Copy Data无手动映射报错：REST API GET请求数据转Int64失败求助

问题分析 #

错误核心原因是：Copy Data在无手动映射的自动推断模式下，误将Value列识别为Int64整数类型，但实际数据是带小数的541.9481，超出整数类型的存储范围，导致转换失败。这种情况多发生在系统采样源数据时，仅采集到整数样本，从而错误判断列类型。

解决方案 #

1. 强制所有列以字符串类型读取 #

在HTTP源的数据集JSON格式设置中：

• 开启Treat all columns as string选项，让源数据所有列统一以字符串类型读取，彻底跳过自动类型推断环节。
• 保留Map complex values to string设置，确保嵌套结构也能转为字符串存入Parquet。
  这种方式完全避免类型不匹配问题，所有数据直接以字符串写入，无需手动映射任何列。

2. 优化自动类型推断的采样策略 #

如果希望保留数据原类型，可调整采样规则：

• 在Copy Data活动的映射页签，点击Import schemas后进入Advanced设置，增大采样行数（比如从默认的少量行改为1000行），让系统能采集到包含小数的Value列数据，从而正确推断为Double或Decimal类型。
• 适合同一列同时存在整数和小数的场景，确保类型推断准确。

3. 用数据流(Data Flow)替代Copy Data #

追求更灵活的自动类型处理时，推荐使用数据流：

• 数据流的源转换会自动识别完整的JSON Schema，无需手动映射，对混合类型列会自动适配（比如将同时有整数和小数的列识别为Double）。
• 可通过派生列转换对有问题的列做强制类型转换（如toDecimal(Value)），确保数据兼容Parquet格式。
• 最后通过接收器转换写入数据湖Parquet文件，全程无需手动映射所有列。

无需手动映射的替代方案 #

除上述方法外，还有两种无手动映射的实现方式：

• 开启Schema drift：在Copy Data活动的设置页签，启用Allow schema drift，同时确保采样策略正确（避免类型误判），系统会自动适配源数据的 schema 变化。
• 动态映射：利用ADF表达式语言，通过@json(activity('Get Metadata').output.schema)动态生成映射规则，适合具备开发经验的用户，能实现完全自动化的映射。

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