Skapa ett dataflöde med hjälp av en datakälla i användargränssnittet

Ett dataflöde är en schemalagd aktivitet som hämtar och importerar data från en källa till en datauppsättning i Adobe Experience Platform. I den här självstudiekursen beskrivs hur du skapar ett dataflöde för en databaskälla med hjälp av plattformsgränssnittet.

Komma igång

Den här självstudiekursen kräver en fungerande förståelse av följande plattformskomponenter:

Lägg till data

När du har skapat ditt datakällkonto för databasen visas steget Add data som ger dig ett gränssnitt där du kan utforska databaskällkontots tabellhierarki.

När du har hittat källdata markerar du tabellen och väljer sedan Next.

Ange information om dataflöde

På sidan Dataflow detail kan du välja om du vill använda en befintlig datauppsättning eller en ny datauppsättning. Under den här processen kan du även konfigurera inställningar för Profile dataset, Error diagnostics, Partial ingestion och Alerts.

Använd en befintlig datamängd

Om du vill importera data till en befintlig datauppsättning väljer du Existing dataset. Du kan antingen hämta en befintlig datauppsättning med alternativet Advanced search eller genom att bläddra igenom listan med befintliga datauppsättningar i listrutan. När du har valt en datauppsättning anger du ett namn och en beskrivning för dataflödet.

Använd en ny datauppsättning

Om du vill importera till en ny datauppsättning väljer du New dataset och anger sedan ett namn på utdatauppsättningen och en valfri beskrivning. Välj sedan ett schema att mappa till med alternativet Advanced search eller genom att bläddra igenom listan med befintliga scheman i listrutan. När du har valt ett schema anger du ett namn och en beskrivning för dataflödet.

Aktivera Profile och feldiagnostik

Välj sedan alternativet Profile dataset för att aktivera datauppsättningen för Profile. På så sätt kan du skapa en helhetsbild av en enhets attribut och beteenden. Data från alla Profile-aktiverade datauppsättningar inkluderas i Profile och ändringarna tillämpas när du sparar dataflödet.

Error diagnostics aktiverar detaljerad generering av felmeddelanden för alla felaktiga poster som inträffar i dataflödet, medan Partial ingestion gör att du kan importera data som innehåller fel, upp till ett visst tröskelvärde som du manuellt anger. Mer information finns i översikten över partiell gruppöverföring.

Aktivera aviseringar

Du kan aktivera varningar för att få meddelanden om status för ditt dataflöde. Välj en avisering i listan om du vill prenumerera och få meddelanden om statusen för ditt dataflöde. Mer information om varningar finns i guiden prenumerera på källvarningar med användargränssnittet.

Välj Next när du är klar med informationen om dataflödet.

Mappa datafält till ett XDM-schema

Steg Mapping visas, och du får ett gränssnitt för att mappa källfälten från källschemat till rätt mål-XDM-fält i målschemat.

Plattformen ger intelligenta rekommendationer för automatiskt mappade fält baserat på det målschema eller den datamängd du valt. Du kan justera mappningsreglerna manuellt så att de passar dina användningsfall. Beroende på dina behov kan du välja att mappa fält direkt eller använda förinställningsfunktioner för data för att omvandla källdata för att härleda beräknade eller beräknade värden. Mer information om hur du använder mappningsgränssnittet och beräkningsfälten finns i Användargränssnittshandboken för dataförinställningar.

När källdata har mappats väljer du Next.

Schemalägg körning av inmatning

Steg Scheduling visas, så att du kan konfigurera ett matningsschema så att det automatiskt importerar valda källdata med de konfigurerade mappningarna. Som standard är schemaläggningen inställd på Once. Välj Frequency och välj sedan ett alternativ i listrutan om du vill justera din inmatningsfrekvens.

Om du ställer in matningsfrekvensen på Minute, Hour, Day eller Week måste du ange ett intervall för att skapa en fast tidsram mellan varje intag. En matningsfrekvens som till exempel är inställd på Day och ett intervall på 15 innebär att dataflödet är schemalagt att importera data var 15:e dag.

Under det här steget kan du även aktivera bakgrundsfyllning och definiera en kolumn för inkrementellt dataintag. Backfill används för att importera historiska data, medan kolumnen som du definierar för inkrementellt intag gör att nya data kan skiljas från befintliga data.

Se tabellen nedan för mer information om schemaläggningskonfigurationer.

Granska ditt dataflöde

Steg Review visas, så att du kan granska det nya dataflödet innan det skapas. Informationen är grupperad i följande kategorier:

När du har granskat dataflödet väljer du Finish och tillåt en tid innan dataflödet skapas.

Övervaka dataflödet

När dataflödet har skapats kan du övervaka de data som importeras genom det för att se information om hur mycket data som har intagits, hur bra de är och vilka fel som har uppstått. Mer information om hur du övervakar dataflöde finns i självstudiekursen Övervaka konton och dataflöden i användargränssnittet.

Ta bort ditt dataflöde

Du kan ta bort dataflöden som inte längre är nödvändiga eller som har skapats felaktigt med funktionen Delete som finns på arbetsytan i Dataflows. Mer information om hur du tar bort dataflöden finns i självstudiekursen om att ta bort dataflöden i användargränssnittet.

Nästa steg

Genom att följa den här självstudiekursen har du skapat ett dataflöde som hämtar data från databaskällan till plattformen. Inkommande data kan nu användas av Platform-tjänster längre fram i kedjan, till exempel Real-Time Customer Profile och Data Science Workspace. Mer information finns i följande dokument: