マッピング データ フローのビデオ チュートリアル
適用対象:
Azure Data Factory Azure Synapse Analytics
ヒント
企業向けのオールインワン分析ソリューション、Microsoft Fabric の Data Factory をお試しください。 Microsoft Fabric は、データ移動からデータ サイエンス、リアルタイム分析、ビジネス インテリジェンス、レポートまで、あらゆるものをカバーしています。 無料で新しい試用版を開始する方法について説明します。
以下に示すのは、Azure Data Factory チームによって作成された、マッピング データ フローのチュートリアル ビデオの一覧です。
製品は常に更新されているため、現在の Azure Data Factory のユーザー エクスペリエンスでは、いくつかの機能が追加されたり異なったりしています。
作業の開始
マッピング データ フローのデバッグと開発
Debugging and testing mapping data flows (マッピング データ フローのデバッグとテスト)
Data preview quick actions (データ プレビューのクイック アクション)
Monitor and manage mapping data flow performance (マッピング データ フローのパフォーマンスの監視と管理)
Benchmark timings (ベンチマークのタイミング)
変換の概要
Aggregate transformation (集計変換)
Alter row transformation (行の変更変換)
Derived Column transformation (派生列変換)
Pivot transformation: mapping drifted columns (ピボット変換: 誤差のある列のマッピング)
Select transformation:Rule-based mapping (選択変換: ルールベースのマッピング)
Select transformation:大規模なデータセット
Surrogate key transformation (代理キー変換)
Unpivot transformation (ピボット解除変換)
Window Transformation (ウィンドウ変換)
Filter Transformation (フィルター変換)
ソースとシンク
Reading and writing JSONs (JSON の読み取りと書き込み)
Parquet and delimited text files (Parquet および区切り形式のテキスト ファイル)
CosmosDB connector (CosmosDB コネクタ)
Infer data types in delimited text files (区切り形式のテキスト ファイルでのデータ型の推論)
Reading and writing partitioned files (パーティション分割されたファイルの読み取りと書き込み)
Transform and create multiple SQL tables (複数の SQL テーブルの変換と作成)
Partition your files in the data lake (データ レイクでのファイルのパーティション分割)
Data warehouse loading pattern (データ ウェアハウスの読み込みパターン)
マッピング データ フローの最適化
Iterate files with parameters (パラメーターを使用したファイルの反復処理)
Decrease start-up times (起動時間の短縮)
SQL DB performance (SQL DB のパフォーマンス)
実行時にデータ フロー クラスター サイズを動的に最適化する
データ フロー用の Azure Integration Runtime
マッピング データ フローのシナリオ
Staging data pattern (データのステージングのパターン)
Clean addresses pattern (アドレスのクリーニングのパターン)
Slowly changing dimensions type 1: overwrite (緩やかに変化するディメンションのタイプ 1: 上書き)
Slowly changing dimensions type 2: history (緩やかに変化するディメンションのタイプ 2: 履歴)
Fact table loading (ファクト テーブルの読み込み)
Distinct row & row counts (個別の行と行数)
Handling truncation errors (切り捨てエラーの処理)
Intelligent data routing (インテリジェントなデータ ルーティング)
Data masking for sensitive data (機密データのデータ マスキング)
Logical Models vs. Physical Models (論理モデルと物理モデル)
Detect source data changes (ソース データの変更の検出)
Azure Data Factory と Azure SQL DB を使用したデータの増分読み込み
Parse と Flatten を使用して Event Hubs から Avro データを変換する
データ フローの式
データ フロー スクリプトの概要: コピー、貼り付け、スニペット