{"id":165230,"date":"2022-12-14T22:57:06","date_gmt":"2022-12-14T21:57:06","guid":{"rendered":"https:\/\/liora.io\/de\/?p=165230"},"modified":"2026-02-06T07:07:04","modified_gmt":"2026-02-06T06:07:04","slug":"was-ist-azure-data-factory","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/was-ist-azure-data-factory","title":{"rendered":"Azure Data Factory: Was ist das und wozu dient es?"},"content":{"rendered":"

Im Zeitalter von Big Data sind die Rohdaten oft unorganisiert und in unterschiedlichen Systemen gespeichert. Wenn diese Daten isoliert sind, k\u00f6nnen Unternehmen und Datenteams sie nicht optimal nutzen und daraus Entscheidungen ableiten. Die Microsoft Azure Data Factory soll diese Probleme l\u00f6sen, indem sie Rohdaten aus verschiedenen Quellen zu verwertbaren Daten f\u00fcr Unternehmen macht.<\/strong><\/p>\n

Was ist die Azure Data Factory?<\/h3>\nAzure Data Factory<\/a> ist ein Dienst, der von Microsoft<\/a> entwickelt wurde, um es Entwicklern zu erm\u00f6glichen, verschiedene Datenquellen zu integrieren. Es handelt sich um eine SSIS-\u00e4hnliche<\/a> Plattform, mit der du die Daten, die du physisch und in der Cloud hast, verwalten kannst.\n\nSSIS-Definition: SSIS – SQL server integration services – ist eine Komponente der Software Microsoft SQL Database, mit der du Datenmigrationen durchf\u00fchren kannst.\n\nDieser Dienst erm\u00f6glicht den Zugriff auf Daten vor Ort wie in einer SQL-Datenbank, aber auch auf Daten in der Cloud wie in der Azure SQL Database.\n\nAzure Data Factory ist eine perfekte L\u00f6sung, wenn es darum geht, hybride Pipelines f\u00fcr Extraktion-Transformation-Laden<\/strong> (d. h. den ETL-Prozess<\/strong>) oder Extraktion-Laden-Transformation (ELT)<\/strong> und Datenintegration aufzubauen.\n\nETL ist eine Art Datenintegrationsprozess, der aus drei verschiedenen, aber miteinander verbundenen Schritten besteht (Extraktion, Transformation und Laden). Es wird verwendet, um Daten aus mehreren Quellen immer und immer wieder zusammenzufassen, um ein Data Warehouse, einen Data Hub oder einen Data Lake aufzubauen.\n\nData Factory ist zu einem unverzichtbaren Werkzeug beim Cloud-Computing<\/a> geworden. In fast allen Projekten musst du Aktivit\u00e4ten durchf\u00fchren, bei denen du Daten \u00fcber verschiedene Netzwerke (Vor-Ort-Netzwerk und Cloud) und Dienste (von und zu verschiedenen Azure-Speichern) verschiebst.\n\nData Factory ist ein besonders notwendiges Werkzeug f\u00fcr Organisationen, die ihre ersten Schritte in der Cloud machen und daher versuchen, die Daten vor Ort mit der Cloud zu verbinden. Um dies zu erreichen, verf\u00fcgt Azure Data Factory \u00fcber eine Integration Runtime Engine<\/strong>, einen Gateway-Service, der vor Ort installiert werden kann und eine leistungsstarke und sichere \u00dcbertragung von Daten von und zur Cloud gew\u00e4hrleistet.\n

Wie funktioniert die Azure Data Factory?<\/h3>\n

Anmelden und Daten sammeln<\/i><\/h4>\nDer erste Schritt besteht darin, Daten aus verschiedenen Quellen zu verbinden und zu sammeln<\/strong>, egal ob sie lokal, in der Cloud, strukturiert oder unstrukturiert sind. Die Azure Data Factory erm\u00f6glicht es, alle verschiedenen Datenquellen und Datenverarbeitungsdienste miteinander zu verbinden. Anschlie\u00dfend geht es darum, die Daten an einen zentralen Ort zu verschieben. Im klassischen Fall m\u00fcssen Unternehmen die gesamte Dateninfrastruktur aufbauen, um die Daten zu verschieben. Mit Data Factory ist dieser Schritt sehr einfach und schnell.\n

Transformation von Daten<\/i><\/h4>\nSobald sich die Daten in einem zentralen Datenlager in der Cloud befinden, erm\u00f6glicht die Azure Data Factory Datenteams, die gesammelten Daten mithilfe der Azure Data Factory-Mapping-Datenstr\u00f6me zu verarbeiten und zu transformieren. Mithilfe der Datenstr\u00f6me k\u00f6nnen Dateningenieure Datenumwandlungsgrafiken erstellen und pflegen, die auf Spark laufen, ohne Spark-Cluster oder die Spark-Programmierung verstehen zu m\u00fcssen. Azure Data Factory erm\u00f6glicht es dir jedoch auch, all diese Transformationen von Hand zu codieren, wenn du m\u00f6chtest, und du kannst deine Transformationen auf Rechendiensten wie HDInsight Hadoop, Spark, Data Lake Analytics und Machine Learning ausf\u00fchren.\n

Ver\u00f6ffentlichung von Daten und Aufsicht<\/i><\/h4>\nAzure Data Factory erm\u00f6glicht es Dir, Deine Daten zu ver\u00f6ffentlichen<\/strong>. Data Factory bietet dir die M\u00f6glichkeit, die CI\/CD – continuous integration\/continuous delivery – der Pipelines vollst\u00e4ndig zu unterst\u00fctzen, z. B. mit Azure Devops. Auf diese Weise kannst du deine ETL-Prozesse erstellen und weiterentwickeln. Sobald alle deine Rohdaten umgewandelt sind, kannst du sie in andere Azure-Analysetools hochladen, damit deine Mitarbeiter sie visualisieren, Entscheidungen treffen, den Datenfluss<\/strong> mit einer reichhaltigen grafischen Benutzeroberfl\u00e4che \u00fcberwachen und Entscheidungen treffen k\u00f6nnen<\/strong>. Sobald du also deine Datenpipelines erstellt hast, kannst du den Gesch\u00e4ftswert deiner Daten nutzen. In dieser Phase kannst du die Pipelines \u00fcberwachen und auf Leistungsindizes oder deine Erfolgsraten zugreifen.\n\n\n
Entdecke unsere Azure-Trainings<\/a><\/div><\/div>\n\n

Azure Data Factory VS herk\u00f6mmliche ETL-Tools<\/h3>\nAzure Data Factory ist eine der besten Optionen, wenn es um den Aufbau von ETL- (oder ELT-) Pipelines in der Cloud und in hybriden Systemen geht. Es gibt einige Merkmale, die Azure Data Factory von anderen Tools unterscheiden.\n