databricks-2025 — скилл для Claude Code: что делает и как установить
Скилл databricks-2025 для Claude Code содержит шаблоны интеграции Azure Data Factory с Databricks и коннекторами 2025 года для пайплайнов данных.
MIT 168 установок ★ 66 обновлён 2026-06-18
npx skills add JosiahSiegel/claude-plugin-marketplace --skill databricks-2025 -a claude-codeЧто делает databricks-2025
Скилл содержит готовые шаблоны и правила перехода на активность DatabricksJob взамен устаревших вызовов Notebook, Python и JAR внутри ADF. Он задаёт правильную структуру JSON для передачи параметров через jobParameters, настройку бессерверных вычислений и авторизацию через управляемые удостоверения (Managed Identity).
Внутрь включены руководства по миграции на ServiceNowV2, параметры SSL для коннектора PostgreSQL, связка со Snowflake через KeyPair и оптимизация Spark 3.3 в Mapping Data Flows с адаптивным выполнением запросов. Отдельное внимание уделено требованиям обязательной MFA в Azure с октября 2025 года: скилл помогает строить пайплайны на системных и пользовательских MSI, которые не ломаются интерактивным входом.
В связанных сервисах Databricks параметры кластера указывать нельзя: вычислительными ресурсами теперь целиком управляет сама задача Databricks Job.
Какие задачи решает
- перевести пайплайны ADF с устаревшего Notebook Activity на современный DatabricksJob
- настроить авторизацию ADF к Databricks через Managed Identity без персональных токенов
- мигрировать устаревший коннектор ServiceNow на версию ServiceNowV2
- сконфигурировать подключение к Snowflake с проверкой подлинности по KeyPair через Key Vault
- включить Adaptive Query Execution и динамическое партиционирование в Spark 3.3 для Mapping Data Flows
Примеры запросов агенту
- Покажи JSON для активности DatabricksJob в ADF с передачей параметров через jobParameters
- Сгенерируй шаблон linked service для Databricks с аутентификацией MSI без явного указания кластера
- Переведи пайплайн с коннектора ServiceNow V1 на ServiceNowV2Source
Как установить databricks-2025
1Через Skills CLI (Vercel)
npx skills add JosiahSiegel/claude-plugin-marketplace --skill databricks-2025 -a claude-code2Вручную: положить файлы
~/.claude/skills/databricks-2025/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/databricks-2025/
1Через Skills CLI (Vercel)
npx skills add JosiahSiegel/claude-plugin-marketplace --skill databricks-2025 -a codex2Вручную: положить файлы
.agents/skills/databricks-2025/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add JosiahSiegel/claude-plugin-marketplace --skill databricks-2025 -a cursor2Вручную: положить файлы
.cursor/skills/databricks-2025/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install JosiahSiegel/claude-plugin-marketplace plugins/adf-master/skills/databricks-20252Вручную: положить файлы
.github/skills/databricks-2025/SKILL.md1Через Skills CLI (Vercel)
npx skills add JosiahSiegel/claude-plugin-marketplace --skill databricks-2025 -a gemini-cli2Командой платформы
gemini skills install https://github.com/JosiahSiegel/claude-plugin-marketplace --path plugins/adf-master/skills/databricks-2025Вручную: положить файлы
.devin/skills/databricks-2025/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add JosiahSiegel/claude-plugin-marketplace --skill databricks-2025 -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о databricks-2025
Как установить databricks-2025 в Claude Code?
Выполните в терминале команду npx skills add JosiahSiegel/claude-plugin-marketplace --skill databricks-2025 -a claude-code. Файл скилла будет сохранён по пути ~/.claude/skills/databricks-2025/SKILL.md.
Что делает этот скилл?
Он предоставляет вашему ИИ-ассистенту актуальные шаблоны JSON, рекомендации по миграции коннекторов и правила связывания Azure Data Factory с Databricks по стандартам 2025 года.
Почему скилл запрещает настраивать кластер внутри linked service?
В новой модели DatabricksJob вычислениями управляет само задание в рабочей области Databricks, по умолчанию используя бессерверный режим, поэтому параметры кластера в ADF не задаются.
Исходный текст
SKILL.md · MIT
--- name: databricks-2025 description: | ADF + Databricks 2025 integration patterns. PROACTIVELY activate for: (1) Databricks Job activity in ADF, (2) DatabricksJob (preview) vs DatabricksNotebook activity, (3) ServiceNow V2 connector, (4) ADF managed identity authentication for Databricks, (5) Databricks serverless linked services, (6) Snowflake V2 connector, (7) Databricks job parameters and outputs, (8) MFA enforcement and authentication updates, (9) Unity Catalog integration, (10) Delta Live Tables orchestration from ADF. Provides: Databricks linked service templates (PAT, MSI, serverless), DatabricksJob activity examples, parameter passing recipes, and authentication migration guidance. --- # Azure Data Factory Databricks Integration 2025 ## Databricks Job Activity (Recommended 2025) **CRITICAL UPDATE (2025):** The Databricks Job activity is now the **ONLY recommended method** for orchestrating Databricks in ADF. Microsoft strongly recommends migrating from legacy Notebook, Python, and JAR activities. ### Quick Reference - **Activity type:** `DatabricksJob` (NOT `DatabricksSparkJob` or `DatabricksNotebook`) - **Parameter property:** `jobParameters` (NOT `parameters`) - **Linked service auth:** Managed Identity (`"authentication": "MSI"`) recommended - **Cluster config:** Do NOT specify cluster properties in linked service; the Databricks Job controls compute ### Why Databricks Job Activity? | Feature | Notebook Activity (Legacy) | Job Activity (2025) | |---------|---------------------------|---------------------| | Compute | Must configure cluster in linked service | Serverless by default | | Workflow tasks | Single notebook | Multi-task DAGs (notebook, Python, SQL, DLT) | | Retry | ADF-level only | Job-level + task-level | | Repair runs | Not supported | Rerun failed tasks only | | Git integration | Limited | Full Databricks Git support + DABs | | Lineage | None | Built-in data lineage | | If/Else logic | Must use ADF control flow | Native If/Else task types | ### Benefits Summary 1. **Serverless Execution** -- No cluster specification needed; automatic serverless compute with faster startup and lower costs 2. **Advanced Workflow Features** -- Run As, Task Values, Conditional Execution, AI/BI Tasks, Repair Runs, Notifications, Queuing 3. **Centralized Job Management** -- Jobs defined once in Databricks workspace; single source of truth with Git-backed versioning 4. **Cost Optimization** -- Serverless compute (pay only for execution), job clusters (auto-terminating), spot instance support For complete JSON examples of Job activity, linked service, and pipeline configurations, see `references/databricks-job-examples.md`. ## Connectors and Enhancements (2025+) ### ServiceNow V2 Connector (RECOMMENDED - V1 End of Support) **ServiceNow V1 connector is at End of Support. Migrate to V2 immediately.** | Feature | V1 | V2 | |---------|----|----| | Linked service type | `ServiceNow` | `ServiceNowV2` | | Source type | `ServiceNowSource` | `ServiceNowV2Source` | | Query builder | Custom | Aligns with ServiceNow condition builder | | Performance | Standard | Enhanced extraction | | OData support | No | Yes | **Migration steps:** Update linked service type to `ServiceNowV2`, update source type to `ServiceNowV2Source`, test queries in ServiceNow UI condition builder, adjust timeouts. ### Enhanced PostgreSQL Connector Improved performance with 2025 SSL enhancements: `enableSsl: true`, `sslMode: "Require"`. ### Enhanced Snowflake Connector Improved performance with KeyPair authentication support and Key Vault secret integration. ### Managed Identity for Azure Storage New managed identity support for Azure Table Storage and Azure Files connectors (system-assigned and user-assigned). ### Mapping Data Flows - Spark 3.3 Spark 3.3 now powers Mapping Data Flows with 30% faster processing, Adaptive Query Execution (AQE), dynamic partition pruning, improved caching, and better column statistics. ### Azure DevOps Server 2022 Support Git integration now supports on-premises Azure DevOps Server 2022 via the `hostName` property. For complete JSON examples of all connectors, see `references/connector-examples.md`. ## Managed Identity 2025 Best Practices ### User-Assigned vs System-Assigned | Scenario | Recommendation | |----------|---------------| | Single ADF, simple setup | System-assigned | | Multiple data factories | User-assigned (shared identity) | | Complex multi-environment | User-assigned | | Granular permission control | User-assigned | | Identity lifecycle independence | User-assigned | Use ADF's centralized **Credentials** feature to consolidate Microsoft Entra ID-based credentials across multiple linked services. ### MFA Enforcement (Enforced Since October 2025) Azure MFA is mandatory for all interactive user logins. Impact on ADF: - Managed identities are **UNAFFECTED** -- no MFA required for service accounts - Service principals with certificate auth are the recommended alternative to secrets - All interactive user logins require MFA ### Principle of Least Privilege | Resource | Source Role | Sink Role | |----------|-----------|-----------| | Storage Blob | `Storage Blob Data Reader` | `Storage Blob Data Contributor` | | SQL Database | `db_datareader` | `db_datareader` + `db_datawriter` | | Key Vault | `Get` secrets only | `Get` secrets only | For complete managed identity JSON examples, see `references/connector-examples.md`. ## Best Practices (2025) 1. **Use Databricks Job Activity (MANDATORY)** -- Stop using Notebook, Python, JAR activities. Define workflows in Databricks workspace with serverless compute. 2. **Managed Identity Authentication (MANDATORY)** -- Use managed identities for ALL Azure resources. Leverage Credentials feature for consolidation. MFA-compliant since October 2025. 3. **Monitor Job Execution** -- Track Databricks Job run IDs from ADF output, log parameters for auditability, set up alerts for failures, leverage built-in lineage. 4. **Optimize Spark 3.3 (Data Flows)** -- Enable AQE, use 4-8 partitions per core, broadcast joins for small dimensions, dynamic partition pruning. ## Resources - [Databricks Job Activity](https://learn.microsoft.com/azure/data-factory/transform-data-using-databricks-spark-job) - [ADF Connectors](https://learn.microsoft.com/azure/data-factory/connector-overview) - [Managed Identity Authentication](https://learn.microsoft.com/azure/data-factory/data-factory-service-identity) - [Mapping Data Flows](https://learn.microsoft.com/azure/data-factory/concepts-data-flow-overview) ## Progressive Disclosure References - **Databricks Job Examples**: `references/databricks-job-examples.md` - Complete JSON for Job activity, linked services, pipeline, and Databricks workspace job definition - **Connector Examples**: `references/connector-examples.md` - Complete JSON for ServiceNow V2, PostgreSQL, Snowflake, Azure Storage MI, Mapping Data Flows, and Azure DevOps Server
© JosiahSiegel · MIT · JosiahSiegel/claude-plugin-marketplace