--session donnée dans le cadre du 24HOP Francophone-- http://www.sqlpass.org/24hours/2016/french/Sessions.aspx Les données sont le nouveau pétrole ? Alors vous avez besoin de pipelines. Azure Data Factory est la solution pour déplacer des données entre vos briques de stockage ou de calcul, qu’elles soient dans le Cloud ou dans votre Data Center. Dans cette session, vous découvrirez cette technologie et comment construire votre 1er pipeline.

1. Azure Data Factory
Mouvement de données hybride

2. Jean-Pierre Riehl
Practice Manager Data & BI AZEO
MVP Data Platform
Chapter Leader GUSS
@djeepy1
http://blog.djeepy1.net

3. Azure Data Factory, c’est quoi ?
Consume, Orchestrate, Transform
 Principe de « Data Pipeline »
 Cloud-ETL ?

4. Azure Data Factory, c’est quoi ?
« Mouvement de données hybride (mais
principalement dans le Cloud) et Orchestration
des briques Data dans Azure »

5. Azure Data Factory, les concepts
 Data Factory : représente l’unité de base d’ADF, elle contient des pipelines
 Pipeline : représente le flux qui sera exécuté
 Activité : représente une action réalisée (copie, entrainement de modèle, etc.)
 Jeu de données : définit les données manipulées (colonnes, etc.)
 Tranche : représente une instance d’un jeu de données
 Service Lié : représente une source de données, un service
 Passerelle : permet d’accéder à des ressources On-Prem

6. L’interface
L’interface est dans le portail Azure
Editeur de code intégré
Assistant pipeline de copie
Interface de monitoring
Objets
Diagnostics et alertes
Vision Diagramme

7. Gestion du code avec Visual Studio
Diagramme
Solution &
objets
Code JSON

8. Premiers pas avec ADF

9. Activités de copie

10. Assistant de copie

11. Utilisation de l’assistant de copie

12. Eléments décortiqués : Service Lié
type définit la source
typeProperties contient les propriétés
propres à la source
 Ex : hiveConfiguration, mlEndpoint
On précisera la Gateway pour les
sources On-Premises
 Possibilité de chiffrer les informations de
connexion (credentials) côté OnPrem
On peut préciser un autre service lié
complémentaire
 Ex : Azure Storage pour HDInsight
Possibilité de faire de On-Demand
{
"name": "Djeepy1SQL",
"properties": {
"type": "OnPremisesSqlServer",
"typeProperties": {
"connectionString": "Data
Source=L0171;Initial Catalog=xxx",
"gatewayName": "SQLServer"
}
}
}

13. Eléments décortiqués : Jeu de données
type dépend de la source
properties/typeProperties contiennent la
définition
 On précise le service lié
 La structure peut être omise
On peut définir la « disponibilité » du jeu de
données
On peut définir des règles de validation
 Ex : nombre minimum de lignes
On peut définir un partitionnement
 Ex : source de type fichier
Possibilité d’avoir un Scoped Dataset
{
"name": "FactSalesView_Azure",
"properties": {
"type": "AzureSqlTable",
"linkedServiceName": "AzureSQL",
"structure": [],
"typeProperties": {
"tableName": "FactSalesView_Azure"
},
"external": true,
"availability": {
"frequency": "Minute","interval": 30
},
"policy": {}
}
}

14. Eléments décortiqués : Activité
Référence les Datasets d’entrée et de
sortie, et donc les Services Liés
On peut définir des informations sur les
sources et les destinations
 Ex : le mapping, la requête à exécuter
 Possibilité d’écrire des fonctions
On définit la planification
 Doit être aligné sur la disponibilité du
Dataset de sortie
On peut définir des conditions d’exécution
 Ex : règle de retry
{
"name": "CopyView",
"type": "Copy",
"inputs": [], "outputs": [],
"typeProperties": {
"source": {
"type": "SqlSource",
"sqlReaderQuery": "select * from
dbo.SalesByStoreYear"
},
"sink": {
"type": "SqlSink"
}
},
"policy": { }
"scheduler": { }
}}

15. Eléments décortiqués : Pipeline
Contient les activités
Détermine quand le pipeline est actif
 Start /End
 IsPaused
{
"name": "CopyTables",
"properties": {
"description": "Copie d'une vue et
d'une requête custom",
"activities": [
...
],
"start": "2016-09-11T20:00",
"end": "2016-09-11T21:00"
}
}

16. Activité de copie : Source & Sink
Source
• Méta portées par le Dataset et/ou le
pipeline
• Possibilité d’injecter des paramètres
Sink = Destination
• Mapping possible
Propriétés disponibles dépendantes du
Data Store
Au 19/09/2016

17. Besoin d’une passerelle ?
DMZ
SQL
Cloud On-Prem
Oracle
…
Data
Management
Gateway
OnPrem Data Sources
Azure Data Factory

18. Activités de calcul

19. Activités de calcul
Il est possible d’utiliser les briques
Data d’Azure pour réaliser des
opérations :
 HDInsight (HADOOP, Spark, etc.)
 Azure Data Lake
 Azure Machine Learning
Utilisé pour la transformation ou le
calcul
Ex :
 Requêtes Hive / Pig / MapR / U-SQL
 Entrainement de modèle
 Appel WS Azure ML
 etc.

20. Activités de calcul
2 modes :
 On-Demand
 Bring-your-own
On passe la configuration par des
propriétés dans l’activité JSON

21. Activités de calcul & Monitoring

22. Principe de Slicing
La disponibilité et la planification des Datasets conditionnent l’exécution
 On parle de Slice (tranche)
Ce sont les Slices qui vont transiter entre les activités des pipelines
Principe d’alignement des Slices (+ planifications)
Possibilité de partitionnement
Dépendances & Policies
Certaines sources sont « toujours disponibles » (ex : SQL Server)

23. Principe de Slicing
Alignement de planifications
Partitionnement
Dépendances
Policies
Data source « toujours disponible »

24. 24

25. 25
Activités personnalisées

26. Activité personnalisée
C’est une classe .NET qui implémente IDotNetActivity
 => (Microsoft.Azure.Management.DataFactories)
Elle tournera dans Azure Batch ou Azure HDinsight
"activities": [ {
...
"linkedServiceName": "HDInsightLinkedService",
"type": "DotNetActivity",
"typeProperties": {
"assemblyName": "SentimentAnalysisService.dll",
"entryPoint":
"SentimentAnalysisService.SentimentAnalysis",
"packageLinkedService": "StorageLinkedService",
"packageFile": ".../SentimentAnalysis.zip",
"extendedProperties": { }
} ]

27. Créateur de réussites
technologiques.
Pour démarrer ?
Consultez les offres AZEO
• Self-Service BI
• Data Analytics
• BI Agile

28. Questions?

29. Merci de votre participation