Atualizar Modelo de Dados Azure Analysis Services Automaticamente

Iremos conhecer as técnicas:

Criar pipeline (NEW PIPELINE):

• No Azure Data Factory, criar um pipeline envolve definir uma série de atividades e tarefas que compõem o fluxo de dados. Um pipeline pode incluir extração, transformação e carregamento (ETL) de dados, bem como outras operações.

{
   "name": "MeuPipeline",
   "properties": {
      "activities": [
         {
            "name": "MinhaAtividade",
            "type": "Copy",
            "linkedServiceName": {
               "referenceName": "AzureBlobStorageLinkedService",
               "type": "LinkedServiceReference"
            },
            "inputs": [
               {
                  "referenceName": "InputDataset",
                  "type": "DatasetReference"
               }
            ],
            "outputs": [
               {
                  "referenceName": "OutputDataset",
                  "type": "DatasetReference"
               }
            ],
            "policy": {
               "timeout": "7.00:00:00",
               "retry": 0,
               "retryIntervalInSeconds": 30,
               "secureOutput": false
            }
         }
      ]
   }
}

Definir a URL do serviço WEB para atualização do modelo de dados (SERVERS, MODELS, REFRESHES):

• Para atualizar um modelo de dados no Azure Analysis Services, você pode usar a URL do serviço web associada ao modelo, especificando a operação de atualização.

Criar parâmetros do pipeline (PARAMETERS, DATA TYPE, DEFAULT VALUE):

• Definir parâmetros em um pipeline permite a flexibilidade na execução, permitindo que valores sejam passados dinamicamente. Esses parâmetros podem ter tipos de dados específicos e valores padrão.

"parameters": {
   "NomeParametro": {
      "type": "String",
      "defaultValue": "ValorPadrao"
   }
}

Adicionar conteúdo dinâmico utilizando os parâmetros (ADD DYNAMIC CONTENT):

• No corpo de uma atividade, você pode adicionar conteúdo dinâmico referenciando parâmetros, expressões ou variáveis.

"body": {
   "parametro": "@pipeline().parameters.NomeParametro",
   "expressao": "@formatDateTime(utcnow(), 'yyyy-MM-dd')"
}

Definir o tipo de autenticação de acesso (SYSTEM ASSIGNED MANAGED IDENTITY, MSI):

• Para acessar recursos como o Azure Analysis Services, você pode configurar a autenticação usando a identidade gerenciada do sistema (MSI).

"identity": {
   "type": "SystemAssigned"
}

Definir os dados a serem enviados pela requisição HTTP (BODY, JSON):

• Ao fazer uma requisição HTTP, você define os dados a serem enviados no corpo (body) da requisição, geralmente em formato JSON.

"body": {
   "chave": "valor",
   "outraChave": "outroValor"
}

Obter os valores dos parâmetros no recurso Azure Analysis Services:

• Ao executar um pipeline, os valores dos parâmetros podem ser obtidos dinamicamente. Esses valores podem ser usados, por exemplo, para atualizar um modelo no Azure Analysis Services.

Executar o pipeline (DEBUG):

• O processo de execução de um pipeline pode ser iniciado no modo de depuração para testar e verificar se tudo está funcionando conforme esperado.

Obter o script JSON de atualização utilizando o SSMS (SQL SERVER MANAGEMENT STUDIO):

• No SQL Server Management Studio, você pode obter o script JSON para atualização do modelo de dados no Azure Analysis Services através da interface gráfica.

Esses são exemplos simplificados e é importante adaptar conforme a estrutura específica do seu ambiente e requisitos.