Strömmande datatransformationer

En strömmande datatransformering läser en post i ett källobjekt, omformar postdata och skriver en eller flera poster till ett målobjekt. Käll- och målobjekten måste vara olika objekt. En strömmande datatransformering körs kontinuerligt som en strömmande process och hämtar nya eller ändrade data.

Använd en strömmande datatransformering för att rensa intagna data. Mappa sedan de förbättrade data till datamodellen.

• Användningsfall för streaming av datatransformering
  Dessa användningsfall visar hur du kan använda strömmande datatransformationer för att normalisera dina data, filtrera dem och bättre anpassa dem till Data Cloud-datamodellen.
• Konfigurera en strömmande datatransformering
  När du konfigurerar en strömmande datatransformering läser och bearbetar den alla poster i källan och skriver data till målobjektet. Käll- och målobjekten måste vara olika objekt.
• Koppla data i en strömmande transformation
  Sammanslagningar möjliggör datautökning genom att kombinera data från två separata strömmar baserat på en primär nyckel. I streamingdatatransformationer används klausulerna `INNER JOIN` och `LEFT JOIN` i SQL-uttryck för att kombinera data från två separata strömmar. Ett sammanslagningsuttryck består av två objekt: en identifierar objektet som utlöser streamingtransformationen vid uppdatering och den andra specificerar objektet som används för att utvärdera sammanslagningen.
• Skapa ett mål-DLO från fliken Datasjöobjekt
  Ett sätt att skapa ett nytt måldatasjöobjekt (DLO) är via fliken Datasjöobjekt.
• Kontrollera status för en datatransformering
  För att bevaka status för en strömmande datatransformering, gå igenom dess bearbetningsmått.
• Filtrera poster för strömmande datatransformering
  Använd klausulen WHERE i SQL-uttrycket för strömmande datatransformering för att begränsa vilka källobjektposter som läser och bearbetar strömmande datatransformering.
• Återuppbygg streamingtransformera målobjekt
  Återuppbygg ett målobjekt för streamingtransformation för att säkerställa enhetlighet i data.
• Att tänka på vid arbete med strömmande datatransformationer
  Att tänka på vid arbete med streaming av data kan påverka prestanda, pålitlighet och framgång för din pipeline för databearbetning avsevärt.
• Att tänka på vid borttagning av data
  Tänk på följande när du tar bort data i Data 360.
• Registrerade kunders rättigheter i datatransformationer
  En kunds rättigheter som registrerad relaterar till lagringen och användningen av deras personuppgifter. Data 360 erbjuder verktyg för att stödja registrerades rättigheter i enlighet med olika dataskydds- och sekretessföreskrifter.
• Funktioner och operatorer för strömmande datatransformering
  Du kan använda dessa funktioner och operatorer i ett SQL-uttryck för strömmande datatransformering.