能否利用Azure Machine Learning在SQL Server中执行每日定时数据清洗？

可以实现你的需求，但并非直接在SQL Server内部执行Azure ML的操作，而是通过以下几种联动方式完成每晚的自动数据清洗任务：

1. Azure ML批量管道定时触发（推荐） #

• 在Azure ML中构建数据清洗管道：用SQL Dataset连接你的SQL Server实例，读取待清洗数据；通过自定义Python/R脚本或内置数据转换组件完成清洗逻辑；最后将清洗后的数据写回SQL Server。
• 为管道设置定时触发器（比如每晚指定时间），让Azure ML自动完成整个流程，无需SQL Server主动触发。这种方式下Azure ML负责全部清洗逻辑和调度，SQL Server仅作为数据存储。

2. SQL Server存储过程调用Azure ML端点 #

如果需要从SQL Server内部触发任务，可以借助SQL Server 2022及以上版本支持的sp_invoke_external_rest_endpoint存储过程，调用Azure ML的批量/实时端点：

• 先在Azure ML中部署封装了数据清洗逻辑的端点，端点需具备访问SQL Server的权限（比如用服务主体连接）。
• 编写T-SQL存储过程调用该端点，示例如下：

CREATE PROCEDURE TriggerDataCleaningWithAML
AS
BEGIN
    DECLARE @aml_endpoint NVARCHAR(255) = 'https://<你的AML端点地址>.azureml.net/score'
    DECLARE @api_key NVARCHAR(100) = '<你的AML端点密钥>'
    DECLARE @result NVARCHAR(MAX)

    EXEC sp_invoke_external_rest_endpoint
        @url = @aml_endpoint,
        @method = 'POST',
        @headers = '{"Content-Type":"application/json", "Authorization":"Bearer ' + @api_key + '"}',
        @body = '{"target_table":"<待清洗表名>"}',
        @response = @result OUTPUT

    SELECT @result AS AML_Execution_Result
END

• 用SQL Server Agent创建定时作业，每晚执行该存储过程即可触发Azure ML的清洗任务。

3. Azure Data Factory（ADF）调度流转 #

通过ADF作为中间调度层：

• 配置ADF的定时触发器（每晚），添加“复制数据”活动从SQL Server拉取数据到ADF数据集。
• 调用Azure ML的清洗管道处理数据，再将清洗后的结果写回SQL Server。
• 这种方式适合多数据源、复杂流转的场景，ADF负责调度和数据路由，Azure ML专注于清洗逻辑。

内容的提问来源于stack exchange，提问作者cornstach