使用模糊群組轉換來識別相似的資料列

適用於:SQL Server Azure Data Factory 中的 SSIS Integration Runtime

若要加入和設定「模糊群組」轉換,封裝必須至少包含一個「資料流程」工作和一個來源。

在資料流程中實作「模糊群組」轉換

  1. 在 SQL Server Data Tools (SSDT) 中,開啟包含您所需套件的 Integration Services 專案。

  2. 在 [方案總管] 中,按兩下套件即可開啟。

  3. 按一下 [資料流程] 索引標籤,然後將「模糊群組」轉換從 [工具箱] 拖曳到設計介面。

  4. 將「模糊群組」轉換連接到資料流程,方法是將連接線從資料來源或前一個轉換拖曳到「模糊群組」轉換。

  5. 按兩下「模糊群組」轉換。

  6. 在 [模糊群組轉換編輯器] 對話方塊的 [連線管理員] 索引標籤上,選取連接到 SQL Server 資料庫的 OLE DB 連線管理員。

    注意

    該轉換需要 SQL Server 資料庫的連接,以建立暫存資料表和索引。

  7. 按一下 資料行 索引標籤,然後在 可用的輸入資料行 清單中,選取要用來識別資料集中相似資料列的輸入資料行核取方塊。

  8. 選取 傳遞 資料行中的核取方塊,以指定要傳遞至轉換輸出的輸入資料行。 重複資料列的識別處理中未包含傳遞資料行。

    注意

    用於群組的輸入資料行會自動選取為傳遞資料行,並且在用於群組時,無法取消對它們的選取。

  9. 您也可以在 Output Alias 資料行中更新輸出資料行的名稱。

  10. 您也可以在 Group OutputAlias 資料行中更新已清理資料行的名稱。

    注意

    資料行的預設名稱是具有 "_clean" 後置詞之輸入資料行的名稱。

  11. (選擇性) 在 [比對類型] 資料行中更新要使用的比對類型。

    注意

    至少一個資料行必須使用模糊比對。

  12. 在 最小相似度 資料行中指定最低相似度層級的資料行。 值必須介於 0 和 1 之間。 值越接近 1,輸入資料欄中的值就必須越相似,才能形成群組。 最小相似度 1 表示完全相符。

  13. (選擇性) 在 [相似度輸出別名] 資料行中更新相似度資料行的名稱。

  14. 若要指定資料值中數字的處理方式,請更新 [數字] 資料行中的值。

  15. 若要指定此轉換如何比較資料行中的字串資料,請修改 比較旗標 資料行中比較選項的預設選取值。

  16. 按一下進階索引標籤頁,以修改轉換加入至輸出中的資料行名稱,這些資料行分別用於唯一資料列識別碼 (_key_in)、重複資料列識別碼 (_key_out) 及相似度值 (_score)。

  17. (選擇性) 藉由移動滑動軸來調整相似度臨界值。

  18. (選擇性) 清除 Token 分隔符號核取方塊,以忽略資料中的分隔符號。

  19. 按一下 [確定] 。

  20. 若要儲存已更新的封裝,請在 [檔案] 功能表上,按一下 [儲存選取項目] 。