Azure 数据湖：如何获取已处理的文件

Question

我刚刚开始使用 Data Lake，目前正在尝试找出真正的工作流程步骤以及如何自动化整个流程。 假设我有一些文件作为输入，我想处理它们并下载输出文件，以便推送到我的数据仓库或/和 SSAS。

我找到了非常可爱的API，这一切都很好，但我无法找到一种方法来获取目录中的所有文件名以进一步下载它们。

请纠正我对工作流程的看法。是否有另一种更优雅的方式来自动将所有处理过的数据（输出）放入存储（如传统的 SQL Server、SSAS、数据仓库等）？

如果您有基于 Data Lake 的有效解决方案，请用几句话描述工作流程（从“原始”文件到最终用户的报告）。

这是我的 NET Core 应用示例

using Microsoft.Azure.DataLake.Store;
using Microsoft.IdentityModel.Clients.ActiveDirectory;
using Microsoft.Rest.Azure.Authentication;

---

            var creds = new ClientCredential(ApplicationId, Secret);
            var clientCreds = ApplicationTokenProvider.LoginSilentAsync(Tenant, creds).GetAwaiter().GetResult();
            var client = AdlsClient.CreateClient("myfirstdatalakeservice.azuredatalakestore.net", clientCreds);
            var result = client.GetDirectoryEntry("/mynewfolder", UserGroupRepresentation.ObjectID);

Answer 1

假设我有一些文件作为输入，我想处理它们并下载输出文件，以便推送到我的数据仓库或/和 SSAS。

如果您想将 azure datalake 中的文件夹中的文件下载到本地路径，可以使用以下代码来执行此操作。

client.BulkDownload("/mynewfolder", @"D:\Tom\xx"); //local path

但根据我的理解，您可以使用 azure datafactory 将数据从数据湖存储推送到 azure 存储 blob 或 azure 文件存储。