M365Con 2027 – conferencia online gratuita · 11–22 Jan 2027 · 120 sessions m365con.net

Mapping data flows

Producto

Transformaciones de datos diseñadas visualmente, sin código, en Azure Data Factory que se ejecutan como actividades dentro de pipelines sobre clústeres de Apache Spark administrados por el servicio.

◆ PRODUCTOMapping data flowsM365.FM
Imagen de título: Mapping data flows (Producto)

También se tratan

El episodio sobre Mapping data flows trata también Integration runtime y Azure Data Factory.

Descripción

Los flujos de datos de asignación son transformaciones de datos diseñadas visualmente en Azure Data Factory. Según Microsoft Learn, la página también se aplica a Azure Synapse Analytics. Permiten a los desarrolladores crear la lógica de transformación sin escribir código. El servicio se encarga de la traducción del código, la optimización de rutas y la ejecución de los trabajos de flujo de datos, que se ejecutan en clústeres de Apache Spark escalados que el servicio administra.

Un flujo de datos de asignación no se ejecuta por sí solo. Se ejecuta como una actividad dentro de una canalización. En esa actividad de canalización se eligen el entorno de ejecución de integración y los valores de los parámetros. Por ello, un flujo de datos puede utilizar las funciones de programación, control de flujo y supervisión que ya existen para las canalizaciones de Azure Data Factory, sin necesidad de un mecanismo independiente para la orquestación.

La experiencia de creación se basa en un lienzo con tres áreas principales. Una barra superior ofrece funciones para guardar, validar y ver el JSON o el script del flujo de datos. Un gráfico muestra la secuencia desde el origen hasta el destino, de modo que la ruta de los datos a través de las transformaciones es visible de un vistazo. Aparece un panel de configuración para la transformación seleccionada. Cada transformación proporciona pestañas para su propia configuración, para la optimización de particiones, para una inspección de metadatos de solo lectura y para una vista previa de datos.

La documentación señala algunas restricciones prácticas. La vista previa de datos solo funciona cuando el modo de depuración está activado. La pestaña de inspección no muestra metadatos cuando el origen no tiene un esquema definido, lo cual es típico en la deriva de esquema. Quienes diseñan flujos sobre orígenes con estructuras cambiantes deben esperar este comportamiento al inspeccionar metadatos durante el desarrollo.

En situaciones habituales, los flujos de datos de asignación se eligen cuando la lógica de transformación debe expresarse visualmente en lugar de en código, mientras que la canalización que los rodea se encarga de los desencadenadores, la programación y la supervisión. La decisión depende sobre todo de dónde debe residir el trabajo de transformación: en una secuencia gráfica de transformaciones ejecutada en Spark administrado, o en otro punto de la plataforma de datos. La documentación también señala Dataflow Gen2 en Microsoft Fabric como una tecnología comparable, lo que resulta relevante para los equipos que evalúan Azure Data Factory frente a Fabric.

El episodio de M365.FM "Azure Data Factory - Simply Explained" trata los flujos de datos de asignación bajo el título "Transforming Without Code". Los sitúa junto a los demás componentes básicos del servicio: canalizaciones y actividades, servicios vinculados y conjuntos de datos, entornos de ejecución de integración, y desencadenadores y programación. El mismo episodio también compara Azure Data Factory con las canalizaciones de Fabric y analiza los costos y las mejores prácticas.

El episodio "What Microsoft Fabric Means for Power BI Professionals" menciona los flujos de datos de asignación en un esquema de aprendizaje para la ingesta e integración de datos en Fabric. Allí, aprender flujos de datos de asignación y transformación de datos aparece junto con explorar conectores y practicar la ingesta en OneLake, usando las capacidades de Data Factory en Fabric. Esto muestra cómo aparece el concepto tanto en el contexto de Azure Data Factory como en los debates sobre la plataforma de datos de Fabric.

Resumen generado con IA a partir de los episodios de M365.FM y los datos de esta página. Puedes mejorarlo con el botón de edición de abajo.

TipoProducto

Preguntas frecuentes

Las preguntas marcadas con IA se escribieron con IA a partir de los datos de esta página.

¿Qué son los flujos de datos de asignación en Azure Data Factory? (IA)

Son transformaciones de datos diseñadas visualmente que no requieren código. El servicio traduce el diseño y lo ejecuta en clústeres de Apache Spark escalados que él mismo administra.

¿Cómo se ejecuta un flujo de datos de asignación? (IA)

Se ejecuta como una actividad dentro de una canalización, donde se seleccionan el entorno de ejecución de integración y los valores de los parámetros. Esto le permite usar las funciones existentes de programación, control de flujo y supervisión de las canalizaciones.

¿Por qué a veces no se muestran la vista previa de datos o los metadatos? (IA)

La vista previa de datos solo funciona cuando el modo de depuración está activado. La pestaña de inspección no muestra metadatos cuando el origen no tiene un esquema definido, lo cual es típico en la deriva de esquema.

Glosario

Community wiki

Short info above, community knowledge below: add practical tips, examples or corrections. New contributions are reviewed first; trusted members publish directly.

Expertos y empresas para este tema

Nadie ha indicado aún este tema. Añádelo a tu perfil.

Mantenido por Mirko Peters (Microsoft MVP) · Última actualización: