Azure 数据工厂或 Azure Synapse Analytics 中的“获取元数据”活动

适用于: Azure 数据工厂 Azure Synapse Analytics

提示

试用 Microsoft Fabric 中的数据工厂,这是一种适用于企业的一站式分析解决方案。 Microsoft Fabric 涵盖从数据移动到数据科学、实时分析、商业智能和报告的所有内容。 了解如何免费开始新的试用

可以使用“获取元数据”活动来检索 Azure 数据工厂或 Synapse 管道中任何数据的元数据。 你可以在条件表达式中使用“获取元数据”活动的输出来执行验证,也可以在后续活动中使用元数据。

使用 UI 创建 Get Metadata 活动

若要在管道中使用 Get Metadata 活动,请完成以下步骤:

  1. 在管道“活动”窗格中搜索“Get Metadata”,然后将 Fail 活动拖动到管道画布上。

  2. 请选择画布上的新 Get Metadata 活动,如果尚未选择,请选择其“设置”选项卡,以编辑其详细信息。

  3. 选择数据集,或者使用“新建”按钮创建一个新数据集。 然后,可以指定筛选器选项,并从数据集的可用元数据中添加列。

    Shows the UI for a Get Metadata activity.

  4. 将活动输出用作另一个活动的输入,如本示例中的 Switch 活动。 可以在其他活动支持动态内容的任何位置引用 Metadata 活动的输出。

    Shows the pipeline with a Switch activity added to handle the output of the Get Metadata activity.

  5. 在动态内容编辑器中,选择 Get Metadata 活动输出以在其他活动中引用它。

    Shows the dynamic content editor with the output of the Get Metadata activity as the dynamic content.

支持的功能

“获取元数据”活动采用数据集作为输入,并返回元数据信息作为输出。 目前支持以下连接器和相应的可检索元数据。 返回的元数据不得超过 4 MB。

受支持的连接器

文件存储

连接器/元数据 itemName
(文件/文件夹)
itemType
(文件/文件夹)
大小
(文件)
created
(文件/文件夹)
lastModified1
(文件/文件夹)
childItems
(文件夹)
contentMD5
(文件)
structure2
(文件)
columnCount2
(文件)
exists3
(文件/文件夹)
Amazon S3 √/√ √/√ x/x √/√ x √/√
Amazon S3 兼容存储 √/√ √/√ x/x √/√ x √/√
Google Cloud Storage √/√ √/√ x/x √/√ x √/√
Oracle 云存储 √/√ √/√ x/x √/√ x √/√
Azure Blob 存储 √/√ √/√ x/x √/√ √/√
Azure Data Lake Storage Gen2 √/√ √/√ x/x √/√ √/√
Azure 文件 √/√ √/√ √/√ √/√ x √/√
Microsoft Fabric 湖屋 √/√ √/√ x/x √/√ √/√
文件系统 √/√ √/√ √/√ √/√ x √/√
SFTP √/√ √/√ x/x √/√ x √/√
FTP √/√ √/√ x/x x/x x √/√

1 元数据 lastModified

  • 对于 Amazon S3、Amazon S3 兼容存储、Google Cloud Storage 和 Oracle 云存储,lastModified 适用于 bucket 和密钥,但不适用于虚拟文件夹,而 exists 适用于 bucket 和密钥,但不适用于前缀或虚拟文件夹。
  • 对于 Azure Blob 存储,lastModified 适用于容器和 Blob,但不适用于虚拟文件夹。

2 从二进制文件、JSON 文件或 XML 文件获取元数据时,不支持元数据 structurecolumnCount

3 元数据 exists:对于 Amazon S3、Amazon S3 兼容存储、Google Cloud Storage 和 Oracle 云存储,exists 适用于 bucket 和密钥,但不适用于前缀或虚拟文件夹。

注意以下事项:

  • 对文件夹使用“获取元数据”活动时,请确保对给定文件夹具有“列出/执行”权限。

  • “获取元数据”活动不支持文件夹/文件的通配符筛选器。

  • 连接器上设置的 modifiedDatetimeStartmodifiedDatetimeEnd 筛选器:

    • 这两个属性用于在从文件夹中获取元数据时筛选子项。 它不适用于从文件中获取元数据的情况。
    • 使用此类筛选器时,输出中的 childItems 仅包括在指定范围内修改的文件,而不包括文件夹。
    • 为了应用此类筛选器,GetMetadata 活动会枚举指定文件夹中的所有文件,并检查修改后的时间。 即使预期的符合条件的文件数很少,也要避免指向包含大量文件的文件夹。

关系数据库

连接器/元数据 structure columnCount exists
Amazon RDS for SQL Server
Azure SQL 数据库
Azure SQL 托管实例
Azure Synapse Analytics
SQL Server

元数据选项

可以在“获取元数据”活动字段列表中指定以下元数据类型,以检索相应的信息:

元数据类型 说明
itemName 文件或文件夹的名称。
itemType 文件或文件夹的类型。 返回的值为 FileFolder
大小 文件大小,以字节为单位。 仅适用于文件。
created 文件或文件夹的创建日期时间。
lastModified 文件或文件夹的上次修改日期时间。
childItems 给定文件夹中的子文件夹和文件列表。 仅适用于文件夹。 返回的值为每个子项的名称和类型列表。
contentMD5 文件的 MD5。 仅适用于文件。
structure 文件或关系数据库表的数据结构。 返回的值为列名称和列类型列表。
columnCount 文件或关系表中的列数。
exists 是否存在某个文件、文件夹或表。 如果在“获取元数据”字段列表中指定了 exists,那么,即使不存在该文件、文件夹或表,该活动也不会失败, 而是在输出中返回 exists: false

提示

若要验证是否存在某个文件、文件夹或表,请在“获取元数据”活动字段列表中指定 exists。 然后可以检查活动输出中的 exists: true/false 结果。 如果未在该字段列表中指定 exists,那么,在找不到对象时,“获取元数据”活动将会失败。

注意

从文件存储获取元数据以及配置 modifiedDatetimeStartmodifiedDatetimeEnd 时,输出中的 childItems 只包含指定路径中其最近修改时间在指定范围内的文件。 不包括子文件夹中的项。

注意

要使“结构”字段列表为分隔文本和 Excel 格式数据集提供实际数据结构,必须启用 属性,该属性仅支持用于这些数据源。

语法

获取元数据活动

{
    "name":"MyActivity",
    "type":"GetMetadata",
    "dependsOn":[

    ],
    "policy":{
        "timeout":"7.00:00:00",
        "retry":0,
        "retryIntervalInSeconds":30,
        "secureOutput":false,
        "secureInput":false
    },
    "userProperties":[

    ],
    "typeProperties":{
        "dataset":{
            "referenceName":"MyDataset",
            "type":"DatasetReference"
        },
        "fieldList":[
            "size",
            "lastModified",
            "structure"
        ],
        "storeSettings":{
            "type":"AzureBlobStorageReadSettings"
        },
        "formatSettings":{
            "type":"JsonReadSettings"
        }
    }
}

数据集

{
    "name":"MyDataset",
    "properties":{
        "linkedServiceName":{
            "referenceName":"AzureStorageLinkedService",
            "type":"LinkedServiceReference"
        },
        "annotations":[

        ],
        "type":"Json",
        "typeProperties":{
            "location":{
                "type":"AzureBlobStorageLocation",
                "fileName":"file.json",
                "folderPath":"folder",
                "container":"container"
            }
        }
    }
}

Type 属性

目前,“获取元数据”活动可以返回以下类型的元数据信息:

属性 描述 必须
fieldList 所需元数据信息的类型。 有关支持的元数据的详细信息,请参阅本文的元数据选项部分。
dataset 引用数据集,其元数据将由“获取元数据”活动检索。 有关支持的连接器的信息,请参阅功能部分。 有关数据集语法详细信息,请参阅特定的连接器主题。
formatSettings 使用格式类型数据集时适用。
storeSettings 使用格式类型数据集时适用。

示例输出

“获取元数据”的结果显示在活动输出中。 以下两个示例演示了大量的元数据选项。 若要在后续活动中使用这些结果,请使用以下模式:@{activity('MyGetMetadataActivity').output.itemName}

获取文件的元数据

{
  "exists": true,
  "itemName": "test.csv",
  "itemType": "File",
  "size": 104857600,
  "lastModified": "2017-02-23T06:17:09Z",
  "created": "2017-02-23T06:17:09Z",
  "contentMD5": "cMauY+Kz5zDm3eWa9VpoyQ==",
  "structure": [
    {
        "name": "id",
        "type": "Int64"
    },
    {
        "name": "name",
        "type": "String"
    }
  ],
  "columnCount": 2
}

获取文件夹的元数据

{
  "exists": true,
  "itemName": "testFolder",
  "itemType": "Folder",
  "lastModified": "2017-02-23T06:17:09Z",
  "created": "2017-02-23T06:17:09Z",
  "childItems": [
    {
      "name": "test.avro",
      "type": "File"
    },
    {
      "name": "folder hello",
      "type": "Folder"
    }
  ]
}

了解支持的其他控制流活动: