Mapeamentos de ingestão
Aplica-se a: ✅Microsoft Fabric✅Azure Data Explorer
Os mapeamentos de ingestão são usados durante a ingestão para mapear dados de entrada para colunas dentro de tabelas.
O Data Explorer dá suporte a diferentes tipos de mapeamentos, tanto orientados a linhas (CSV, JSON, AVRO e W3CLOGFILE) quanto orientados a colunas (Parquet e ORC).
Os mapeamentos de ingestão podem ser pré-criados e podem ser referenciados a partir do comando de ingestão usando ingestionMappingReference
parâmetros. A ingestão é possível sem especificar um mapeamento. Para obter mais informações, consulte mapeamento de identidade.
Cada elemento na lista de mapeamento é construído a partir de três campos:
Propriedade | Obrigatório | Descrição |
---|---|---|
Coluna | ✔️ | Nome da coluna de destino na tabela. |
Datatype | Tipo de dados com o qual criar a coluna mapeada se ela ainda não existir na tabela. | |
Propriedades | Property-bag contendo propriedades específicas para cada mapeamento, conforme descrito em cada página de tipo de mapeamento específico. |
Importante
Para ingestão em fila:
- Se a tabela referenciada no mapeamento não existir no banco de dados, ela será criada automaticamente, considerando que os tipos de dados válidos são especificados para todas as colunas.
- Se uma coluna referenciada no mapeamento não existir na tabela, ela será adicionada automaticamente à tabela como a última coluna na primeira vez que os dados forem ingeridos para essa coluna, desde que um tipo de dados válido seja especificado para a coluna. Para adicionar novas colunas a um mapeamento, use o comando de mapeamento de ingestão .alter.
- Os dados são agrupados em lote usando propriedades de assimilação. Quanto mais propriedades de mapeamento de ingestão distintas forem usadas, como valores ConstValue diferentes, mais fragmentada a ingestão se tornará, o que pode levar à degradação do desempenho.
Tipos de mapeamento compatíveis
A tabela a seguir define os tipos de mapeamento a serem usados ao ingerir ou consultar dados externos de um formato específico.
Formato de Dados | Tipo de Mapeamento |
---|---|
CSV | Mapeamento CSV |
TSV | Mapeamento CSV |
TSVe | Mapeamento CSV |
PSV | Mapeamento CSV |
SCSV | Mapeamento CSV |
SOHsv | Mapeamento CSV |
TXT | Mapeamento CSV |
RAW | Mapeamento CSV |
JSON | Mapeamento JSON |
AVRO | Mapeamento AVRO |
APACHEAVRO | Mapeamento AVRO |
Parquet | Mapeamento de parquet |
ORC | Mapeamento ORC |
W3CLOGFILE | Mapeamento W3CLOGFILE |
Mapeamento de identidade
A ingestão é possível sem especificar ingestionMapping
ou ingestionMappingReference
propriedades. Os dados são mapeados usando um mapeamento de dados de identidade derivado do esquema da tabela. O esquema da tabela permanece o mesmo. format
deve ser especificada. Consulte formatos de assimilação.
Tipo de formato | Formatar | Lógica de mapeamento |
---|---|---|
Formatos de dados tabulares com ordem definida de colunas, como formatos separados por delimitadores ou de linha única. | CSV, TSV, TSVe, PSV, SCSV, Txt, SOHsv, Bruto | Todas as colunas da tabela são mapeadas em sua respectiva ordem para colunas de dados na ordem em que aparecem na fonte de dados. O tipo de dados de coluna é obtido do esquema de tabela. |
Formatos com colunas nomeadas ou registros com campos nomeados. | JSON, Parquet, Avro, ApacheAvro, Orc, W3CLOGFILE | Todas as colunas da tabela são mapeadas para colunas de dados ou campos de registro com o mesmo nome (diferencia maiúsculas de minúsculas). O tipo de dados de coluna é obtido do esquema de tabela. |
Aviso
Qualquer incompatibilidade entre o esquema da tabela e a estrutura dos dados, como tipos de dados de coluna ou campo, nomes de coluna ou campo ou seu número, pode resultar em dados vazios ou incorretos ingeridos.
Transformações de mapeamento
Alguns dos mapeamentos de formato de dados (Parquet, JSON e AVRO) dão suporte a transformações de tempo de ingestão simples e úteis. Quando o cenário exigir um processamento mais complexo no momento da ingestão, use a política de atualização, que permite definir o processamento leve usando a expressão KQL.
Transformação dependente do caminho | Descrição | Condições |
---|---|---|
PropertyBagArrayToDictionary | Transforma a matriz JSON de propriedades, como {events:[{"n1":"v1"},{"n2":"v2"}]} , em dicionário e serializa-a em um documento JSON válido, como {"n1":"v1","n2":"v2"} . |
Disponível para JSON os tipos , Parquet , AVRO e ORC mapeamento. |
SourceLocation | Nome do artefato de armazenamento que forneceu os dados, digite cadeia de caracteres (por exemplo, o campo "BaseUri" do blob). | Disponível para CSV os tipos , JSON , Parquet , AVRO , ORC e W3CLOGFILE mapeamento. |
SourceLineNumber | Deslocamento em relação a esse artefato de armazenamento, digite long (começando com '1' e incrementando por novo registro). | Disponível para CSV os tipos , JSON , Parquet , AVRO , ORC e W3CLOGFILE mapeamento. |
DateTimeFromUnixSeconds | Converte o número que representa unix-time (segundos desde 1970-01-01) em string de data e hora UTC. | Disponível para CSV os tipos , JSON , Parquet , AVRO e ORC mapeamento. |
DateTimeFromUnixMilliseconds | Converte o número que representa unix-time (milissegundos desde 1970-01-01) em string de data e hora UTC. | Disponível para CSV os tipos , JSON , Parquet , AVRO e ORC mapeamento. |
DateTimeFromUnixMicroseconds | Converte o número que representa unix-time (microssegundos desde 01/01/1970) em string de data e hora UTC. | Disponível para CSV os tipos , JSON , Parquet , AVRO e ORC mapeamento. |
DateTimeFromUnixNanoseconds | Converte o número que representa unix-time (nanossegundos desde 01/01/1970) em string de data e hora UTC. | Disponível para CSV os tipos , JSON , Parquet , AVRO e ORC mapeamento. |
DropMappedFields | Mapeia um objeto no documento JSON para uma coluna e remove todos os campos aninhados já referenciados por outros mapeamentos de coluna. | Disponível para JSON os tipos , Parquet , AVRO e ORC mapeamento. |
BytesAsBase64 | Trata os dados como matriz de bytes e os converte em uma cadeia de caracteres codificada em base64. | Disponível para AVRO o tipo de mapeamento. Para ApacheAvro o formato, o tipo de esquema do campo de dados mapeado deve ser bytes ou fixed tipo Avro. Para Avro o formato, o campo deve ser uma matriz contendo valores de bytes do intervalo [0-255]. null será ingerido se os dados não representarem uma matriz de bytes válida. |
Exemplos de transformação de mapeamento
DropMappedFields
transformação:
Dado o seguinte conteúdo JSON:
{
"Time": "2012-01-15T10:45",
"Props": {
"EventName": "CustomEvent",
"Revenue": 0.456
}
}
O mapeamento de dados a seguir mapeia todo o Props
objeto em uma coluna Props
dinâmica, excluindo colunas já mapeadas (Props.EventName
já está mapeado em coluna EventName
, portanto, está excluído).
[
{ "Column": "Time", "Properties": { "Path": "$.Time" } },
{ "Column": "EventName", "Properties": { "Path": "$.Props.EventName" } },
{ "Column": "Props", "Properties": { "Path": "$.Props", "Transform":"DropMappedFields" } },
]
Os dados ingeridos têm a seguinte aparência:
Hora | EventName | Props |
---|---|---|
2012-01-15T10:45 |
CustomEvent |
{"Revenue": 0.456} |
BytesAsBase64
transformação
Dado o seguinte conteúdo do arquivo AVRO:
{
"Time": "2012-01-15T10:45",
"Props": {
"id": [227,131,34,92,28,91,65,72,134,138,9,133,51,45,104,52]
}
}
O mapeamento de dados a seguir mapeia a coluna ID duas vezes, com e sem a transformação.
[
{ "Column": "ID", "Properties": { "Path": "$.props.id" } },
{ "Column": "Base64EncodedId", "Properties": { "Path": "$.props.id", "Transform":"BytesAsBase64" } },
]
Os dados ingeridos têm a seguinte aparência:
ID | Identificação codificada Base64 |
---|---|
[227,131,34,92,28,91,65,72,134,138,9,133,51,45,104,52] |
44MiXBxbQUiGigmFMy1oNA== |