Nano Hash - криптовалюты, майнинг, программирование

Вставка данных во вновь созданные таблицы из табличной переменной SSIS, а не из одной таблицы

Я искал около недели, и мне было интересно, может ли кто-нибудь иметь ключ. Я написал пакет, чтобы сделать следующее:

  1. цикл через родительскую папку и ее подпапки для csv с определенной структурой именования (работает)

  2. Создайте таблицу для каждого .csv на основе перечисления каждого файла (работы).

  3. Импортируйте данные на сервер sql в свои собственные таблицы с именем файла, которое было создано как имя таблицы, а не назначение OLE DB (что не работает). Это работает, если для всего есть папка назначения, но когда я использую табличную переменную, это не работает.

Что я сделал, так это добавил задачу «Выполнение SQL» для каждого контейнера, чтобы создать таблицу с переменной для пути к файлу, которая отображается как выражение в для каждого контейнера в запросе на создание таблицы в выражении свойства sqlstatementsource. Таблицы созданы, но когда я использую переменную, которая была сопоставлена ​​для цикла for each, в качестве имени таблицы или переменной в OLE DB Destination, я получаю сообщение об ошибке с просьбой проверить, существует ли таблица. Таблицы создаются, но я не могу добиться вставки данных в свои таблицы. Даже когда я обхожу ошибку «Таблица назначения не предоставлена» и запускаю пакет. Я установил delayValidation как истину и все равно ничего. SSIS из того, что я видел до сих пор, делает несколько интересных вещей. Тем не менее, я застрял прямо сейчас. Что еще я делаю неправильно?

Я забыл упомянуть, что данные идут на сервер sql.

Спасибо за все.

csv foreach sql-server ssis
29.03.2016

Ответы:


1

Вы не можете создать OLEDB Destination во время разработки с переменной для имени таблицы. Адресат OLEDB должен знать имя таблицы и столбцы, чтобы он мог предварительно сопоставить поток данных со столбцами таблицы.

У вас есть несколько других вариантов:

  1. Вы можете использовать BiML для динамического создания потоков данных и мест назначения.
  2. Вы можете использовать ExecuteSQL Transformation в качестве назначения потока данных и написать динамическую инструкцию SQL, которая вставляет каждую строку потока данных в нужную таблицу.
29.03.2016
  • В порядке. Является ли № 1 в службах SSIS, другом программном обеспечении или надстройках? Преобразование ExecuteSQL в качестве потока данных будет частью SSIS? 30.03.2016
  • BiML: bimlscript.com И да, преобразование ExecuteSQL является стандартным компонентом потока данных SSIS. 30.03.2016
  • Является ли ExecuteSQL такой же, как задача ExecuteSQL? Когда вы говорите, что в потоке данных это будет вместо места назначения БД? Если да, то я не вижу ExecuteSQL Transformation в списке задач. 31.03.2016
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..