映射数据流中的查找转换

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

数据流在 Azure 数据工厂和 Azure Synapse 管道中均可用。 本文适用于映射数据流。 如果不熟悉转换,请参阅介绍性文章使用映射数据流转换数据

使用查找转换引用数据流中另一个源的数据。 查找转换会将匹配数据中的列追加到源数据中。

查找转换类似于左外部联接。 主流中的所有行都将存在于包含查找流中其他列的输出流中。

配置

屏幕截图显示“查找设置”选项卡,其中包含下文所述的标签。

主流: 传入的数据流。 此流等效于联接的左侧。

查找流: 追加到主流的数据。 查找条件确定要添加的数据。 此流等效于联接的右侧。

匹配多个行: 如果启用,则主流中具有多个匹配的行将返回多个行。 否则,将根据“匹配”条件仅返回单个行。

匹配项:仅当未选择“匹配多个行”时可见。 选择是否匹配任意行、首次匹配或最后匹配。 建议匹配任意行,因为它执行速度最快。 如果选择了首行或末行,则需要指定排序条件。

查找条件: 选择要匹配的列。 如果满足相等条件,则将这些行视为匹配项。 悬停鼠标并选择“计算列”,以使用数据流表达式语言提取值。

输出数据中包含两个流中的所有列。 若要删除重复列或不需要的列,请在查找转换后添加选择转换。 还可以在接收器转换中删除或重命名列。

非等值联接

若要在查找条件中使用条件运算符,例如不等于 (!=) 或大于 (>),请在两列之间更改运算符下拉菜单。 非等值联接要求使用“优化”选项卡中的“固定”广播来广播两个流中的至少一个流 。

非等值查找

分析匹配的行

查找转换后,可以使用函数 isMatch() 来查看查找是否匹配单个行。

查找模式

此模式的一个示例是使用有条件拆分转换来拆分 isMatch() 函数。 在上面的示例中,匹配行经过最顶部的流,而不匹配的行则流过 NoMatch 流。

测试查找条件

在调试模式下使用数据预览测试查找转换时,请使用一小组已知数据。 对大型数据集中的行进行采样时,无法预测将读取哪些行和键进行测试。 结果是非确定性的,这意味着你的联接条件可能不会返回任何匹配项。

广播优化

广播联接

在联接、查找和存在转换中,如果工作器节点内存可容纳一个数据流或同时容纳两个数据流,则可以通过启用“广播”来优化性能。 默认情况下,Spark 引擎将自动决定是否广播一侧。 若要手动选择要广播的一侧,请选择“固定”。

建议不要通过“关闭”选项来禁用广播,除非联接遇到超时错误。

缓存查找

如果要在同一源上执行多次小范围查找,那么相比于查找转换,缓存的接收器和查找可能是一个更佳用例。 缓存接收器的常见示例在以下情况中可能更佳:查找数据存储中的最大值,将错误代码与错误消息数据库进行匹配。 有关详细信息,请了解缓存接收器缓存的查找

数据流脚本

语法

<leftStream>, <rightStream>
    lookup(
        <lookupConditionExpression>,
        multiple: { true | false },
        pickup: { 'first' | 'last' | 'any' },  ## Only required if false is selected for multiple
        { desc | asc }( <sortColumn>, { true | false }), ## Only required if 'first' or 'last' is selected. true/false determines whether to put nulls first
        broadcast: { 'auto' | 'left' | 'right' | 'both' | 'off' }
    ) ~> <lookupTransformationName>

示例

屏幕截图显示以下代码的“查找设置”选项卡。

以上查找配置的数据流脚本位于下面的代码片段中。

SQLProducts, DimProd lookup(ProductID == ProductKey,
    multiple: false,
    pickup: 'first',
    asc(ProductKey, true),
    broadcast: 'auto')~> LookupKeys