能否通过ADF基于Blob存储文件动态创建Azure SQL数据库表？

核心思路 #

完全可以实现，核心是绕开Get Metadata的局限——它只能拿到文件属性，没法解析JSON内部结构。改用ADF解析JSON的样本数据提取字段元数据，再传递给SQL存储过程动态生成建表语句，就能适配每次不同的JSON结构。

具体步骤 #

1. 用ADF Lookup活动提取JSON结构样本 #

• 不要用Get Metadata，改用Lookup活动读取Blob中的目标JSON文件，开启First row only选项，只取第一条数据作为结构样本（如果JSON是数组格式，这个配置会自动取数组第一条）。
• Lookup的输出会包含第一条数据的所有字段名和对应值，这是后续推断SQL字段类型的依据。

2. 在ADF中生成SQL字段定义 #

用Set Variable活动结合ADF表达式，遍历Lookup返回的字段，自动推断SQL数据类型并拼接成字段定义字符串：
示例表达式（处理Lookup输出的firstRow）：

@join(
    createArray(
        @concat('id int identity(1,1) primary key'), -- 可选：添加自增主键
        @join(
            json(
                string(
                    map(
                        items('ForEach_Field'),
                        @concat('{"name":"', item().key, '","type":"', 
                            if(contains(string(item().value), '.'), 'float', 
                                if(isInt(item().value), 'int', 
                                    concat('varchar(', string(length(string(item().value)) + 10), ')')
                                )
                            ), '"}'
                        )
                    )
                )
            ),
            ', '
        )
    ),
    ', '
)

逻辑说明：

• 遍历每个字段，根据值的特征推断类型：带小数点的数字→float，整数→int，字符串→varchar（长度取样本值长度+10预留空间）
• 最终生成类似id int identity(1,1) primary key, col1 varchar(15), col2 int, col3 float的字段定义串

3. 调用SQL存储过程动态建表 #

先在Azure SQL Database中创建存储过程，接收表名和字段定义参数，执行动态SQL：

CREATE PROCEDURE dbo.CreateDynamicTable
    @TableName NVARCHAR(128),
    @ColumnDefinitions NVARCHAR(MAX)
AS
BEGIN
    SET NOCOUNT ON;
    -- 可选：如果表已存在则删除，根据业务需求调整
    IF EXISTS (SELECT * FROM sys.tables WHERE name = @TableName)
        EXEC('DROP TABLE ' + QUOTENAME(@TableName));
    -- 生成并执行建表语句
    DECLARE @SQL NVARCHAR(MAX) = 'CREATE TABLE ' + QUOTENAME(@TableName) + ' (' + @ColumnDefinitions + ')';
    EXEC sp_executesql @SQL;
END

然后在ADF中用Stored Procedure活动，传递两个参数：

• 表名：可通过变量动态设置，比如用JSON文件名作为表名
• 字段定义：就是上面步骤生成的字符串参数

4. 优化补充 #

• 如果JSON有嵌套结构，先在ADF中用Flatten活动展开嵌套字段，再提取元数据
• 若要批量处理同目录下的多个JSON文件，先用Get Metadata获取所有文件列表，再循环处理，但要确保所有文件结构一致
• 数据类型推断可以更严谨：比如判断字符串是否符合日期格式，对应SQL的datetime类型；或者读取多条样本数据，避免单一样本的类型判断误差

内容的提问来源于stack exchange，提问作者reps2g