Azure 数据工厂 - 从 Blob 批量导入 Azure SQL

Question

我有一个包含内容的简单文件FD_GROUP.TXT ：

~0100~^~乳制品和蛋制品~
~0200~^~香料和香草~
~0300~^~婴儿食品~
~0400~^~油脂~
~0500~^~家禽产品~

我正在尝试使用 Azure 数据工厂将这些文件（有些文件有 700,000 行）批量导入 SQL 数据库。

策略是首先用^分隔列，然后我用空字符替换波浪号（~），所以我丢失波浪号（~），然后插入。

1.SQL解决方案：

DECLARE @CsvFilePath NVARCHAR(1000) = 'D:\CodePurehope\Dev\NutrientData\FD_GROUP.txt';

CREATE TABLE #TempTable
 (
    [FoodGroupCode] VARCHAR(666) NOT NULL, 
    [FoodGroupDescription] VARCHAR(60) NOT NULL
 )

DECLARE @sql NVARCHAR(4000) = 'BULK INSERT #TempTable FROM ''' + @CsvFilePath + ''' WITH ( FIELDTERMINATOR =''^'', ROWTERMINATOR =''\n'' )';
EXEC(@sql);

UPDATE #TempTable
   SET [FoodGroupCode] = REPLACE([FoodGroupCode], '~', ''),
       [FoodGroupDescription] = REPLACE([FoodGroupDescription], '~', '')
GO

INSERT INTO [dbo].[FoodGroupDescriptions]
(
    [FoodGroupCode],
    [FoodGroupDescription]
)
SELECT
    [FoodGroupCode],
    [FoodGroupDescription]
FROM
    #TempTable
GO

DROP TABLE #TempTable

2.SSIS ETL打包解决方案：

用^分隔的平面文件源和派生列转换以替换不必要的波浪号 (~)，如上图所示。

您如何使用 Microsoft Azure 数据工厂来实现？
我已将FD_GROUP.TXT作为输入上传到 Azure 存储 Blob，并在 Azure SQL Server 上准备好用于输出的表。

我有：
- 2 个链接服务：AzureStorage 和 AzureSQL。
- 2 个数据集：Blob 作为输入，SQL 作为输出
- 1 条管道

FoodGroupDescriptionsAzureBlob设置

{
    "name": "FoodGroupDescriptionsAzureBlob",
    "properties": {
        "structure": [
            {
                "name": "FoodGroupCode",
                "type": "Int32"
            },
            {
                "name": "FoodGroupDescription",
                "type": "String"
            }
        ],
        "published": false,
        "type": "AzureBlob",
        "linkedServiceName": "AzureStorageLinkedService",
        "typeProperties": {
            "fileName": "FD_GROUP.txt",
            "folderPath": "nutrition-data/NutrientData/",
            "format": {
                "type": "TextFormat",
                "rowDelimiter": "\n",
                "columnDelimiter": "^"
            }
        },
        "availability": {
            "frequency": "Minute",
            "interval": 15
        }
    }
}

FoodGroupDescriptionsSQLAzure设置

{
    "name": "FoodGroupDescriptionsSQLAzure",
    "properties": {
        "structure": [
            {
                "name": "FoodGroupCode",
                "type": "Int32"
            },
            {
                "name": "FoodGroupDescription",
                "type": "String"
            }
        ],
        "published": false,
        "type": "AzureSqlTable",
        "linkedServiceName": "AzureSqlLinkedService",
        "typeProperties": {
            "tableName": "FoodGroupDescriptions"
        },
        "availability": {
            "frequency": "Minute",
            "interval": 15
        }
    }
}

FoodGroupDescriptionsPipeline设置

{
    "name": "FoodGroupDescriptionsPipeline",
    "properties": {
        "description": "Copy data from a blob to Azure SQL table",
        "activities": [
            {
                "type": "Copy",
                "typeProperties": {
                    "source": {
                        "type": "BlobSource"
                    },
                    "sink": {
                        "type": "SqlSink",
                        "writeBatchSize": 10000,
                        "writeBatchTimeout": "60.00:00:00"
                    }
                },
                "inputs": [
                    {
                        "name": "FoodGroupDescriptionsAzureBlob"
                    }
                ],
                "outputs": [
                    {
                        "name": "FoodGroupDescriptionsSQLAzure"
                    }
                ],
                "policy": {
                    "timeout": "01:00:00",
                    "concurrency": 1,
                    "executionPriorityOrder": "NewestFirst"
                },
                "scheduler": {
                    "frequency": "Minute",
                    "interval": 15
                },
                "name": "CopyFromBlobToSQL",
                "description": "Bulk Import FoodGroupDescriptions"
            }
        ],
        "start": "2015-07-13T00:00:00Z",
        "end": "2015-07-14T00:00:00Z",
        "isPaused": false,
        "hubName": "gymappdatafactory_hub",
        "pipelineMode": "Scheduled"
    }
}

这东西在 Azure 数据工厂上不起作用 + 我不知道如何在这种情况下使用替换。 任何帮助表示赞赏。

Answer 1

我正在使用您的代码，并且可以通过执行以下操作使其正常工作：

在您的 FoodGroupDescriptionsAzureBlob json 定义中，您需要在属性节点中添加 "external": true。 Blob 输入文件是从外部源创建的，而不是从 azure 数据工厂管道创建的，通过将其设置为 true，它可以让 azure 数据工厂知道此输入应该可以使用了。

同样在 blob 输入定义中添加： "quoteChar": "~" 到 "format" 节点，因为看起来数据用 "~" 包装，这将从数据中删除那些你定义的 INT 将正确插入的方式进入你的sql表。

完整的 blob 定义：

{
"name": "FoodGroupDescriptionsAzureBlob",
"properties": {
    "structure": [
        {
            "name": "FoodGroupCode",
            "type": "Int32"
        },
        {
            "name": "FoodGroupDescription",
            "type": "String"
        }
    ],
    "published": false,
    "type": "AzureBlob",
    "linkedServiceName": "AzureStorageLinkedService",
    "typeProperties": {
        "fileName": "FD_Group.txt",
        "folderPath": "nutrition-data/NutrientData/",
        "format": {
            "type": "TextFormat",
            "rowDelimiter": "\n",
            "columnDelimiter": "^",
            "quoteChar": "~"
        }
    },
    "availability": {
        "frequency": "Minute",
        "interval": 15
    },
    "external": true,
    "policy": {}
}

}

由于您设置了每 15 分钟的间隔以及一整天的管道开始和结束日期，这将在整个管道运行持续时间内每 15 分钟创建一个切片，因为您只想运行一次，将开始和结束更改为是这样的：

  "start": "2015-07-13T00:00:00Z",
  "end": "2015-07-13T00:15:00Z",

这将创建 1 个切片。

希望这可以帮助。