Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Auf dieser Seite wird erläutert, wie Sie häufige Fehler aus einem Datensatz entfernen, wenn Sie Daten im Wrangler-Arbeitsbereich von Cloud Data Fusion Studio vorbereiten.
In Datasets können die folgenden Arten von Fehlern auftreten:
Systemfehler, z. B. Dienst- oder Instanzausfälle
Logische Fehler, z. B. Fehler bei der Pipelineausführung
Datenfehler, z. B. ungültige Kreditkartennummern, ungültige Datumsformate oder ungültige Postleitzahlen
Wrangler bietet über 50 Direktive, mit denen Sie häufige Fehler aus einem Datensatz entfernen können.
Klicken Sie auf dem Tab Daten auf den Namen einer Spalte und dann auf den arrow_drop_down-Pfeil zum Maximieren der Spalte.
Wählen Sie An Fehler senden und dann die Bedingung aus, die fehlerhafte Einträge an den Fehlerpuffer sendet.
Wrangler entfernt Werte, die der angegebenen Bedingung entsprechen, aus der Stichprobe und fügt dem Rezept die Anweisung send to error hinzu. Wenn Sie die Datenpipeline ausführen, wird die Transformation auf alle Werte in der Spalte angewendet.
Einer Datenpipeline ein Fehler-Collector-Plug-in hinzufügen
Wenn Sie einer Datenpipeline eine Wrangler-Transformation mit einem Rezept hinzufügen, das die Anweisung send to
error enthält, können Sie eine Verbindung zum Fehler-Collector-Plug-in herstellen. Das Fehler-Collector-Plug-in ist in der Regel mit einem Downstream-Senke-Plug-in wie einer BigQuery-Senke verbunden.
Wenn Sie die Pipeline ausführen, werden die mit der send to error-Anweisung gekennzeichneten Datensätze vom Wrangler-Transformationsschritt in Ihrer Pipeline über den Schritt „Error Collector“ zum Schritt „Sink“ weitergeleitet. Nach Abschluss der Ausführung können Sie die gekennzeichneten Datensätze prüfen, die in den Datensammler geschrieben wurden.
Wenn Ihr Rezept die send to error-Transformation enthält, die Pipeline aber nicht das Plug-in „Error Collector“ (Fehlererfassung), werden die mit der send to
error-Anweisung gekennzeichneten Datensätze während der Pipelineausführung gelöscht.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-09-04 (UTC)."],[[["\u003cp\u003eWrangler, within Cloud Data Fusion Studio, helps remove systemic, logical, and data errors from datasets using over 50 directives.\u003c/p\u003e\n"],["\u003cp\u003eYou can send bad records to error in Wrangler by selecting the 'Send to error' option under a column and specifying the conditions for flagging the record.\u003c/p\u003e\n"],["\u003cp\u003eThe 'send to error' directive, when added to a pipeline's recipe in Wrangler, flags records which can be sent to the Error Collector plugin and subsequently a sink.\u003c/p\u003e\n"],["\u003cp\u003eIf the Error Collector plugin is not used, records flagged by the 'send to error' directive are dropped during the pipeline run.\u003c/p\u003e\n"]]],[],null,["# Send records to error\n\nThis page explains how to remove common errors from a dataset when you prepare\ndata in the Wrangler workspace of the Cloud Data Fusion Studio.\n\nThe following types of errors occur in datasets:\n\n- Systemic errors, such as service or instance failures\n- Logical errors, such as pipeline run failures\n- Data errors, such as invalid credit card numbers, invalid date formats, or invalid zip codes\n\nWrangler provides a set of over 50 directives to help you remove common errors\nfrom a dataset.\n\nTo send records to error, follow these steps:\n\n1. [Go to the Wrangler workspace in Cloud Data Fusion](/data-fusion/docs/concepts/wrangler-overview#navigate-to-wrangler).\n2. On the **Data** tab, go to a column name and click the arrow_drop_down expander arrow.\n3. Select **Send to error**, and then select the condition that sends bad records to error.\n\nWrangler removes values that match the specified condition from the sample and\nadds the `send to error` directive to the recipe. When you run the data\npipeline, the transformation is applied to all values in the column.\n\nAdd an error collector plugin to a data pipeline\n------------------------------------------------\n\nWhen you add a Wrangler transformation with a recipe that includes the `send to\nerror` directive to a data pipeline, you can choose to connect it to the Error\nCollector plugin. The Error Collector plugin is usually connected to a\ndownstream sink plugin, such as a BigQuery sink.\n\nWhen you run the pipeline, the records flagged by the `send to error` directive\ngo from the Wrangler transformation step in your pipeline, to the Error Collector\nstep, to the sink step. When the run finishes, you can examine those flagged\nrecords written to the sink.\n\nIf your recipe includes the `send to error` transformation, but the pipeline\ndoesn't include the Error Collector plugin, the records flagged by the `send to\nerror` directive are dropped during the pipeline run.\n\nWhat's next\n-----------\n\n- Learn more about [Wrangler directives](/data-fusion/docs/concepts/wrangler-overview#apply_directives)."]]
