Nano Hash - криптовалюты, майнинг, программирование

Как просмотреть пакеты SSIS на SQL Server

Моя проблема относится конкретно к пакетам SSIS, сохраненным в «SQL Server» с помощью мастера импорта и экспорта в SQL Server Management Studio. Когда пакет сохраняется в «SQL Server» вместо «Файловая система», он не сохраняется в каталоге служб Integration Services. Мой вопрос в том, как вы получаете доступ к этим пакетам для редактирования или просмотра.

Т.е. я хочу внести небольшую корректировку в пакет SSIS, хранящийся в SQL Server, но я не помню всех изменений и параметров, которые я сделал при первоначальной настройке (поэтому я не могу просто воссоздать его). Кроме того, я хотел бы удалить старые тестовые версии пакета.

sql-server ssis
18.02.2020

  • Привет, Мэтт, я думаю, что в вашем вопросе возникла некоторая путаница с языком. Я думал, вы спрашиваете о сохранении с использованием опции File System вместо опции SQL Server. Теперь я понимаю, что вы спрашиваете об опции SQL Server, и обновили вопрос. Я посмотрю на это дальше и вернусь к вам. 19.02.2020
  • Кроме того, какую версию SQL Server вы используете? 19.02.2020
  • SQL Server 14.0. 20.02.2020
  • Я добавил новый ответ, который, я думаю, охватывает все ваши вопросы. 20.02.2020

Ответы:


1

Согласно документации мастера:

Мастер сохраняет пакет в базе данных msdb в таблице sysssispackages. Этот параметр не сохраняет пакет в базе данных каталога служб SSIS (SSISDB).

Удаление записей из этой таблицы приведет к удалению пакета.

Вы можете открыть пакет, чтобы отредактировать его с помощью инструментов SQL Server Data Tools. Создайте новый проект SSIS, а затем в области обозревателя решений щелкните правой кнопкой мыши значок папки пакетов SSIS и выберите Add existing package....

В следующем диалоговом окне вы должны выбрать «SQL Server» в качестве местоположения пакета, ввести адрес своего сервера и учетные данные для входа, а затем для «Путь к пакету» щелкните три точки, и это позволит вам перейти к пакету. Нажмите «ОК», и ваш пакет будет загружен в SSDT.

19.02.2020
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..