如何使用Power BI或ADF解压Azure Blob Storage中的.tar.gz文件

通过Azure Data Factory（ADF）实现解压的完整路径 #

ADF完全支持.tar.gz格式的解压操作，不需要自定义代码或外部工具，具体配置逻辑如下：

• 原生能力说明：ADF复制活动内置全链路的TarGZip格式解析能力，可直接完成两层解压（先剥离gz压缩层、再展开tar归档层），解决Power BI原生仅支持.zip解压的能力缺口。
• 核心配置步骤：
  1. 配置数据源数据集：绑定目标Blob存储的连接，将数据集的压缩格式明确指定为TarGZip，关联到容器内存放.tar.gz文件的具体路径，若存在嵌套目录可开启递归扫描选项。
  2. 配置复制活动的解压规则：在活动设置中选择保留原目录结构，避免解压后的零散文件打乱原有层级。
  3. 配置目标输出：将解压完成的原始数据文件写入Blob容器内的独立临时目录，和原始.tar.gz文件做物理隔离，避免管道循环扫描。
  4. 链路衔接：将管道设置为和.tar.gz生成任务联动的触发模式，解压流程跑完后，直接把Power BI的数据源指向存放解压文件的Blob目录，不需要额外的数据搬运。
• 配置避坑点：
  • 格式选择不要出错：不要误选单独的GZip格式，该选项仅会剥离外层.gz压缩，留下未展开的.tar归档文件，无法完成完整解压。
  • 权限要匹配：给ADF的托管身份分配对应Blob存储的存储Blob数据参与者权限，否则会出现读取原文件、写入解压结果的权限报错。

Power BI侧直接适配.tar.gz解压的实现方法 #

如果希望绕开ADF直接在Power BI流程内完成解压，可参考以下适配逻辑：

• 现有方案失效的核心原因：Power BI原生内置的文件解压能力仅兼容.zip格式，没有内置.tar.gz的结构解析逻辑，因此原来处理.zip的连接器、脚本无法直接适配tar.gz文件。
• 可行实现方案：
  • 本地网关场景下，可在Power Query的M脚本中，先将Blob内的.tar.gz文件下载到本地临时目录，调用系统自带的tar命令（Windows 10 1809以上版本、macOS、Linux均预装该工具）执行tar -zxf 文件名.tar.gz完成解压，再读取解压后的目标数据文件。
  • 注意：该方案仅适用于本地网关支撑的数据集刷新，如果是Power BI Service的云端刷新场景，无系统命令调用环境支撑，无法跑通该逻辑，需优先使用ADF预解压的方案。

实操提醒：处理包含中文内容的.tar.gz文件时，不要随意修改文件原始编码，否则解压后读取的内容会出现乱码；若单份.tar.gz文件体积超过10GB，需调整ADF复制活动的并行度参数，避免因并行度不足导致管道超时。

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