使用控制表从数据库进行大容量复制

适用于： Azure 数据工厂 Azure Synapse Analytics

若要将数据从 Oracle 服务器、Netezza、Teradata 或 SQL Server 中的数据仓库复制到 Azure Synapse Analytics，必须从多个表加载大量数据。 通常情况下，必须在每个表中对数据分区，以便使用多个线程从单个表并行加载行。 本文介绍可以在这些方案中使用的模板。

关于此解决方案模板

此模板可从外部控制表检索用于复制的源数据库分区的列表。 然后，它会循环访问源数据库中的每个分区，并将数据复制到目标。

该模板包含三个活动：

• 查找可从外部控制表检索源数据库分区的列表。
• ForEach 可从查找活动中获取分区列表，然后针对复制活动循环访问每个分区。
• 复制可将每个分区从源数据库存储复制到目标存储。

模板定义以下参数：

• Control_Table_Name 是外部控制表，用于存储源数据库的分区列表。
• Control_Table_Schema_PartitionID 是外部控制表中用于存储每个分区 ID 的列名。 请确保源数据库中每个分区的分区 ID 都是唯一的。
• Control_Table_Schema_SourceTableName 是外部控制表，用于存储源数据库中的每个表名。
• Control_Table_Schema_FilterQuery 是外部控制表中的列名，用于存储筛选器查询，以从源数据库中的每个分区获取数据。 例如，如果按年份对数据进行分区，则存储在每一行中的查询可能类似于 select * from datasource where LastModifytime >= ''2015-01-01 00:00:00'' and LastModifytime <= ''2015-12-31 23:59:59.999''。
• Data_Destination_Folder_Path 是将数据复制到目标存储中时使用的路径（当所选目标是“文件系统”时适用）。
• Data_Destination_Container 是将数据复制到目标存储时使用的根文件夹路径。
• Data_Destination_Directory 是将数据复制到目标存储中时使用的根下的目录路径。

仅当所选目标是基于文件的存储时，最后三个参数（定义目标存储中的路径）才可见。 如果选择“Azure Synapse Analytics”作为目标存储，则不需要这些参数。 但 Azure Synapse Analytics 中的表名和架构必须与源数据库中的表名和架构相同。

如何使用此解决方案模板

1. 在 SQL Server 或 Azure SQL 数据库中创建控制表，以存储源数据库分区列表来进行大容量复制。 在以下示例中，源数据库有五个分区。 三个分区用于 datasource_table，两个分区用于 project_table。 列 LastModifytime 用于对源数据库的表 datasource_table 中的数据进行分区。 用于读取第一个分区的查询是 'select * from datasource_table where LastModifytime >= ''2015-01-01 00:00:00'' and LastModifytime <= ''2015-12-31 23:59:59.999'''。 可以使用类似查询从其他分区读取数据。

    		Create table ControlTableForTemplate
    		(
    		PartitionID int,
    		SourceTableName  varchar(255),
    		FilterQuery varchar(255)
    		);
   
    		INSERT INTO ControlTableForTemplate
    		(PartitionID, SourceTableName, FilterQuery)
    		VALUES
    		(1, 'datasource_table','select * from datasource_table where LastModifytime >= ''2015-01-01 00:00:00'' and LastModifytime <= ''2015-12-31 23:59:59.999'''),
    		(2, 'datasource_table','select * from datasource_table where LastModifytime >= ''2016-01-01 00:00:00'' and LastModifytime <= ''2016-12-31 23:59:59.999'''),
    		(3, 'datasource_table','select * from datasource_table where LastModifytime >= ''2017-01-01 00:00:00'' and LastModifytime <= ''2017-12-31 23:59:59.999'''),
    		(4, 'project_table','select * from project_table where ID >= 0 and ID < 1000'),
    		(5, 'project_table','select * from project_table where ID >= 1000 and ID < 2000');
   

2. 转到“从数据库进行大容量复制”模板。 创建与在步骤 1 中创建的外部控制表的新连接。

   

3. 创建与要从中复制数据的源数据库的新连接。

   

4. 创建与要将数据复制到其中的目标数据存储的新连接。

   

5. 选择“使用此模板” 。

6. 可以看到管道，如以下示例所示：

   

7. 选择“调试”，输入“参数”，然后选择“完成”。

   

8. 看到的结果类似于以下示例：

   

9. （可选）如果选择“Azure Synapse Analytics”作为数据目标，必须按 Azure Synapse Analytics Polybase 的要求输入用于暂存的 Azure Blob 存储的连接。 模板会自动为 Blob 存储生成容器路径。 检查是否在管道运行后创建了容器。

   

相关内容

• Azure 数据工厂简介