Navigatie overslaan
NU BESCHIKBAAR

Met Data Factory worden schema-imports, verbindingstesten en aangepaste sink-rangschikking toegevoegd aan gegevensstromen

Publicatiedatum: 07 februari, 2020

Schema importeren vanuit cluster voor foutopsporing

U kunt nu een actief cluster voor foutopsporing gebruiken om een schemaprojectie te maken in de gegevensstroombron.

Het importeren van het schema is beschikbaar in elk brontype. U overschrijft hiermee de projectie die in de gegevensset is gedefinieerd. Het object voor de gegevensset wordt niet gewijzigd. Alle vorige bestaande methoden voor het maken en wijzigen van schema's zijn nog steeds geldig en compatibel.

Lees de documentatie over gegevensstroombronnen voor meer informatie.

Verbinding op het Spark-cluster testen

U kunt een actief cluster voor foutopsporing gebruiken om te controleren of een data factory verbinding kan maken met uw gekoppelde service wanneer Spark wordt gebruikt in gegevensstromen. Dit is handig als statuscontrole om u ervan te verzekeren dat uw gegevensset en de gekoppelde service geldige configuraties hebben wanneer ze worden gebruikt in gegevensstromen.

Aangepaste sink-rangschikking

Als u meerdere bestemmingen in uw gegevensstroom hebt, kun u nu de schrijfvolgorde van uw gegevensstroom opgeven. Sink-rangschikking is standaard niet-deterministisch. Als u dit inschakelt, kunnen opeenvolgende schrijfbewerkingen voor uw gegevensstroom-sinks worden uitgevoerd.

U leest hier meer over aangepaste sink-rangschikking.

Lees het bericht op Tech Community voor meer informatie.

  • Azure Data Factory
  • Features

Verwante producten