Azure Data Factory-Bibliotheken für Python

Kombinieren von Datenspeicherungs-, Verschiebungs- und Verarbeitungsdiensten in automatisierten Datenpipelines mit Azure Data Factory

Erfahren Sie mehr über Data Factory, und führen Sie mit der Schnellstartanleitung zum Erstellen einer Data Factory und Pipeline mithilfe von Python die ersten Schritte aus.

Verwaltungsmodul

Über das Verwaltungsmodul können Sie Data Factory-Instanzen in Ihrem Abonnement erstellen und verwalten.

Installation

Installieren Sie das Paket mithilfe von pip.

pip install azure-mgmt-datafactory 

Beispiel

Erstellen Sie eine Data Factory-Instanz in Ihrem Abonnement in der Region „USA, Osten“.

from azure.common.credentials import ServicePrincipalCredentials
from azure.mgmt.resource import ResourceManagementClient
from azure.mgmt.datafactory import DataFactoryManagementClient
from azure.mgmt.datafactory.models import *
import time

#Create a data factory
subscription_id = '<Specify your Azure Subscription ID>'
credentials = ServicePrincipalCredentials(client_id='<Active Directory application/client ID>', secret='<client secret>', tenant='<Active Directory tenant ID>')
adf_client = DataFactoryManagementClient(credentials, subscription_id)

rg_params = {'location':'eastus'}
df_params = {'location':'eastus'}  

df_resource = Factory(location='eastus')
df = adf_client.factories.create_or_update(rg_name, df_name, df_resource)
print_item(df)
while df.provisioning_state != 'Succeeded':
    df = adf_client.factories.get(rg_name, df_name)
    time.sleep(1)

Informationen zu den Verwaltungs-APIs