profilez la dépendance entre une colonne qui contient les codes postaux américains et une colonne qui contient les États américains. Le même code postal doit toujours être associé au même État. Toutefois, le profil détecte des violations de cette dépendance.

Profil de dépendance fonctionnelle. Valide pour les colonnes avec l'un de ces types de données :

  • Types de données d'entiers : bit, tinyint, smallint, int et bigint.

  • Types de données de caractères : char, nchar, varchar et nvarchar.

  • Types de données de date et d'heure : datetime, smalldatetime, timestamp, date, time, datetime2 et datetimeoffset.

Si une colonne ou un ensemble de colonnes est approprié pour servir de clé étrangère entre les tables sélectionnées.

Autrement dit, ce profil signale le chevauchement des valeurs entre deux colonnes ou ensembles de colonnes.

Les valeurs qui ne sont pas valides. Par exemple, vous profilez la colonne ProductID d'une table Sales et découvrez que la colonne contient des valeurs qui sont introuvables dans la colonne ProductID de la table Products.

Profil d'inclusion de valeur. Valide pour les colonnes avec l'un de ces types de données :

  • Types de données d'entiers : bit, tinyint, smallint, int et bigint.

  • Types de données de caractères : char, nchar, varchar et nvarchar.

  • Types de données de date et d'heure : datetime, smalldatetime, timestamp, date, time, datetime2 et datetimeoffset.

Pour sélectionner les profils à calculer, vous devez utiliser la page Demandes de profil de l'Éditeur de tâche de profilage des données. Pour plus d'informations, consultez Éditeur de tâche de profilage de données (Page Demandes de profil).

Dans la page Demandes de profil, vous spécifiez également la source de données et vous configurez les profils de données. Lorsque vous configurez la tâche, tenez compte des informations suivantes :

  • Pour simplifier la configuration et faciliter la découverte des caractéristiques de données inconnues, vous pouvez utiliser le caractère générique (*) à la place du nom d'une colonne individuelle. Si vous utilisez ce caractère générique, la tâche profilera chaque colonne dotée d'un type de données approprié, qui à son tour pourra ralentir le traitement.

  • Lorsque la table ou la vue sélectionnée est vide, la tâche de profilage des données ne calcule pas de profils.

  • Lorsque toutes les valeurs dans la colonne sélectionnée sont Null, la tâche de profilage des données calcule uniquement le profil de ratio de colonne Null. Elle ne calcule pas le profil de distribution de longueurs de colonne, de modèle de colonne, de statistiques de colonnes ou de distribution de valeurs de colonne pour la colonne vide.

Chacun des profils de données disponibles possède ses propres options de configuration. Pour plus d'informations sur ces options, consultez les rubriques suivantes :

Exécution du package qui contient la tâche de profilage des données

Après avoir configuré la tâche de profilage des données, vous pouvez l'exécuter. La tâche calcule ensuite les profils de données et génère en sortie ces informations au format XML dans un fichier ou dans une variable de package. La structure de ce code XML respecte le schéma DataProfile.xsd. Vous pouvez ouvrir le schéma dans MicrosoftVisual Studio ou un autre éditeur de schéma, dans un éditeur XML ou encore dans un éditeur de texte tel que le Bloc-notes. Ce schéma pour les informations sur la qualité des données peut être utile aux fins suivantes :

  • pour échanger des informations sur la qualité des données au sein d'une organisation ou entre plusieurs organisations ;

  • pour construire des outils personnalisés qui fonctionnent avec les informations sur la qualité des données.

L'espace de noms cible est identifié dans le schéma comme suit : https://schemas.microsoft.com/sqlserver/2008/DataDebugger/.

Étape suivante

Affichage de la sortie du profil dans la visionneuse du profil des données.

Icône Integration Services (petite) Rester à jour avec Integration Services

Pour obtenir les derniers téléchargements, articles, exemples et vidéos de Microsoft, ainsi que des solutions sélectionnées par la communauté, visitez la page Integration Services sur MSDN ou TechNet :

Pour recevoir une notification automatique de ces mises à jour, abonnez-vous aux flux RSS disponibles sur la page.

Historique des modifications

Mise à jour du contenu

  • Ajout d'une remarque relative aux autorisations requises pour l'exécution d'un package qui contient la tâche de profilage des données.