如何在Azure Data Factory复制活动中指定自动创建表的分布属性？

ADF复制活动默认自动创建的Synapse表是聚集列存储索引(CCI)+循环分布，要改成哈希分布的堆表，无法直接通过UI配置实现，需要借助预复制脚本手动控制建表逻辑，具体步骤如下：

1. 取消自动创建表选项
   在复制活动的「目标」配置面板中，找到「自动创建表」选项并取消勾选——避免ADF生成默认的CCI表，改用自定义脚本完成建表。

2. 编写预复制脚本
   切换到复制活动的「设置」选项卡，在「预复制脚本」区域写入动态建表的T-SQL语句，利用管道参数生成目标表名，同时指定哈希分布和堆表类型：

   DECLARE @tableName NVARCHAR(255) = N'some_prefix_' + @{pipeline().parameters.pipeline_string_parameter};
   DECLARE @schemaName NVARCHAR(50) = N'schema';
   DECLARE @createSql NVARCHAR(MAX);
   
   IF NOT EXISTS (SELECT * FROM sys.tables WHERE name = @tableName AND schema_id = SCHEMA_ID(@schemaName))
   BEGIN
       SET @createSql = N'CREATE TABLE ' + QUOTENAME(@schemaName) + '.' + QUOTENAME(@tableName) + N'
       (
           -- 请根据Parquet文件的字段定义列结构，示例如下：
           id INT NOT NULL,
           product_name VARCHAR(200),
           sale_date DATETIME2(3),
           amount DECIMAL(18,2)
       )
       WITH
       (
           DISTRIBUTION = HASH(id), -- 指定哈希分布的列（建议选基数高的列，比如主键）
           HEAP -- 指定为堆表，不创建聚集索引
       )';
       EXEC sp_executesql @createSql;
   END
   

   注意事项：

   • 脚本中的列结构必须和源Parquet文件的字段完全匹配（包括列名、数据类型、空值属性），否则复制活动会抛出列不匹配的错误
   • 哈希分布列建议选择基数高、常用于关联查询的列，确保数据在Synapse节点间均匀分布

3. 验证执行逻辑
   运行管道时，预复制脚本会先检查目标表是否存在，不存在则创建符合要求的哈希堆表，随后复制活动直接将Parquet数据写入该表。

内容的提问来源于stack exchange，提问作者eduardokapp