![](data:image/svg+xml, %3Csvg xmlns='http://www.w3.org/2000/svg' height='64' class='font-weight-bold' style='font: 600 30.11764705882353px "SegoeUI", Arial' width='64'%3E%3Ccircle fill='hsl(9.6, 93%, 10%)' cx='32' cy='32' r='32' /%3E%3Ctext x='50%25' y='55%25' dominant-baseline='middle' text-anchor='middle' fill='%23FFF' %3EL%3C/text%3E%3C/svg%3E)
![](data:image/svg+xml, %3Csvg xmlns='http://www.w3.org/2000/svg' height='64' class='font-weight-bold' style='font: 600 30.11764705882353px "SegoeUI", Arial' width='64'%3E%3Ccircle fill='hsl(185.6, 36%, 27%)' cx='32' cy='32' r='32' /%3E%3Ctext x='50%25' y='55%25' dominant-baseline='middle' text-anchor='middle' fill='%23FFF' %3ETL%3C/text%3E%3C/svg%3E)
Hallo LiamDe,
Dit probleem ontstaat doordat strikte parsers direct falen wanneer een numerieke waarde decimalen bevat terwijl het doelschema een integer vereist. Om dit binnen uw ETL-pipeline flexibel op te vangen, kunt u het inkomende veld in de staging-laag eerst inlezen als een double of string. Vervolgens past u een expliciete cast-transformatie toe, waarbij u de waarde eerst afrondt met een functie zoals round of floor alvorens deze te converteren naar een 64-bit integer, waardoor zwevende kommawaarden niet langer tot verwerkingsfouten leiden.
Maakt u gebruik van PySpark of Azure Data Factory, dan kunt u in Spark de configuratie spark.sql.ansi.enabled op false zetten om te voorkomen dat typeconversies runtime exceptions veroorzaken, of de functie try_cast gebruiken om ongeldige data veilig af te handelen. Als deze aanpak uw pipeline stabiliseert en de data-ingestie weer vlekkeloos verloopt, nodig ik u van harte uit om het antwoord te accepteren.
Tracy Le.