Azure Fabric Management SDK for Python
Générer du code Azure Fabric SDK
Écrire manuellement du code pour le SDK de gestion Azure Fabric est complexe et chronophage. Cette compétence fournit des invites alimentées par l'IA qui génèrent du code Python propre et prêt pour la production afin de gérer les ressources Azure Fabric, notamment les workspaces, notebooks, lakehouses et pipelines de données.
Télécharger le ZIP du skill
Importer dans Claude
Allez dans Paramètres → Capacités → Skills → Importer un skill
Activez et commencez à utiliser
Tester
Utilisation de "Azure Fabric Management SDK for Python". Créer un workspace Fabric
Résultat attendu:
- Étape 1 : Configurer l'authentification en utilisant DefaultAzureCredential
- Étape 2 : Créer un FabricManagementClient avec votre abonnement
- Étape 3 : Définir les propriétés du workspace (nom, emplacement, capacité)
- Étape 4 : Appeler workspace_client.workspaces.begin_create_or_update()
- Étape 5 : Gérer l'opération de longue durée et vérifier l'état de provisionnement
Utilisation de "Azure Fabric Management SDK for Python". Générer du code de configuration de lakehouse
Résultat attendu:
- Cet exemple montre comment créer un lakehouse :
- 1. S'authentifier en utilisant DefaultAzureCredential
- 2. Initialiser FabricApiClient avec le point de terminaison de votre workspace
- 3. Définir la charge utile du lakehouse avec le nom et la description
- 4. Effectuer un POST vers le point de terminaison /lakehouses
- 5. La réponse inclut l'ID du lakehouse et les chemins OneLake
Audit de sécurité
SûrThis is a prompt-only skill containing only SKILL.md with no executable code. Static analysis scanned 0 files (0 lines) and detected 0 security issues. Risk score is 0/100. The skill provides prompts for generating Azure Fabric SDK code - there are no scripts, network calls, filesystem access, environment variable reads, or external command executions. This is a safe, informational skill for AI-assisted code generation.
Score de qualité
Ce que vous pouvez construire
Ingénieur DevOps gérant l'infrastructure Azure
Automatiser la création et la gestion de workspaces Azure Fabric dans plusieurs environnements (dev, staging, production) à l'aide de scripts Python.
Ingénieur de données construisant des pipelines de données
Générer du code Python pour créer et orchestrer des pipelines de données dans Azure Fabric pour les workflows ETL et de transformation de données.
Développeur construisant des applications cloud
Générer rapidement des extraits de code Python pour intégrer des ressources Azure Fabric dans des applications personnalisées sans étudier toute la documentation du SDK.
Essayez ces prompts
Générer du code Python utilisant Azure Fabric Management SDK pour créer un nouveau workspace Fabric nommé '{workspace_name}' dans le groupe de ressources '{resource_group}'. Inclure une gestion appropriée des erreurs et la configuration de l'authentification.Écrire du code Python pour lister tous les workspaces Azure Fabric dans un abonnement en utilisant le SDK de gestion. Inclure la gestion de la pagination et le formatage de la sortie.
Générer du code Python pour créer un lakehouse Azure Fabric nommé '{lakehouse_name}' dans le workspace '{workspace_name}'. Inclure la configuration des chemins courts OneLake.Écrire du code Python pour créer un pipeline de données Azure Fabric avec les spécifications suivantes : nom '{pipeline_name}', description '{description}', et activités pour l'ingestion de données de '{source_path}' vers '{destination_path}'.Bonnes pratiques
- Toujours utiliser l'identité managée ou le principal de service pour l'authentification dans les environnements de production au lieu de stocker les identifiants dans le code
- Implémenter une gestion appropriée des erreurs avec des blocs try-except et des types d'exceptions spécifiques du SDK Azure
- Utiliser les versions asynchrones des méthodes du SDK (si disponibles) pour de meilleures performances dans les applications à haut débit
Éviter
- Ne pas coder en dur les identifiants Azure ou les chaînes de connexion dans votre code source - utiliser des variables d'environnement ou Azure Key Vault
- Éviter les appels synchrones dans des boucles serrées - implémenter le batching ou des motifs asynchrones pour les opérations en vrac
- Ne pas ignorer les statuts de réponse de l'API - toujours vérifier le succès et gérer correctement les cas d'échec