Модуль 2. Преобразование данных с помощью потока данных в фабрике данных

Этот модуль занимает около 25 минут, чтобы создать поток данных, применить преобразования и переместить необработанные данные из таблицы Bronze в таблицу Gold Lakehouse.

С помощью необработанных данных, загруженных в таблицу Bronze Lakehouse из последнего модуля, вы можете подготовить эти данные и обогатить их, объединяя их с другой таблицей, содержащей скидки для каждого поставщика и их поездки в течение определенного дня. Эта окончательная таблица Gold Lakehouse загружается и готова к использованию.

Ниже приведены шаги высокого уровня в потоке данных.

• Получение необработанных данных из таблицы Lakehouse, созданной действие Copy в модуле 1. Создание конвейера с фабрикой данных.
• Преобразование данных, импортированных из таблицы Lakehouse.
• Подключение в CSV-файл, содержащий данные о скидках.
• Преобразуйте данные скидок.
• Объединение данных о поездках и скидках.
• Загрузите выходной запрос в таблицу Gold Lakehouse.

Получение данных из таблицы Lakehouse

1. На боковой панели выберите "Создать" и "Поток данных 2-го поколения", чтобы создать новый поток данных 2-го поколения.

2. В новом меню потока данных выберите "Получить данные", а затем "Дополнительно".

   

3. Найдите и выберите соединитель Lakehouse .

   

4. Откроется диалоговое окно Подключение источника данных, а новое подключение автоматически создается на основе пользователя, вошедшего в систему. Выберите Далее.

   

5. Откроется диалоговое окно выбора данных . Используйте панель навигации, чтобы найти Lakehouse, созданную для назначения в предыдущем модуле, и выберите таблицу данных Tutorial_Lakehouse .

   

6. (Необязательно) После заполнения холста данными можно задать сведения о профиле столбца, так как это удобно для профилирования данных. Вы можете применить правильное преобразование и нацелить на него правильные значения данных.

   Для этого выберите "Параметры" на панели ленты, а затем выберите первые три параметра в профиле столбца, а затем нажмите кнопку "ОК".

   

Преобразование данных, импортированных из Lakehouse

1. Щелкните значок типа данных в заголовке столбца второго столбца IpepPickupDatetime, чтобы отобразить раскрывающееся меню и выбрать тип данных из меню, чтобы преобразовать столбец из типа даты и времени в date .

2. (Необязательно) На вкладке "Главная" ленты выберите параметр "Выбрать столбцы" в группе "Управление столбцами".

   

3. (Необязательно) В диалоговом окне "Выбор столбцов" отмените выбор некоторых столбцов , перечисленных здесь, а затем нажмите кнопку "ОК".

   • lpepDropoffDatetime
   • puLocationId
   • doLocationId
   • pickupLatitude
   • dropoffLongitude
   • rateCodeID

   

4. Выберите фильтр столбца StoreAndFwdFlag и раскрывающееся меню сортировки. (Если отображается предупреждение Список может быть неполным, выберите "Загрузить больше ", чтобы просмотреть все данные.)

   

5. Выберите "Y", чтобы отобразить только строки, в которых была применена скидка, и нажмите кнопку "ОК".

   

6. Выберите раскрывающееся меню сортировки столбца IpepPickupDatetime и выберите фильтры даты и выберите фильтр "Между...", указанный для типов даты и даты и времени.

   

7. В диалоговом окне "Фильтрация строк" выберите даты между 1 января 2015 г. и 31 января 2015 г., а затем нажмите кнопку "ОК".

   

Подключение в CSV-файл, содержащий данные скидки

Теперь с данными из поездок мы хотим загрузить данные, содержащие соответствующие скидки для каждого дня и VendorID, и подготовить данные перед объединением данных с данными о поездках.

1. На вкладке "Главная" в меню редактора потока данных выберите параметр "Получить данные" и выберите "Текст/CSV".

   

2. В диалоговом окне Подключение источника данных укажите следующие сведения:

   • Путь к файлу или URL-адрес - https://raw.githubusercontent.com/ekote/azure-architect/master/Generated-NYC-Taxi-Green-Discounts.csv
   • Тип проверки подлинности — анонимный

   Затем выберите Далее.

   

3. В диалоговом окне предварительного просмотра данных файла нажмите кнопку "Создать".

   

Преобразование данных скидки

1. Просмотр данных, мы видим, что заголовки отображаются в первой строке. Повысьте их до заголовков, выбрав контекстное меню таблицы в левом верхнем углу области сетки предварительного просмотра, чтобы выбрать команду "Использовать первую строку в качестве заголовков".

   

   Примечание.

   После продвижения заголовков вы увидите новый шаг, добавленный в область "Примененные шаги " в верхней части редактора потока данных в типы данных столбцов.

2. Щелкните правой кнопкой мыши столбец VendorID и в контекстном меню выберите параметр "Отменить сводку других столбцов". Это позволяет преобразовать столбцы в пары "атрибут-значение", где столбцы становятся строками.

   

3. При сводных таблицах переименуйте столбцы "Атрибут " и "Значение ", дважды щелкнув их и изменив атрибут на "Дата " и "Значение " на "Скидка".

   

4. Измените тип данных столбца Date, выбрав меню типа данных слева от имени столбца и выбрав дату.

   

5. Выберите столбец "Скидка" и перейдите на вкладку "Преобразование" в меню. Выберите столбец number, а затем выберите стандартные числовые преобразования из подменю и нажмите кнопку "Разделить".

   

6. В диалоговом окне "Деление" введите значение 100.

   

Объединение данных о поездках и скидках

Следующим шагом является объединение обеих таблиц в одну таблицу с скидкой, которая должна применяться к поездке, и скорректированный итог.

1. Сначала переключите кнопку представления диаграммы, чтобы просмотреть оба запроса.

   

2. Выберите запрос nyc_taxi и на вкладке "Главная" выберите меню "Объединить" и выберите "Объединить запросы", а затем "Объединить запросы" в качестве новых.

   

3. В диалоговом окне слияния выберите "Сгенерированные-NYC-Taxi-Green-Discounts" в раскрывающемся списке "Справа" для слияния, а затем щелкните значок "Лампочка" в правом верхнем углу диалогового окна, чтобы увидеть предлагаемое сопоставление столбцов между двумя таблицами.

   

   Выберите каждое из двух предлагаемых сопоставлений столбцов, по одному за раз, сопоставляя Идентификатор поставщика и столбцы даты из обеих таблиц. При добавлении обоих сопоставлений в каждой таблице выделены соответствующие заголовки столбцов.

4. Отображается сообщение с запросом на объединение данных из нескольких источников данных для просмотра результатов. Нажмите кнопку "ОК" в диалоговом окне "Слияние".

   

5. В области таблицы вы увидите предупреждение о том, что "Оценка отменена, так как объединение данных из нескольких источников может отображать данные из одного источника в другой. Выберите "Продолжить", если возможность выявления данных является нормальной". Нажмите кнопку "Продолжить", чтобы отобразить объединенные данные.

   

6. Обратите внимание, как был создан новый запрос в представлении диаграммы, показывающий связь нового запроса слияния с двумя созданными ранее запросами. Просматривая область таблицы редактора, прокрутите страницу справа от списка столбцов запроса слияния, чтобы увидеть новый столбец со значениями таблицы. Это столбец "Созданные NYC Taxi-Green-Discounts", а его тип — [Таблица]. В заголовке столбца есть значок со двумя стрелками в противоположных направлениях, что позволяет выбирать столбцы из таблицы. Отмените выбор всех столбцов, кроме "Скидка", а затем нажмите кнопку "ОК".

   

7. При значении скидки теперь на уровне строки можно создать новый столбец, чтобы вычислить общую сумму после скидки. Для этого выберите вкладку "Добавить столбец" в верхней части редактора и выберите настраиваемый столбец из группы "Общие".

   

8. В диалоговом окне "Настраиваемый столбец " можно использовать язык формул Power Query (также известный как M), чтобы определить способ вычисления нового столбца. Введите TotalAfterDiscount для имени нового столбца, выберите "Валюта" для типа данных и укажите следующее выражение M для формулы настраиваемого столбца:

   if [totalAmount] > 0, то [totalAmount] * ( 1 -[скидка] ) else [totalAmount]

   Затем выберите OK.

   

9. Выберите только что созданный столбец TotalAfterDiscount , а затем откройте вкладку "Преобразование " в верхней части окна редактора. В группе "Числовой столбец " выберите раскрывающийся список округления , а затем выберите "Округление...".

   

10. В диалоговом окне "Округление" введите 2 для числа десятичных разрядов и нажмите кнопку "ОК".

    

11. Измените тип данных ipepPickupDatetime с даты и времени.

    

12. Наконец, разверните область параметров запроса справа от редактора, если она еще не развернута, и переименуйте запрос из слияния в выходные данные.

    

Загрузка выходного запроса в таблицу в Lakehouse

После полной подготовки и готовности к выводу выходных данных можно определить назначение выходных данных для запроса.

1. Выберите созданный ранее запрос на слияние выходных данных . Затем выберите вкладку "Главная" в редакторе и добавьте назначение данных из группирования запросов, чтобы выбрать место назначения Lakehouse.

   

2. В диалоговом окне назначения данных Подключение подключение должно быть выбрано. Выберите Далее для продолжения.

3. В диалоговом окне выбора целевого объекта перейдите в Lakehouse, где вы хотите загрузить данные и присвойте новому nyc_taxi_with_discounts таблицу, а затем нажмите кнопку "Далее".

   

4. В диалоговом окне "Выбор параметров назначения" оставьте метод обновления замены по умолчанию, дважды проверка сопоставлены столбцы и нажмите кнопку "Сохранить параметры".

   

5. Вернитесь в главное окно редактора, убедитесь, что вы видите назначение выходных данных в области параметров запроса для таблицы выходных данных, а затем нажмите кнопку "Опубликовать".

   Важно!

   При создании первого поколения Dataflow 2-го поколения в рабочей области элементы Lakehouse и Warehouse подготавливаются вместе с соответствующими конечными точками аналитики SQL и семантической моделями. Эти элементы разделяются всеми потоками данных в рабочей области и требуются для работы потока данных 2-го поколения, не следует удалять и не предназначены для непосредственного использования пользователями. Элементы — это сведения о реализации потока данных 2-го поколения. Элементы не отображаются в рабочей области, но могут быть доступны в других интерфейсах, таких как записная книжка, конечная точка SQL, Lakehouse и хранилище. Элементы можно распознать по их префиксу в имени. Префикс элементов — DataflowsStaging.

6. (Необязательно) На странице рабочей области можно переименовать поток данных, выбрав многоточие справа от имени потока данных, которое отображается после выбора строки и выбора свойств.

   

7. Щелкните значок обновления потока данных после выбора строки и после завершения вы увидите новую таблицу Lakehouse, созданную в параметрах назначения данных.

   

8. Проверьте lakehouse, чтобы просмотреть новую таблицу, загруженную там.

Связанный контент

В этом втором модуле мы ознакомились с нашим комплексным руководством по первой интеграции данных с помощью Фабрики данных в Microsoft Fabric, вы узнали, как:

Перейдите к следующему разделу, чтобы интегрировать конвейер данных.