Azure Databricks 的主要优势之一是能够与许多其他数据环境集成，通过 ETL 或 ELT 流程提取数据。在本模块课程中，我们将逐一研究 E、L 和 T，了解 Azure Databricks 如何帮助我们轻松进入云计算解决方案。

现在，实时处理大数据已成为许多企业的运营需要。Azure Stream Analytics 是微软为复杂事件处理提供的无服务器实时分析产品。在本节中，我们将探讨客户如何通过利用大数据的力量来获得有价值的见解和竞争优势。

数据工厂可以有一个或多个管道。管道是对一起执行任务的活动的逻辑分组。管道中的活动定义了对数据执行的操作。创建数据集之前，必须创建链接服务，以便将数据存储链接到数据工厂。本节将讨论 Azure Blob Storage 中的链接服务和数据集。

Azure Data Factory 是一种完全托管的基于云的数据协调服务，可实现数据移动和转换。在本节中，我们将探讨 Azure Data Factory 的调度触发器，以自动执行管道。

在时间流应用场景中，对时间窗口中的数据执行操作是一种常见模式。流分析原生支持窗口函数，使开发人员能够以最小的工作量编写复杂的流处理作业。在本节中，我们将研究与流内分析相关的窗口函数。

本节将介绍如何使用 Azure Stream Analytics 分析电话呼叫数据。客户端应用程序生成的电话呼叫数据包含一些欺诈性呼叫，流分析作业将对其进行过滤。

传统的 SMP 数据仓库使用提取、转换和加载（ETL）流程加载数据。Azure SQL 数据仓库是一种大规模并行处理（MPP）架构，可充分利用计算和存储资源的可扩展性和灵活性。使用提取、加载和转换（ELT）流程可以利用 MPP 的优势，并消除加载前转换数据所需的资源。