Question

我对天青还比较陌生，我发现自己被卡住了！我正在尝试使用Azure DataFactory将Blob存储中的数据读取到SQL数据库中。我使用复制活动使此过程能够正常工作，现在我试图将数据插入彼此相关的多个表中（privateKey，foreignKey）。 例如，要更新表CAR，我需要知道表所有者中是否存在所有者。我无法找到有关该操作的详细说明！有经验的人可以给我一些指导吗？谢谢

Answer 1

您将需要使用“映射数据流”执行联接或查找，然后使用“条件拆分”转换将行重定向到适当的数据库表。

Answer 2

根据我的理解，您需要使用查找活动来获取表名，然后使用forEach活动来遍历表，然后使用Mapping数据流或Databricks来应用过滤器和联接

Answer 3

我可以补充Shivar所说的内容。我们将必须使用lookup活动，但是在使用CAR表之前，应确保首先复制了“所有者”表，为此，您应在foreach活动中启用顺序选项，以便遵循顺序，否则会出现很多FK违规错误。

Answer 4

我将采用其他方法来解决此问题。使用下面的代码，我们可以将多个具有相似名称的文件中的数据合并到一个数据框中，并将整个内容推送到SQL Server中。这是Scala，因此需要在您的Azure Databricks环境中运行。

# merge files with similar names into a single dataframe
val DF = spark.read.format("csv")
   .option("sep","|")
   .option("inferSchema","true")
   .option("header","false")
   .load("mnt/rawdata/corp/ABC*.gz")


DF.count()


# rename headers in dataframe
val newNames = Seq("ID", "FName", "LName", "Address", "ZipCode", "file_name")
val dfRenamed = df.toDF(newNames: _*)

dfRenamed.printSchema


# push the dataframe to sql server
import com.microsoft.azure.sqldb.spark.config.Config
import com.microsoft.azure.sqldb.spark.connect._

// Aquire a DataFrame collection (val collection)

val config = Config(Map(
  "url"            -> "my_sql_server.database.windows.net",
  "databaseName"   -> "my_db_name",
  "dbTable"        -> "dbo.my_table",
  "user"           -> "xxxxx",
  "password"       -> "xxxxx",
  "connectTimeout" -> "5", //seconds
  "queryTimeout"   -> "5"  //seconds
))

import org.apache.spark.sql.SaveMode
DF.write.mode(SaveMode.Append).sqlDB(config)

上面的代码将读取每个文件的每一行。如果标题在第一行中，则效果很好。如果标题不是第一行，则使用下面的代码创建特定的架构，然后再次读取每个文件的每一行。

import org.apache.spark.sql.SQLContext
import org.apache.spark.sql.types.{StructType, StructField, StringType, IntegerType};
import org.apache.spark.sql.functions.input_file_name

val customSchema = StructType(Array(
    StructField("field1", StringType, true),
    StructField("field2", StringType, true),
    StructField("field3", StringType, true),
    StructField("field4", StringType, true),
    StructField("field5", StringType, true),
    StructField("field6", StringType, true),
    StructField("field7", StringType, true)))

val df = sqlContext.read
    .format("com.databricks.spark.csv")
    .option("header", "false")
    .option("sep", "|")
    .schema(customSchema)
    .load("mnt/rawdata/corp/ABC*.gz")
    .withColumn("file_name", input_file_name())


import com.microsoft.azure.sqldb.spark.bulkcopy.BulkCopyMetadata
import com.microsoft.azure.sqldb.spark.config.Config
import com.microsoft.azure.sqldb.spark.connect._



val bulkCopyConfig = Config(Map(
  "url"               -> "mysqlserver.database.windows.net",
  "databaseName"      -> "MyDatabase",
  "user"              -> "username",
  "password"          -> "*********",
  "databaseName"      -> "MyDatabase",
  "dbTable"           -> "dbo.Clients",
  "bulkCopyBatchSize" -> "2500",
  "bulkCopyTableLock" -> "true",
  "bulkCopyTimeout"   -> "600"
))

df.write.mode(SaveMode.Append).
//df.bulkCopyToSqlDB(bulkCopyConfig, bulkCopyMetadata)
//df.bulkCopyToSqlDB(bulkCopyConfig) if no metadata is specified.

将数据从Blob存储复制到sqlDatabase（到多个表中）

4 个答案: