【Azure Data Platform】ETL工具(13)——ADF并行加载多个文件

置顶發糞塗牆

已于 2022-02-26 20:48:19 修改

阅读量786

点赞数 2

分类专栏： Azure 文章标签： azure etl ADF

于 2022-02-26 20:47:45 首次发布

本文链接：https://blog.csdn.net/DBA_Huangzj/article/details/123028541

版权

Azure 专栏收录该内容

69 篇文章 43 订阅

订阅专栏

本文属于【Azure Data Platform】系列。
接上文：【Azure Data Platform】ETL工具(12)——ADF 参数
本文介绍ADF 的并行导入多个文件

前言

在一个数据类的IT项目中，从多个位置（云和本地或者云中很多存储）中的多个文件导入到一个数据库，比如Azure SQL DB，是很常见的需求。各种可变因素都会导致手工操作变得很困难。因此，借助上文的参数化，还有之前演示的一些内容，来个相对贴近实战的演示。

相对于前面用txt文件，csv文件更加常见，所以本文使用csv来做演示，但是在实际项目中，ADF的数据集并不需要关注到这么精确。毕竟混用的常见的，过度确定也将带来很多不便。不仅文件类型，连列的描述，数据类型等，也不需要非常明确地定义。可以通过占位符来替代一下文件之间的不同处，比如分隔符。

另外使用For Each 这个活动，可以遍历元数据并同时加载多个文件。把这些信息组合成在一起之后，可以创建一个以元数据驱动的管道来动态地加载多个文件。

环境准备

这里准备三个csv文件，第一个文件放10行数据，以“；”为分隔符。第二个文件存放5行数据，以“；”为分隔符。第三个文件存放5行数据，为了模拟来自于其他系统，所以以逗号“，”为分隔符。并且序号是连续的。
Demo1.csv:
在这里插入图片描述
Demo2.csv:

Demo3.csv:

这里新建一个ADLS，并且创建两个文件夹到container下面，一个叫douhao，一个叫fenhao。

在这里插入图片描述
把文件分别上传到对应的文件夹里面。

在这里插入图片描述
然后在目标源（SQL DB）中创建一个配置表来存储这些关系：

create table config
(
 	ID INT IDENTITY(1,1) NOT NULL,
    SourceType VARCHAR(50) NOT NULL,
    ObjectName VARCHAR(500) NOT NULL,
    ObjectValue VARCHAR(1000) NOT NULL
)

初始化数据：

INSERT INTO dbo.[config] (	[SourceType]	,[ObjectName]	,ObjectValue	)
VALUES 
--文件路径
	   ('Container','fenhaoData','fenhao')
	  ,('Container','douhaoData','douhao')
--	分隔符 
	  ,('Delimiter','fenhaoData',';')
	  ,('Delimiter','douhaoData',',')
--	目标表名 
	  ,('SQLTable','fenhaoData','azure_fenhao')
	  ,('SQLTable','douhaoData','azure_douhao')

创建目标表：


CREATE TABLE [dbo].[azure_fenhao](
   [Index] [BIGINT] NULL,
   [Name] varchar(500) NULL
);
 
CREATE TABLE [dbo].[azure_douhao](
   [Index] [BIGINT] NULL,
   [Name] varchar(500) NULL
);

搭建ADF

在环境准备好只有，就开始ADF方面的开发了。

step 1 创建数据集

如果不用参数化，那就要创建4个数据集，2个针对ADLS上的数据源，2个针对SQL DB上的表。但是参数化之后，可以只使用2个数据集即可，一个针对ADLS的数据源，另外一个针对SQL DB上的表。在运行的时候从参数表中获取所需的信息。

在这里插入图片描述

跳过页首，并且只指定container即可：

在这里插入图片描述

上一文说过，参数化之后，架构部分应该清空：
在这里插入图片描述
然后在参数选项中配置参数，创建两个参数，一个指定路径（path），一个指定分隔符（delimiter）

在这里插入图片描述

这次对文件路径中的目录进行动态化：

在这里插入图片描述
选择前面定义好的变量“path”

在这里插入图片描述

然后配置列分隔符，注意要先点击【编辑】，才能出现“添加动态内容”，不然就只能是选择：

在这里插入图片描述

配置好之后如下：
在这里插入图片描述

源配置好了，接下来配置目的地的数据集，也就是这里的SQL DB。前面已经演示过很多次，这里就逐步演示。

在这里插入图片描述
在这个数据集中新建一个参数，参数名：Tablename

在这里插入图片描述
回到连接页，点击编辑后，对表名进行动态化，如下图，这里架构我们使用dbo这个默认架构，如果也需要动态，则还需要第三个变量。

在这里插入图片描述
结果如下：

现在，已经配置好了源和目标。接下来就是如何使用配置表了。前面提到过，要让这些一起运行，需要使用pipeline，所以接下来就是创建pipeline。

Step 2 配置管道

首先我们需要读取配置表，相应的ADF 活动就是lookup。中文版叫“查找”
在这里插入图片描述

我们可以使用这个SQL查询信息：

SELECT
     b.[ObjectName]
    ,FolderName = b.[ObjectValue]
    ,SQLTable   = s.[ObjectValue]
    ,Delimiter  = d.[ObjectValue]
FROM [dbo].[config] b
JOIN [dbo].[config] s ON b.[ObjectName] = s.[ObjectName]
JOIN [dbo].[config] d ON b.[ObjectName] = d.[ObjectName]
WHERE   b.[SourceType] = 'Container'
    AND s.[SourceType] = 'SQLTable'
    AND d.[SourceType] = 'Delimiter';