SSIS 中的数据探查任务

SSIS 中的数据探查任务用于计算各种探查，帮助我们熟悉数据源并识别数据中必须修复的问题（如果有）。我们通过一个示例向您展示如何使用此 SSIS 任务探查源数据。

SSIS 中的数据探查任务仅适用于 SQL Server。因此，数据探查任务不支持文件系统或任何第三方的数据。

SSIS 中的数据探查任务示例

将 SSIS 数据探查任务拖放到“控制流”区域，如下图所示。

双击它将打开“数据探查任务编辑器”进行配置。

超时（秒）：请以秒为单位指定连接超时。如果连接时间超过此时间，连接将失败。
OverwriteDetination（覆盖目标）：此 SSIS 数据探查任务属性有两个选项：True（真）和 False（假）。如果我们将此属性设置为 true，则文件系统任务将覆盖目标路径中现有的文件。
打开探查查看器：运行集成服务包后，此按钮将显示探查数据。

DestinationType（目标类型）：此 SSIS 数据探查任务属性有两个选项：文件连接和变量。如果我们将此变量设置为 true，则目标数据将存储在变量中。如果将其设置为文件连接，请使用文件连接管理器手动选择目标文件。

当您将目标类型设置为文件连接时，我们必须使用目标属性配置目标连接。如果您已创建文件连接管理器，请从下拉列表中选择它。

如果您之前没有创建任何连接管理器，您必须通过选择“新建连接...”来创建一个。

单击“新建连接...”选项后，“文件连接管理器编辑器”将打开以配置目标连接。

如果存在任何现有的 SSIS 数据探查任务文件，请从“使用类型”中选择“现有文件”选项。否则，请选择“创建文件”选项，然后单击“浏览”按钮从文件系统中选择现有文件或创建新文件。

从上面的屏幕截图中，您可以看到我们在目标文件夹中创建了 ProductsProfiling.xml 文件。

单击“确定”完成源连接的配置。如果您理解有困难，请参考文件连接管理器文章。

数据探查任务计算出八种不同的探查。

下表将向您展示 SSIS 数据探查任务中可用探查的列表和说明。

SSIS 数据探查任务	描述
候选键探查	此数据探查任务将报告列中 Null 值的百分比。这有助于检查哪个列包含最多的 Null 值（分析数据）。
列长度分布	报告依赖列中的值在多大程度上依赖于决定列中的值（可以是一个或一组列）。这对于确定列数据是否有效非常有用。例如，如果您探查包含印度邮政编码的列与包含印度州名的列之间的依赖关系。如果您的依赖关系发现同一邮政编码有多个州名，则您的数据无效。
列 Null 比率	此数据探查任务将报告列中 Null 值的百分比。有助于检查哪个列包含最多的 Null 值（分析数据）。
列模式	它将报告一组 RegExp（正则表达式），这些正则表达式覆盖了字符串列中指定百分比的值。
列统计信息	此 SSIS 数据探查任务探查报告统计信息，例如每个数值列的最小值、最大值、平均值和标准差，以及日期时间列的最小值和最大值。有助于检查日期列是否包含正确的数据。
列值分布	报告我们选定列中所有可用的不同值，并说明该值占行的百分比。这对于确定列数据是否有效至关重要。例如，如果您的列应存储美国各州，并且您发现超过 50 个州名，则您的数据是错误的。
函数依赖	报告依赖列中的值在多大程度上依赖于决定列中的值（可以是一个或一组列）。这对于确定列数据是否有效非常有用。例如，如果您探查包含印度邮政编码的列与包含印度州名的列之间的依赖关系。如果您的依赖关系发现同一邮政编码有多个州名，则您的数据无效。
值包含	此探查将计算两列或两组列之间的重叠值。首先，识别该列是否适合充当两列之间的外键。