Documentação Experience Platform Assimilar dados em lote

Assimilar dados em lote

Última atualização: 5 de junho de 2025

Tópicos:
Assimilação de dados

Criado para:

Iniciante
Intermediário
Desenvolvedor

Nesta lição, você assimilará dados em lote na Experience Platform usando vários métodos.

A assimilação de dados em lote permite assimilar uma grande quantidade de dados na Adobe Experience Platform de uma só vez. Você pode assimilar dados em lote em um upload único na interface da Platform ou usando a API. Você também pode configurar carregamentos em lote regularmente agendados de serviços de terceiros, como serviços de armazenamento na nuvem usando conectores do Source.

Os engenheiros de dados precisarão assimilar dados em lote fora deste tutorial.

Antes de começar os exercícios, assista a este vídeo curto para saber mais sobre a assimilação de dados:

Permissões necessárias

Na lição Configurar Permissões, você configura todos os controles de acesso necessários para concluir esta lição.

Você precisará acessar um servidor (S)FTP ou uma solução de armazenamento na nuvem para o exercício Origens. Há uma solução alternativa se você não tiver uma.

Assimilar dados em lotes com a interface do usuário da Platform

Os dados podem ser carregados diretamente em um conjunto de dados na tela de conjuntos de dados nos formatos JSON e parquet. Essa é uma ótima maneira de testar a assimilação de alguns de seus dados após criar uma

Baixar e preparar os dados

Primeiro, obtenha os dados de amostra e personalize-os para seu locatário:

NOTE

Os dados contidos no arquivo luma-data.zip são fictícios e devem ser usados apenas para fins de demonstração.

Baixe o luma-data.zip na sua pasta Tutorial Assets do Luma.
Descompacte o arquivo, criando uma pasta chamada luma-data que contém os quatro arquivos de dados que usaremos nesta lição
Abra o luma-loyalty.json em um editor de texto e substitua todas as instâncias do _techmarketingdemos pela sua própria id de locatário com sublinhado, como vista em seus próprios esquemas:
Salve o arquivo atualizado

Assimilar os dados

Na interface da Platform, selecione Conjuntos de dados na navegação à esquerda
Abra seu Luma Loyalty Dataset
Role para baixo até ver a seção Adicionar dados na coluna direita
Carregar o arquivo luma-loyalty.json.
Depois que o arquivo for carregado, uma linha do lote será exibida
Se você recarregar a página após alguns minutos, verá que o lote foi carregado com êxito com 1000 registros e 1000 fragmentos de perfil.

NOTE

Há algumas opções, Diagnóstico de erros e Assimilação parcial, que você verá em várias telas nesta lição. Essas opções não são abordadas no tutorial. Algumas informações rápidas:

Habilitar o diagnóstico de erro gera dados sobre a assimilação dos dados, que podem ser revisados usando a API de acesso a dados. Saiba mais sobre isso em a documentação.
A assimilação parcial permite assimilar dados que contêm erros até um determinado limite que você pode especificar. Saiba mais sobre isso em a documentação

Validar os dados

Há algumas maneiras de confirmar se os dados foram assimilados com êxito.

Validar na interface do usuário da Platform

Para confirmar se os dados foram assimilados no conjunto de dados:

Na mesma página em que você assimilou os dados, selecione o botão Visualizar conjunto de dados no canto superior direito
Selecione o botão Visualizar e você poderá ver alguns dos dados assimilados.

Para confirmar se os dados chegaram ao Perfil (pode levar alguns minutos para que sejam enviados):

Vá para Perfis na navegação à esquerda
Selecione o ícone ao lado do campo Selecionar namespace de identidade para abrir a modal
Selecione seu namespace Luma Loyalty Id
Em seguida, insira um dos valores loyaltyId do seu conjunto de dados, 5625458
Selecionar Exibição

Validar com eventos de assimilação de dados

Se você se inscreveu em eventos de assimilação de dados na lição anterior, verifique o URL exclusivo do webhook.site. Você deve ver três solicitações exibidas na seguinte ordem, com algum tempo entre elas, com os seguintes valores eventCode:

ing_load_success—o lote foi assimilado
ig_load_success—o lote foi assimilado no gráfico de identidade
ps_load_success—o lote foi assimilado no serviço de perfil

Webhook de assimilação de dados

Consulte a documentação para obter mais detalhes sobre as notificações.

Assimilar dados em lotes com a API da plataforma

Agora vamos carregar dados usando a API.

NOTE

Arquitetos de dados, sintam-se à vontade para fazer upload dos dados do CRM pelo método da interface do usuário.

Baixar e preparar os dados

Você já deve ter baixado e descompactado o luma-data.zip na pasta Luma Tutorial Assets.
Abra o luma-crm.json em um editor de texto e substitua todas as instâncias do _techmarketingdemos pela sua própria id de locatário com sublinhado, como vista em seus esquemas
Salve o arquivo atualizado

Obter a ID do conjunto de dados

Primeiro, vamos obter a ID da ID do conjunto de dados no qual queremos assimilar dados:

Abrir Postman
Se você não tiver um token de acesso, abra a solicitação OAuth: Request Access Token e selecione Enviar para solicitar um novo token de acesso, exatamente como você fez na lição Postman.
Abra as variáveis de ambiente e verifique se o valor de CONTAINER_ID ainda é tenant
Abra a solicitação Catalog Service API > Datasets > Retrieve a list of datasets. e selecione Enviar
Você deve receber uma resposta de 200 OK
Copiar a ID de Luma CRM Dataset do corpo da Resposta

Criar o lote

Agora podemos criar um lote no conjunto de dados:

Baixe a API de assimilação de dados.postman_collection.json para a pasta Luma Tutorial Assets
Importar a coleção para Postman
Selecionar a solicitação Data Ingestion API > Batch Ingestion > Create a new batch in Catalog Service.

Cole o seguinte como o Corpo da solicitação, substituindo o valor datasetId pelo seu próprio:

{
    "datasetId":"REPLACE_WITH_YOUR_OWN_DATASETID",
    "inputFormat": {
        "format": "json"
    }
}

Selecione o botão Enviar
Você deve receber uma resposta 201 Criada contendo a ID do novo lote!
Copiar o id do novo lote

Assimilar os dados

Agora podemos fazer upload dos dados no lote:

Selecionar a solicitação Data Ingestion API > Batch Ingestion > Upload a file to a dataset in a batch.
Na guia Params, insira a ID do conjunto de dados e a ID do lote em seus respectivos campos
Na guia Params, digite luma-crm.json como o filePath
Na guia Corpo, selecione a opção binário
Selecione o luma-crm.json baixado da sua pasta Luma Tutorial Assets local
Selecione Enviar e você deverá receber uma resposta 200 OK com '1' no corpo da resposta

Neste ponto, se você observar o lote na interface do usuário da Platform, verá que ele está no status "Carregando":
Carregamento em lote

Como a API de lote é frequentemente usada para fazer upload de vários arquivos, é necessário informar à Platform quando um lote é concluído, o que faremos na próxima etapa.

Concluir o lote

Para concluir o lote:

Selecionar a solicitação Data Ingestion API > Batch Ingestion > Finish uploading a file to a dataset in a batch.
Na guia Params, digite COMPLETE como a ação
Na guia Params, insira a ID do lote. Não se preocupe com a id do conjunto de dados ou filePath, se eles estiverem presentes.
Verifique se a URL da PUBLICAÇÃO é https://platform.adobe.io/data/foundation/import/batches/:batchId?action=COMPLETE e se não há referências desnecessárias para datasetId ou filePath
Selecione Enviar e você deverá receber uma resposta 200 OK com '1' no corpo da resposta

Validar os dados

Validar na interface do usuário da Platform

Validar se os dados chegaram à interface do usuário da Platform da mesma forma que você fez para o conjunto de dados de Fidelidade.

Primeiro, confirme se o lote mostra que 1000 registros foram assimilados:

Êxito do lote

Em seguida, confirme o lote usando Visualizar conjunto de dados:

Visualização em lote

Finalmente, confirme se um dos perfis foi criado procurando um dos perfis pelo namespace Luma CRM Id, por exemplo b642b4217b34b1e8d3bd915fc65c4452

Perfil assimilado

Há uma coisa interessante que aconteceu e que eu quero destacar. Abra esse perfil Danny Wright. O perfil tem um Lumacrmid e um Lumaloyaltyid. Lembre-se de que Luma Loyalty Schema continha dois campos de identidade, ID de Fidelidade da Luma e ID do CRM. Agora que carregamos ambos os conjuntos de dados, eles foram mesclados em um único perfil. Os dados de Fidelidade tinham Daniel como nome e "Cidade de Nova York" como endereço residencial, enquanto os dados do CRM tinham Danny como nome e Portland como endereço residencial para o cliente com a mesma ID de Fidelidade. Voltaremos para o motivo pelo qual o nome exibe Danny na lição sobre políticas de mesclagem.

Parabéns, você acabou de mesclar perfis!

Perfil mesclado

Validar com eventos de assimilação de dados

Se você se inscreveu em eventos de assimilação de dados na lição anterior, verifique o URL exclusivo do webhook.site. Você deve ver três solicitações recebidas, assim como com os dados de fidelidade:

Webhook de assimilação de dados

Consulte a documentação para obter mais detalhes sobre as notificações.

Assimilar dados com Workflows

Vamos ver outra maneira de fazer upload de dados. O recurso de fluxos de trabalho permite assimilar dados CSV que ainda não estão modelados no XDM.

Baixar e preparar os dados

Você já deve ter baixado e descompactado o luma-data.zip na pasta Luma Tutorial Assets.
Confirme que vocêluma-products.csv

Criar um fluxo de trabalho

Agora vamos configurar o fluxo de trabalho:

Vá para Workflows na navegação à esquerda
Selecione Mapear CSV para esquema XDM e selecione o botão Iniciar
Selecione o Luma Product Catalog Dataset e o botão Avançar
Adicione o arquivo luma-products.csv que você baixou e selecione o botão Avançar
Agora você está na interface do mapeador, na qual é possível mapear um campo dos dados de origem (um dos nomes de coluna no arquivo luma-products.csv) para campos XDM no esquema de destino. Em nosso exemplo, os nomes das colunas estão próximos o suficiente dos nomes dos campos de esquema que o mapeador pode detectar automaticamente o mapeamento correto! Se o mapeador não puder detectar automaticamente o campo direito, você selecionaria o ícone à direita do campo de destino para selecionar o campo XDM correto. Além disso, se você não quiser assimilar uma das colunas do CSV, poderá excluir a linha do mapeador. Fique à vontade para brincar e alterar os títulos das colunas no luma-products.csv para se familiarizar com o funcionamento do mapeador.
Selecione o botão Concluir

Validar os dados

Quando o lote tiver sido carregado, verifique o upload visualizando o conjunto de dados.

Como o Luma Product SKU é um namespace que não é de pessoas, não veremos nenhum perfil para as SKUs do produto.

Você deve ver as três ocorrências do seu webhook.

Assimilar dados com Origens

Ok, você fez as coisas do jeito difícil. Agora vamos para a terra prometida de assimilação em lote automatizada! Quando eu disser: "AJUSTE!" você diz: "ESQUEÇA!" "DEFINA!" "ESQUEÇA!" "DEFINA!" "ESQUEÇA!" Brincadeira, você nunca faria uma coisa dessas! Ok, de volta ao trabalho. Você está quase pronto.

Vá para Fontes na navegação à esquerda para abrir o catálogo Fontes. Aqui você verá várias integrações prontas para uso com os principais provedores de armazenamento e dados do setor.

Catálogo do Source

Ok, vamos assimilar dados usando um conector de origem.

Este exercício será um estilo de escolha-sua-própria-aventura. Vou mostrar o fluxo de trabalho usando o conector de origem FTP. Você pode usar um conector de origem do Cloud Storage diferente que usa em sua empresa ou fazer upload do arquivo json usando a interface do usuário do conjunto de dados, como fizemos com os dados de fidelidade.

Muitas das Fontes têm um fluxo de trabalho de configuração semelhante, no qual você:

Insira seus detalhes de autenticação
Selecione os dados que deseja assimilar
Selecione o conjunto de dados da plataforma no qual você deseja assimilá-lo
Mapear os campos para o esquema XDM
Escolha a frequência com que deseja assimilar dados desse local

NOTE

Os dados de compras offline que usaremos neste exercício contêm dados de data e hora. Os dados de Datetime devem estar em cadeias de caracteres formatadas em ISO 8061 ("2018-07-10T15:05:59.000-08:00") ou em Tempo Unix formatadas em milissegundos (1531263959000) e são convertidos no tempo de assimilação para o tipo XDM de destino. Para obter mais informações sobre conversão de dados e outras restrições, consulte a documentação da API de assimilação em lote.

Baixe, prepare e faça upload dos dados para seu fornecedor de armazenamento na nuvem preferido

Você já deve ter baixado e descompactado o luma-data.zip na pasta Luma Tutorial Assets.
Abra o luma-offline-purchases.json em um editor de texto e substitua todas as instâncias do _techmarketingdemos pela sua própria id de locatário com sublinhado, como vista em seus esquemas
Atualizar todos os carimbos de data e hora para que os eventos ocorram no último mês (por exemplo, pesquisar "timestamp":"2022-06 e substituir ano e mês)
Escolha seu provedor de armazenamento na nuvem preferido, certificando-se de que ele esteja disponível no catálogo Fontes
Carregue luma-offline-purchases.json para um local no seu provedor de armazenamento na nuvem preferido

Assimilar os dados no local de armazenamento na nuvem de sua preferência

Na interface do usuário da Platform, filtre o catálogo Fontes para Armazenamento na nuvem
Observe que há links convenientes para a documentação do ...
Na caixa do fornecedor de armazenamento na nuvem de sua preferência, selecione o botão Configurar
Autenticação é a primeira etapa. Digite o nome da sua conta, por exemplo Luma's FTP Account e seus detalhes de autenticação. Essa etapa deve ser bastante semelhante para todas as fontes de armazenamento na nuvem, embora os campos possam variar um pouco. Depois de inserir os detalhes de autenticação de uma conta, você pode reutilizá-los para outras conexões de origem que podem estar enviando dados diferentes em agendamentos diferentes de outros arquivos na mesma conta
Selecione o botão Conectar à origem
Quando a Platform tiver se conectado com êxito à Source, selecione o botão Avançar
Na etapa Selecionar dados, a interface usará suas credenciais para abrir a pasta na solução de armazenamento na nuvem
Selecione os arquivos que você deseja assimilar, por exemplo luma-offline-purchases.json
Como o Formato de dados, selecione XDM JSON
Em seguida, é possível visualizar a estrutura json e os dados de amostra no arquivo
Selecione o botão Avançar
Na etapa Mapeamento, selecione o Luma Offline Purchase Events Dataset e o botão Avançar. Observe na mensagem que, como os dados que estamos assimilando são um arquivo JSON, não há etapa de mapeamento em que mapeamos o campo de origem para o campo de destino. Os dados JSON já devem estar no XDM. Se você estivesse assimilando um CSV, veria a interface do usuário de mapeamento completa nesta etapa:
Na etapa Agendando, escolha a frequência com que deseja assimilar dados da Source. Reserve um momento para ver as opções. Vamos fazer uma assimilação única, portanto, deixe a Frequência em Uma vez e selecione o botão Próximo:
Na etapa detalhes do fluxo de dados, você pode escolher um nome para o fluxo de dados, inserir uma descrição opcional, ativar o diagnóstico de erros e assimilação parcial. Deixe as configurações como estão e selecione o botão Avançar:
Na etapa Revisão, você pode revisar todas as suas configurações em conjunto e editá-las ou selecionar o botão Concluir
Depois de salvar, você será direcionado para uma tela como esta:

Validar os dados

Quando o lote tiver sido carregado, verifique o upload visualizando o conjunto de dados.

Você deve ver as três ocorrências do seu webhook.

Pesquise o perfil com valor 5625458 no namespace loyaltyId novamente para ver se há eventos de compra em seu perfil. Você deve ver uma compra. Para se aprofundar nos detalhes da compra, selecione Exibir JSON:

Evento de compra no perfil

Ferramentas de ETL

A Adobe tem parcerias com vários fornecedores de ETL para oferecer suporte à assimilação de dados na Experience Platform. Devido à variedade de fornecedores de terceiros, o ETL não é abordado neste tutorial, embora você seja bem-vindo para analisar alguns destes recursos:

Recursos adicionais

Agora vamos transmitir dados usando o Web SDK

recommendation-more-help