Azure Data Factory如何将Lookup活动输出转为自定义JSON存入Blob存储

下面提供两种常用实现方案，可根据你的字段规则复杂度选择：

方案1：轻量实现（适用固定表头场景） #

无需创建数据流，直接通过活动组合完成：

• 确认Lookup活动配置正确，可正常输出你给出的firstRow结构数据。
• 新增设置变量活动，和Lookup活动的成功输出线连接，创建一个对象类型的变量（例：命名为custom_header），变量值通过表达式手动映射字段，表达式参考如下：
  @json(concat('{"record_type":"', activity('你自己的Lookup活动名').output.firstRow.Prop_0, '","trans_type":"', activity('你自己的Lookup活动名').output.firstRow.Prop_1, '","serial_num":"', activity('你自己的Lookup活动名').output.firstRow.Prop_2, '","biz_code":"', activity('你自己的Lookup活动名').output.firstRow.Prop_3, '","trans_date":"', activity('你自己的Lookup活动名').output.firstRow.Prop_4, '","trans_time":"', activity('你自己的Lookup活动名').output.firstRow.Prop_5, '","batch_num":"', activity('你自己的Lookup活动名').output.firstRow.Prop_6, '"}'))

上述表达式中的record_type、trans_type等字段名可替换为你需要的自定义名称，你自己的Lookup活动名替换为你管道中实际的Lookup活动名称。

• 新增复制活动，源配置选择「内联JSON」类型，内联内容直接引用已赋值的变量：@variables('custom_header')；接收器配置为Blob存储的JSON数据集，指定存储路径和文件名，运行管道即可完成导出。

方案2：数据流实现（适用表头规则灵活变动/字段量多的场景） #

• 新建数据流，源配置为SFTP平文件数据集，勾选「仅读取第一行」选项，源投影会自动生成Prop_0到Prop_6的默认字段。
• 新增派生列转换，依次创建自定义字段，值关联对应的默认Prop字段，例：新增record_type字段，值设置为Prop_0，完成所有字段映射后，可通过「选择」转换删除原有的Prop_x系列字段。
• 新增接收器，配置为Blob存储的JSON数据集，设置输出为单文件、指定文件名和存储路径，在管道中调用该数据流运行即可。

内容的提问来源于stack exchange，提问作者Sridhar