Configurar o Azure Data Lake Storage Gen2 em uma atividade de cópia

Este artigo descreve como usar a atividade de cópia no pipeline de dados para copiar dados de e para o Azure Data Lake Storage Gen2.

Formato suportado

O Azure Data Lake Storage Gen2 suporta os seguintes formatos de ficheiro. Consulte cada artigo para obter as configurações baseadas em formato.

• Formato Avro
• Formato binário
• Formato de texto delimitado
• Formato Excel
• Formato JSON
• Formato ORC
• Formato Parquet
• Formato XML

Configuração suportada

Para a configuração de cada guia em atividade de cópia, vá para as seções a seguir, respectivamente.

• General (Geral)
• Source
• Destino
• Mapeamento
• Administração

Geral

Consulte as orientações de configurações gerais para configurar a guia Configurações gerais.

Source

As propriedades a seguir têm suporte para o Azure Data Lake Storage Gen2 na guia Origem de uma atividade de cópia.

As seguintes propriedades são necessárias:

• Tipo de armazenamento de dados: Selecione Externo.

• Conexão: selecione uma conexão do Azure Data Lake Storage Gen2 na lista de conexões. Se não houver conexão, crie uma nova conexão do Azure Data Lake Storage Gen2 selecionando Novo.

• Tipo de conexão: Selecione Azure Data Lake Storage Gen2.

• Tipo de caminho de arquivo: você pode escolher Caminho de arquivo, Caminho de arquivo curinga ou Lista de arquivos como seu tipo de caminho de arquivo. A configuração de cada uma dessas configurações é:

  • Caminho do arquivo: Se você escolher esse tipo, os dados poderão ser copiados do sistema de arquivos especificado ou do caminho da pasta/arquivo especificado anteriormente.

  • Caminho do arquivo curinga: se você escolher esse tipo, especifique o sistema de arquivos e os caminhos curinga.

    • Sistema de arquivos: o nome do sistema de arquivos do Azure Data Lake Storage Gen2.

    • Caminhos curinga: especifique o caminho da pasta ou do arquivo com caracteres curinga no sistema de arquivos especificado para filtrar pastas ou arquivos de origem.

      Os curingas permitidos são: * (corresponde a zero ou mais caracteres) e ? (corresponde a zero ou caractere único). Use ^ para escapar se o nome da pasta tiver curinga ou esse caractere de escape dentro. Para obter mais exemplos, vá para Exemplos de filtro de pasta e arquivo.

      

      • Caminho da pasta curinga: especifique o caminho da pasta com caracteres curinga no sistema de arquivos especificado para filtrar as pastas de origem.

      • Nome do arquivo curinga: especifique o nome do arquivo com caracteres curinga no sistema de arquivos especificado + caminho da pasta (ou caminho da pasta curinga) para filtrar os arquivos de origem.

  • Lista de arquivos: indica que você deseja copiar um determinado conjunto de arquivos. Especifique o caminho da pasta e o caminho para a lista de arquivos para apontar para um arquivo de texto que inclua uma lista de arquivos que você deseja copiar, um arquivo por linha, que é o caminho relativo para o caminho. Para obter mais exemplos, vá para Exemplos de lista de arquivos.

    

    • Caminho da pasta: especifique o caminho para uma pasta no sistema de arquivos especificado. É obrigatório.

    • Caminho para a lista de arquivos: especifique o caminho do arquivo de texto que inclui uma lista de arquivos que você deseja copiar.

• Recursivamente: especifique se os dados são lidos recursivamente a partir das subpastas ou apenas da pasta especificada. Observe que quando Recursivamente é selecionado e o destino é um armazenamento baseado em arquivo, uma pasta ou subpasta vazia não é copiada ou criada no destino. Essa propriedade é selecionada por padrão e não se aplica quando você configura o caminho para a lista de arquivos.

• Formato de arquivo: selecione o formato de arquivo aplicado na lista suspensa. Selecione Configurações para configurar o formato de arquivo. Para configurações de diferentes formatos de arquivo, consulte os artigos em Formato suportado para obter informações detalhadas.

Em Avançado, você pode especificar os seguintes campos:

• Filtrar por última modificação: Os ficheiros são filtrados com base nas datas da última modificação. Essa propriedade não se aplica quando você configura o tipo de caminho de arquivo como Lista de arquivos.

  • Hora de início (UTC): Os ficheiros são selecionados se a hora da última modificação for igual ou superior à hora configurada.

  • Hora de término (UTC): Os arquivos são selecionados se o tempo da última modificação for menor do que o tempo configurado.

  Quando a hora de início (UTC) tem o valor datetime, mas a hora de término (UTC) é NULL, isso significa que os arquivos cujo atributo da última modificação é maior ou igual ao valor datetime serão selecionados. Quando a hora de término (UTC) tem o valor datetime, mas a hora de início (UTC) é NULL, isso significa que os arquivos cujo atributo da última modificação é menor que o valor datetime serão selecionados. As propriedades podem ser NULL, o que significa que nenhum filtro de atributo de arquivo será aplicado aos dados.

• Habilitar descoberta de partição: especifique se deseja analisar as partições do caminho do arquivo e adicioná-las como colunas de origem adicionais. Ele é desmarcado por padrão e não é suportado quando você usa o formato de arquivo binário.

  • Caminho da raiz da partição: Quando a descoberta de partição estiver habilitada, especifique o caminho raiz absoluto para ler pastas particionadas como colunas de dados.

    Se não for especificado, por padrão,

    • Quando você usa o caminho do arquivo ou a lista de arquivos na origem, o caminho da raiz da partição é o caminho que você configurou.
    • Quando você usa o filtro de pasta curinga, o caminho da raiz da partição é o subcaminho antes do primeiro curinga.

    Por exemplo, supondo que você configure o caminho como root/folder/year=2020/month=08/day=27:

    • Se você especificar o caminho da raiz da partição como root/folder/year=2020, a atividade de cópia gerará mais duas colunas mês e dia com o valor "08" e "27", respectivamente, além das colunas dentro dos arquivos.
    • Se o caminho raiz da partição não for especificado, nenhuma coluna extra será gerada.

  

• Máximo de conexões simultâneas: esta propriedade indica o limite superior de conexões simultâneas estabelecidas para o armazenamento de dados durante a execução da atividade. Especifique um valor somente quando quiser limitar conexões simultâneas.

• Colunas adicionais: adicione colunas de dados adicionais para armazenar o caminho relativo ou o valor estático dos arquivos de origem. A expressão é suportada para este último.

Destino

As propriedades a seguir têm suporte para o Azure Data Lake Storage Gen2 na guia Destino de uma atividade de cópia.

As seguintes propriedades são necessárias:

• Tipo de armazenamento de dados: Selecione Externo.
• Conexão: selecione uma conexão do Azure Data Lake Storage Gen2 na lista de conexões. Se não houver conexão, crie uma nova conexão do Azure Data Lake Storage Gen2 selecionando Novo.
• Tipo de conexão: Selecione Azure Data Lake Storage Gen2.
• Caminho do arquivo: Selecione Procurar para escolher o arquivo que deseja copiar ou preencher o caminho manualmente.
• Formato de arquivo: selecione o formato de arquivo aplicado na lista suspensa. Selecione Configurações para configurar o formato de arquivo. Para configurações de diferentes formatos de arquivo, consulte os artigos em Formato suportado para obter informações detalhadas.

Em Avançado, você pode especificar os seguintes campos:

• Comportamento de cópia: define o comportamento de cópia quando a origem são arquivos de um armazenamento de dados baseado em arquivo. Você pode escolher um comportamento na lista suspensa.

  

  • Nivelar a hierarquia: Todos os arquivos da pasta de origem estão no primeiro nível da pasta de destino. Os arquivos de destino têm nomes gerados automaticamente.
  • Mesclar arquivos: mescla todos os arquivos da pasta de origem em um arquivo. Se o nome do arquivo for especificado, o nome do arquivo mesclado será o nome especificado. Caso contrário, é um nome de arquivo gerado automaticamente.
  • Preservar hierarquia: preserva a hierarquia de arquivos na pasta de destino. O caminho relativo do arquivo de origem para a pasta de origem é idêntico ao caminho relativo do arquivo de destino para a pasta de destino.

• Máximo de conexões simultâneas: o limite superior de conexões simultâneas estabelecido para o armazenamento de dados durante a execução da atividade. Especifique um valor somente quando quiser limitar conexões simultâneas.

• Tamanho do bloco (MB): especifique o tamanho do bloco em MB usado para gravar dados no Azure Data Lake Storage Gen2. Para obter mais informações, consulte Bloquear Blobs. O valor permitido está entre 4 MB e 100 MB.

  Por padrão, o tamanho do bloco é determinado automaticamente com base no tipo de armazenamento de origem e nos dados. Para cópia não binária no Azure Data Lake Storage Gen2, o tamanho de bloco padrão é de 100 MB para caber no máximo aproximadamente 4,75 TB de dados. Pode não ser ideal quando os seus dados não são grandes. Você pode especificar explicitamente um tamanho de bloco, enquanto garante que o tamanho do bloco (MB)*50000 seja grande o suficiente para armazenar os dados, caso contrário, a execução da atividade de cópia falhará.

• Metadados: defina metadados personalizados ao copiar para um destino. Cada objeto sob a metadata matriz representa uma coluna extra. O name define o nome da chave de metadados e indica o value valor de dados dessa chave. Se o recurso preservar atributos for usado, os metadados especificados serão unidos/substituídos pelos metadados do arquivo de origem.

  Os valores de dados permitidos são:

  • $$LASTMODIFIED: Uma variável reservada indica para armazenar a hora da última modificação dos arquivos de origem. Aplique a uma fonte baseada em arquivo apenas com um formato binário.
  • Expression
  • Valor estático

  

Mapeamento

Para Configuração da guia Mapeamento, vá para Configurar seus mapeamentos na guia Mapeamento. Se você escolher Binário como formato de arquivo, o mapeamento não será suportado.

Definições

Para a configuração da guia Configurações , vá para Configurar suas outras configurações na guia configurações.

Resumo da tabela

As tabelas a seguir contêm mais informações sobre a atividade de cópia no Azure Data Lake Storage Gen2.

Fonte da informação

Informações sobre o destino

Conteúdos relacionados

• Configurar sua conexão do Azure Data Lake Storage Gen2