Microsoft Fabric复制任务：Lakehouse Timestamp同步至本地SQL Server为NULL

一、最佳修复步骤 #

1. 确认字段本质与存储格式 #

Dataverse中的Timestamp实际是RowVersion二进制类型（并非日期时间类型），同步到Lakehouse后仍保留二进制格式。直接映射SQL Server的datetime2类型会因类型不兼容导致值为NULL。

• 可在Fabric Lakehouse中执行DESCRIBE TABLE <表名>命令，确认该字段的存储类型（通常为varbinary）。

2. 调整映射规则与类型转换 #

• 方案A：保留原始二进制值
  将SQL Server目标字段类型改为varbinary(8)，在Fabric复制任务的映射界面，手动指定源字段类型为Binary、目标字段为varbinary(8)，取消自动映射的类型转换，直接复制原始值。
• 方案B：转换为可读日期时间
  若需将该字段转为可读时间，先在Lakehouse中通过Spark SQL预处理：

  SELECT 
    *, 
    -- 将二进制RowVersion转为Unix时间戳再转成可读时间
    CAST(CAST(RowVersion AS BIGINT) / 1000 AS TIMESTAMP) AS Converted_Timestamp
  FROM <你的Lakehouse表名>
  

  之后用预处理后的Converted_Timestamp字段作为复制源，映射到SQL Server的datetime2类型。

3. 检查复制任务配置 #

• 确认复制任务未勾选忽略空值或类似过滤选项，避免合法值被误过滤。
• 验证权限：确保Fabric对Lakehouse该字段有完整读取权限，SQL Server目标库有写入权限。

二、替代方案（除Azure Data Factory外） #

• Fabric Dataflow Gen2：通过可视化ETL界面，对Timestamp字段做自定义转换（如二进制转字符串/时间戳），再写入SQL Server，调试转换规则更直观。
• Fabric Spark作业：编写PySpark/Scala脚本自定义处理逻辑，适合复杂数据转换场景：

  from pyspark.sql import SparkSession
  from pyspark.sql.functions import col, from_unixtime
  
  spark = SparkSession.builder.getOrCreate()
  # 读取Lakehouse数据
  df = spark.read.table("<Lakehouse表名>")
  # 转换二进制RowVersion为可读时间
  df_processed = df.withColumn(
      "Converted_Time", 
      from_unixtime(col("RowVersion").cast("bigint") / 1000)
  )
  # 写入SQL Server
  df_processed.write \
    .format("jdbc") \
    .option("url", "jdbc:sqlserver://<SQL Server地址>;databaseName=<库名>") \
    .option("dbtable", "<目标表名>") \
    .option("user", "<用户名>") \
    .option("password", "<密码>") \
    .mode("append") \
    .save()
  

• Power Automate：创建自动化流，从Lakehouse读取数据并处理Timestamp字段后写入SQL Server，适合小批量、周期性的数据同步需求。

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