Kan teamet identificere det præcise input, det accepterede kvalitetsresultat, Dataset-kontrakten, rapportkontrakten og udførelsesregistreringen bag resultatet – eller er en af disse overdragelser stadig uformel?
Driftsguide · Dataenes livscyklus
Fra et kendt input til et styret analyseresultat.
Brug dette workflow, når et tilbagevendende analyseresultat skal bevare kendt input, kvalitet, version, tilladelse og udførelseskontekst på tværs af separate kanoniske moduler.
Workflowet bruger objekter, som ejes af forskellige moduler. Deres referencer forbinder historien; de samles ikke i én syntetisk kørsel.
Udfør hver overgang eksplicit, og bevar den identitet, som det ansvarlige modul returnerer.
Fejl håndteres af det modul, som ejer handlingsforsøget; en senere skærmvisning må ikke overskrive eller omfortolke den afsluttende tilstand.
Afhængigt af den valgte vej og opbevaringsgrænserne kan flowet bevare FileVersion- og transformationsidentitet, QualityRun, DatasetVersion, ReportVersion, AnalyticsRun, diagnostik, artefakthashes og de kanoniske referencer, som projiceres til Assurance.
Dette er en operatørrejse, ikke ét automatisk workflow. Pipeline opretter ikke automatisk et Dataset, Schedule afsender ikke kørsler på nuværende tidspunkt, en virtuel DatasetVersion fryser ikke live-rækker, og der findes ingen universel garanti for rollback eller udførelse præcis én gang.
Beslutningsspørgsmål
Kan teamet identificere det præcise input, det accepterede kvalitetsresultat, Dataset-kontrakten, rapportkontrakten og udførelsesregistreringen bag resultatet – eller er en af disse overdragelser stadig uformel?
Objekter og kontroller brugt
Workflowet bruger objekter, som ejes af forskellige moduler. Deres referencer forbinder historien; de samles ikke i én syntetisk kørsel.
Input identitet
Projekt-afgrænset Source eller uforanderlig FileVersion med serverejet tenant- og Project-scope.
Publicering og kvalitet
Valgfri TransformationRun og TableVersion efterfulgt af en kildeorienteret QualityRule og en gemt QualityRun.
Styret datakontrakt
Dataset og præcis DatasetVersion med kilde-/forespørgselslineage og registrerede kolonnemetadata.
Analysekontrakt
ReportVersion bundet til denne DatasetVersion og en AnalyticsRun under den aktuelle tilladelses-, RLS- og runtime-filterkontekst.
Driftsflow
Udfør hver overgang eksplicit, og bevar den identitet, som det ansvarlige modul returnerer.
-
Registrer input
Vælg projektets Source, eller upload/importér en fil, så en uforanderlig FileVersion- og SHA-256-identitet findes før fortolkning.
-
Inspicér før udførelse
Gennemgå Source-metadata eller filparser, separator, header, skemaforhåndsvisning og advarsler; sæt ikke en filtransformation i kø, mens fortolkningen er uafklaret.
-
Publicér en styret tabel efter behov
Indlæs i en fysisk skyggeversion, validér række- og skemaresultater, og promover først det stabile Sandbox-alias efter succes.
-
Udfør kvalitetsbeslutningen
Udfør den accepterede kontrol, og bevar dens QualityRun; en forhåndsvisning giver nyttig feedback, men er ikke den vedvarende kørselsregistrering.
-
Promovér det styrede Dataset
Acceptér SQL- eller tabellineage som en stabil Dataset-identitet og en præcis, uforanderlig DatasetVersion.
-
Acceptér analysekontrakten
Vælg dimensioner og metrics, validér metadata, kompilér serverejet skrivebeskyttet SQL, og gem en ReportVersion bundet til den præcise DatasetVersion.
-
Udfør og inspicér
Kør rapporten, og gennemgå AnalyticsRun-status, bindinger, filtre, tilladelses-/RLS-kontekst, diagnostik, artefakter og afkortning, før resultatet anvendes.
Fejlveje og delvise forløb
Fejl håndteres af det modul, som ejer handlingsforsøget; en senere skærmvisning må ikke overskrive eller omfortolke den afsluttende tilstand.
Preflight eller transformation fejler
Ingen ny aliasversion promoveres; den tidligere stabile tabel forbliver aktuel, og det forsøgte TransformationRun kan fortsat inspiceres.
Kvalitetskontrollen fejler
QualityRun og det afgrænsede fund bevares. En understøttet Master-gate kan stoppe downstream-arbejde, men der følger ingen universel automatisk afhjælpning.
En Analytics-binding mislykkes
Diagnostik pr. binding forbliver synlig, mens vellykkede bindinger kan bevare deres eget output; den samlede kørsel forbliver delvis, hvor det er relevant.
Overvågningen afbrydes
Opret forbindelse igen, eller poll den kanoniske kørsel. En mistet browserstrøm er ikke bevis for, at en tilstandsændrende handling i kø aldrig nåede sin worker eller sit mål.
Dokumentation, der skabes
Afhængigt af den valgte vej og opbevaringsgrænserne kan flowet bevare FileVersion- og transformationsidentitet, QualityRun, DatasetVersion, ReportVersion, AnalyticsRun, diagnostik, artefakthashes og de kanoniske referencer, som projiceres til Assurance.
Aktuel afgrænsning
Dette er en operatørrejse, ikke ét automatisk workflow. Pipeline opretter ikke automatisk et Dataset, Schedule afsender ikke kørsler på nuværende tidspunkt, en virtuel DatasetVersion fryser ikke live-rækker, og der findes ingen universel garanti for rollback eller udførelse præcis én gang.
Næste trin
Undersøg driftsmodulerne bag flowet.
Gennemgå grænserne for kilde, fil, transformation og udførelse, før flowet tilpasses jeres miljø.
Udforsk dataoperationer