如何基于Data Lake Store中的多Blob创建单个Azure Analysis Services表

嘿，作为刚上手Azure Analysis Services（AAS）和Data Lake的新手，能把POC推进到这一步已经很出色了！针对你要把多层客户+日期分区的TSV Blob结构建模成单个AAS表的需求，我整理了几个适配你现有流程的方案：

方案1：利用Azure Data Factory（ADF）先合并数据 #

既然你已经在用ADF拉取数据，这个路径最贴合你的现有工作流：

• 先添加一个Get Metadata活动，指向你的根文件夹，配置获取子文件夹列表；
• 嵌套两层For Each活动：第一层遍历客户子文件夹，第二层遍历每个客户下的日期子文件夹；
• 在最内层的For Each里，用Copy Data活动读取所有TSV文件，将它们合并到一个中间存储（比如ADLS Gen2的单个聚合TSV文件，或者Azure SQL Database的一张表）；
• 最后让AAS连接这个合并后的数据源，直接建模成单个表即可。

小贴士：如果数据量较大，优先选Azure SQL DB作为中间层——它不仅能帮你做数据清洗、格式校验，后续AAS的刷新和查询性能也会更稳定。

方案2：直接在AAS中识别分区结构 #

如果不想额外做数据合并，可以让AAS直接识别你的文件夹分区逻辑：

Import模式（适合数据量适中，需要快速查询的场景） #

• 在AAS中创建指向Blob存储的数据源，设置文件格式为TSV；
• 确保你的文件夹命名遵循键值对格式，比如Customer=CustomerA/Date=2024-05-01/；
• 在创建AAS表时，数据源视图会自动解析这些文件夹名作为分区列（Customer和Date），最终呈现为一张包含所有数据的统一表；
• 后续刷新时，可以设置按Date分区刷新，只更新新增的日期数据，大大提升刷新效率。

DirectQuery模式（适合超大规模数据，实时查询需求） #

• 同样需要文件夹命名符合键值对格式；
• AAS会直接查询底层Blob存储，查询时会自动利用分区列过滤数据，避免全量扫描，保证查询性能。

方案3：借助Azure Synapse Analytics做中间层（预算充足时优先） #

如果你的POC后续要扩展到更复杂的数据分析，Synapse是个不错的选择：

• 将你的Blob存储挂载到Synapse的Lake Database，创建外部表；
• Synapse会自动识别多层分区结构，将所有TSV文件映射为一张统一的外部表；
• 让AAS连接Synapse的这张外部表，即可得到你需要的单个AAS表。Synapse还能帮你完成数据预处理、格式转换等工作，为后续的分析场景铺路。

关键注意事项 #

• 确保所有TSV文件的列结构完全一致（列名、数据类型、顺序都要匹配），否则合并或建模时会出现数据不兼容的问题；
• 测试阶段先拿少量分区数据验证流程，没问题再扩展到全量数据；
• 如果用AAS Import模式，记得开启分区刷新策略，避免每次全量刷新消耗过多资源。

内容的提问来源于stack exchange，提问作者Brandon