参照：
https://rajanieshkaushikk.com/2020/09/09/how-to-choose-right-data-distribution-strategy-for-azure-synapse/

参照：
https://docs.microsoft.com/en-us/sql/t-sql/statements/create-partition-function-transact-sql

参照：
https://docs.microsoft.com/en-us/learn/modules/populate-slowly-changing-dimensions-azure-synapse-analytics-pipelines/3-choose-between-dimension-types

説明
ボックス 1: @trigger().startTime
startTime: 日付と時刻の値。基本スケジュールの場合、startTime プロパティの値は最初のスケジュールに適用されます。複雑なスケジュールの場合、トリガーは指定された startTime 値より早く開始されません。
ボックス 2: /{YYYY}/{MM}/{DD}/{HH}_{deviceType}.json
deviceType ごとに 1 時間あたり 1 つのデータセット。
ボックス 3: 階層を平坦化する
- FlattenHierarchy: ソース フォルダーのすべてのファイルは、ターゲット フォルダーの最初のレベルにあります。ターゲット ファイルには自動生成された名前が付けられます。
参照：
https://docs.microsoft.com/en-us/azure/data-factory/concepts-pipeline-execution-triggers
https://docs.microsoft.com/en-us/azure/data-factory/connector-file-system

C: Stream Analytics ジョブのスケーリングでは、入力または出力のパーティションを利用します。パーティショニングを使用すると、パーティション キーに基づいてデータをサブセットに分割できます。データを消費するプロセス (Streaming Analytics ジョブなど) は、異なるパーティションを並行して消費して書き込むことができるため、スループットが向上します。
E: ストリーミング ユニット (SU) は、Stream Analytics ジョブを実行するために割り当てられたコンピューティング リソースを表します。SU の数が多いほど、より多くの CPU リソースとメモリ リソースがジョブに割り当てられます。この機能により、クエリ ロジックに集中でき、Stream Analytics ジョブをタイムリーに実行するためにハードウェアを管理する必要性が軽減されます。
参照：
https://docs.microsoft.com/en-us/azure/stream-analytics/stream-analytics-Parallelization
https://docs.microsoft.com/en-us/azure/stream-analytics/stream-analytics-streaming-unit-consumption