Free cookie consent management tool by TermsFeed Policy Generator

How to do versioning in Azure Data Factory with Azure DevOps

Apresentamos nesse vídeo como controlar a versão dos objetos do Azure Data Factory utilizando a integração do repositório do Azure DevOps, facilitando na colaboração entre equipes e nas mudanças executadas no código JSON associado.

Iremos conhecer as técnicas:

1. Configurar repositório Azure DevOps no Azure Data Factory:

  • Configurar um repositório Azure DevOps no Azure Data Factory envolve integrar o Azure Data Factory ao Azure DevOps, que é uma plataforma de desenvolvimento colaborativa baseada em nuvem. Essa configuração permite o versionamento e controle de código para os artefatos do Azure Data Factory.

2. Criar pasta no repositório Azure DevOps:

  • Após configurar o repositório no Azure Data Factory, é possível organizar o código-fonte em pastas para melhorar a gestão e estruturação do projeto. Criar uma pasta no repositório Azure DevOps envolve a organização lógica dos artefatos do Azure Data Factory.

3. Salvar pipeline sem a necessidade de publicar o objeto:

  • O Azure Data Factory permite salvar um pipeline sem a necessidade de publicar imediatamente. Isso significa que as alterações feitas no pipeline podem ser salvas localmente antes de serem efetivamente publicadas no ambiente de produção. Essa funcionalidade é útil para desenvolvimento incremental e revisão de código.

4. Visualizar o controle de versão no Azure DevOps (COMMIT, FILES, BRANCHES):

  • O controle de versão no Azure DevOps oferece uma visão histórica das alterações realizadas nos artefatos do Azure Data Factory. Algumas operações relacionadas ao controle de versão incluem:
    • COMMIT: Registrar uma mudança no repositório, associando-a a um comentário ou mensagem descritiva.
    • FILES: Visualizar e comparar diferentes versões dos arquivos no repositório.
    • BRANCHES: Gerenciar diferentes ramos de desenvolvimento, como ramos de recursos ou correções de bugs, para isolamento e integração controlada de alterações.

Esses recursos permitem uma abordagem mais organizada e colaborativa no desenvolvimento de pipelines no Azure Data Factory, garantindo a rastreabilidade e histórico das alterações ao longo do tempo.

This content contains
  • Content Video
  • Language Portuguese
  • Duration 10m 46s
  • Subtitles Não

  • Reading time 1 min 30 seg

avatar
Fabio Santos

Data Scientist and Consultant for Digital and Analytics Solutions


  • Share

Youtube Channel

@fabioms

Subscribe now