Summary  
This chapter explains how to define and manage reusable connection objects that abstract connection parameters, securely store credentials, and streamline integration across diverse data systems.  

General domain of usage  
data integration pipelines

In Azure Data Factory, one of the first steps in building a pipeline is to **establish connections** to your data sources and destinations. These connections are defined using Linked Services, which act as the bridge between ADF and the data you need to work with.

A **Linked Service** in ADF is similar to a connection string in traditional applications. It **defines the connection details** for a specific data store or compute service, such as credentials, endpoints, and configuration settings.

Definition

For example, if your pipeline needs to move data from Azure Blob Storage to Azure SQL Database, you'll create three Linked Services: one for Azure Blob Storage, one for Azure SQL Database and one for Key Vault to store credentials. 

## Why Are Linked Services Important?
- **Centralized Connection Management**: instead of specifying connection details repeatedly, you define them once and reuse them across multiple datasets and activities;
- **Secure access**: credentials and sensitive information are securely stored and can be encrypted or integrated with Azure Key Vault for enhanced security;
- **Flexibility**: ADF supports over 90 different Linked Services, enabling seamless integration with diverse systems, including cloud-based, on-premises, and SaaS platforms.

What information is typically stored in a Linked Service?

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.