Summary  
This chapter explains how to incorporate SQL commands into a pipeline to programmatically modify database schemas and data types, such as casting columns and dropping unnecessary fields.  

General domain of usage  
ETL data pipelines

The **Script Activity** in Azure Data Factory is a powerful tool that allows you to execute SQL scripts as part of your data pipelines. This feature is particularly useful for tasks such as managing database schemas, performing updates, or running any custom SQL commands needed to prepare or manage your data infrastructure.

A **Script Activity** in Azure Data Factory enables you to **connect to a database and execute pre-defined SQL statements** directly from a pipeline.

Definition

Unlike the Copy Activity, which is focused on moving data, the Script Activity is designed to **modify, update, or interact with the database itself**. It is commonly used in scenarios such as adding or removing columns, creating or dropping tables, or applying business rules through stored procedures.

Download File

## How to Use Script Activity  

1. Start by dragging the **Script Activity** from the Activities pane onto the pipeline canvas in Azure Data Factory Studio; 
2. Link the Script Activity to your database by selecting a pre-configured **Linked Service**;
3. Open the **Script** tab and write your SQL commands, such as creating, modifying, or dropping database objects; 
4. Validate the pipeline.  

How does the Script Activity differ from the Copy Activity in Azure Data Factory?

Beherrschen Sie die Grundlagen der Datenverarbeitung mit Microsoft Azure in diesem umfassenden Kurs. Beginnend mit grundlegenden Konzepten wie Cloud-Computing, Ressourcenmanagement und Speicherlösungen, schreiten Sie zu praktischen Schulungen in Azure Data Factory (ADF) fort, meistern ETL/ELT-Workflows und fortgeschrittene Datentransformationen. Durch praktische Beispiele und die Lösung realer Probleme erwerben Sie die Fähigkeiten, skalierbare Datenlösungen mit Azure zu entwerfen, zu implementieren und zu optimieren.

Tauchen Sie tief in die grundlegenden Konzepte und Werkzeuge ein, die erforderlich sind, um Ihre Reise mit Microsoft Azure zu beginnen. Sie werden die Grundlagen des Cloud-Computing erkunden, lernen, wie Sie Ressourcen effizient mit Azure Resource Groups organisieren und verwalten, und grundlegende Dienste wie Blob Storage und Azure SQL Database einrichten. Zusätzlich sichern Sie sensible Daten mit Azure Key Vault und erhalten einen Überblick über Azure Data Factory (ADF), um seine Rolle in modernen Datenengineering-Workflows zu verstehen.

Erkunden Sie die Kernfunktionen von Azure Data Factory (ADF), ein leistungsstarkes Tool zur Erstellung und Automatisierung von ETL/ELT-Workflows. In diesem Abschnitt lernen Sie, wie Sie Dienste, Datensätze und Pipelines konfigurieren, während Sie wichtige Aktivitäten wie Copy, Lookup und Script erkunden. Sie arbeiten auch mit erweiterten Funktionen wie der ForEach-Aktivität zur Iteration und Pipeline-Parametern für Flexibilität.

Dieser Abschnitt konzentriert sich auf die Nutzung der Datenflussfähigkeiten von Azure Data Factory, um Ihre Daten zu transformieren und anzureichern. Sie lernen, verschiedene Datenquellen zu verbinden, abgeleitete Spalten zu erstellen und Datensätze mithilfe von Joins zu kombinieren. Praktische Beispiele führen Sie durch das Filtern, Sortieren, bedingte Aufteilungen und Aggregieren von Daten, um aussagekräftige Einblicke zu gewinnen. Durch das Beherrschen dieser Transformationen sind Sie in der Lage, robuste und effiziente ETL-Workflows zu erstellen, die auf reale Herausforderungen der Datenverarbeitung zugeschnitten sind.

Wenden Sie Ihr Wissen auf reale Dateningenieurszenarien in diesem praxisnahen Abschnitt an. Sie werden praktische Herausforderungen wie das Laden und Analysieren von Daten für verschiedene Kategorien, das Erkennen von Mustern und die Bewertung der finanziellen Gesundheit mithilfe fortschrittlicher ADF-Workflows bewältigen. Durch das Lösen dieser Probleme sammeln Sie Erfahrungen im Entwerfen von End-to-End-Datenlösungen, im Umgang mit vielfältigen Datensätzen und im Generieren umsetzbarer Erkenntnisse.