Ingérer des données depuis Anysphere (Cursor)

info

Bêta

Cette fonctionnalité est en version Bêta. Les administrateurs de workspace peuvent contrôler l’accès à cette fonctionnalité depuis la page Aperçus . Consultez Gérer les aperçus Databricks.

Cette page explique comment créer un pipeline d’ingestion de Logs d’audit Anysphere géré à l’aide de Lakeflow Connect.

Exigences

• Pour créer un pipeline d’ingestion, vous devez d’abord remplir les conditions suivantes :

  • Votre workspace doit être activé pour Unity Catalog.

  • Le compute Serverless doit être activé pour votre Workspace. Voir les exigences du compute Serverless.

  • Pour créer une nouvelle connexion, vous devez disposer des privilèges CREATE CONNECTION sur le métastore. Voir Gérer les privilèges dans Unity Catalog.

    Si le connecteur prend en charge la création de pipelines via l’interface utilisateur, un administrateur peut créer la connexion et le pipeline simultanément en suivant les étapes indiquées sur cette page. Cependant, si les utilisateurs qui créent des pipelines utilisent la création de pipelines basée sur l’API ou ne sont pas des administrateurs, un administrateur doit d’abord créer la connexion dans Catalog Explorer. Voir Se connecter à des sources d’ingestion gérées.

  • Pour utiliser une connexion existante, vous devez disposer des privilèges USE CONNECTION ou de ALL PRIVILEGES sur l’objet de connexion.

  • Vous devez disposer des privilèges USE CATALOG sur le catalogue cible.

  • Vous devez disposer des privilèges USE SCHEMA et CREATE TABLE sur un schéma existant ou des privilèges CREATE SCHEMA sur le catalogue cible.

• Pour ingérer des données à partir des Logs d’audit Anysphere, vous devez d’abord configurer l’authentification depuis Databricks. Voir Configurer l’authentification vers Anysphere (Cursor).

Créer un pipeline d’ingestion

Databricks UI

1. Dans la barre latérale du workspace Databricks, cliquez sur Data Ingestion .
2. Sur la page Add data , sous Databricks connectors , cliquez sur Anysphere Audit Logs .
3. Sur la page Connexion de l'assistant d'ingestion, sélectionnez la connexion qui stocke vos identifiants d'accès aux Logs d'audit Anysphere. Si vous disposez du privilège CREATE CONNECTION sur le métastore, vous pouvez cliquer sur Créer une connexion pour créer une nouvelle connexion avec les détails d'authentification dans Créer une connexion aux Logs d'audit Anysphere.
4. Cliquez sur Suivant .
5. Sur la page Configuration de l’ingestion , saisissez un nom unique pour le pipeline.
6. Sélectionnez un catalogue et un schéma dans lesquels écrire les logs d’événements. Si vous disposez des privilèges USE CATALOG et CREATE SCHEMA sur le catalogue, vous pouvez cliquer sur Créer un schéma dans le menu déroulant pour créer un nouveau schéma.
7. Cliquez sur Créer un pipeline et continuer .
8. Sur la page Source , sélectionnez les tables à ingérer.
9. Cliquez sur Enregistrer et continuer .
10. Sur la page Destination , sélectionnez un catalogue et un schéma dans lesquels charger les données. Si vous disposez des privilèges USE CATALOG et CREATE SCHEMA sur le catalogue, vous pouvez cliquer sur Créer un schéma dans le menu déroulant pour créer un nouveau schéma.
11. Cliquez sur Enregistrer et continuer .
12. (Facultatif) Sur la page Calendriers et notifications , cliquez sur Créer un calendrier . Définissez la fréquence de refresh des tables de destination.
13. (Facultatif) Cliquez sur Add notification pour définir des notifications par e-mail en cas de succès ou d’échec de l’opération de pipeline, puis cliquez sur Save and run pipeline .

Declarative Automation Bundles

Utilisez les Declarative Automation Bundles pour gérer les pipelines Anysphere Audit Logs en tant que code. Les bundles peuvent contenir des définitions YAML de jobs et de tâches, sont gérés à l’aide de la CLI Databricks et peuvent être partagés et exécutés dans différents workspaces cibles (tels que le développement, la pré-production et la production). Pour plus d’informations, consultez Que sont les Declarative Automation Bundles ?.

1. Créer un bundle à l'aide de la CLI Databricks :

   Bash

   databricks bundle init

2. Ajouter deux nouveaux fichiers de ressources au bundle :

   • Un fichier de définition de pipeline (par exemple, resources/anysphere_audit_logs_pipeline.yml). Voir pipeline.ingestion_definition et Exemples.
   • Un fichier de définition de job qui contrôle la fréquence d'ingestion des données (par exemple, resources/anysphere_audit_logs_job.yml).

3. Déployez le pipeline à l'aide de la CLI Databricks :

   Bash

   databricks bundle deploy

Databricks notebook

1. Importez le notebook suivant dans votre workspace Databricks :

Ouvrir le notebook dans un nouvel ongletOuvrir dans Databricks

2. Laissez les cellules un et deux telles quelles. Ne pas modifier.

3. Modifiez la troisième cellule avec les détails de configuration de votre pipeline. Voir pipeline.ingestion_definition et Exemples.

4. Configurez éventuellement les paramètres avancés du pipeline. Consultez les modèles courants pour les pipelines d’ingestion gérés.

5. Cliquez sur Tout exécuter .

Exemples

Utilisez ces exemples pour configurer votre pipeline.

Ingérer l'intégralité du schéma

Declarative Automation Bundles

Le fichier de définition de pipeline suivant ingère toutes les tables d’audit Anysphere Logs prises en charge dans un schéma de destination :

YAML

resources:
  pipelines:
    anysphere_audit_logs_pipeline:
      name: anysphere_audit_logs_pipeline
      catalog: 'main'
      target: 'anysphere_audit_logs_data'
      ingestion_definition:
        connection_name: anysphere_audit_logs_connection
        objects:
          - schema:
              source_schema: 'default'
              destination_catalog: 'main'
              destination_schema: 'anysphere_audit_logs_data'

Databricks notebook

La spécification de pipeline suivante ingère toutes les tables Anysphere Audit Logs prises en charge dans un schéma de destination :

Python

pipeline_name = "anysphere_audit_logs_pipeline"
connection_name = "<anysphere-audit-logs-connection>"
pipeline_spec = {
  "name": pipeline_name,
  "ingestion_definition": {
    "connection_name": connection_name,
    "objects": [
      {
        "schema": {
          "source_schema": "default",
          "destination_catalog": "main",
          "destination_schema": "anysphere_audit_logs_data"
        }
      }
    ]
  }
}
json_payload = json.dumps(pipeline_spec, indent=2)
create_pipeline(json_payload)

Ingérer des tables spécifiques

Ingérer des tables individuelles d’Audit Logs Anysphere. Pour une liste complète des tables prises en charge, consultez Tables sources prises en charge.

Declarative Automation Bundles

Le fichier de définition de pipeline suivant ingère des tables de Logs d'audit Anysphere individuelles :

YAML

resources:
  pipelines:
    anysphere_audit_logs_pipeline:
      name: anysphere_audit_logs_pipeline
      catalog: 'main'
      target: 'anysphere_audit_logs_data'
      ingestion_definition:
        connection_name: anysphere_audit_logs_connection
        objects:
          - table:
              source_schema: 'default'
              source_table: 'audit_logs'
              destination_catalog: 'main'
              destination_schema: 'anysphere_audit_logs_data'
              destination_table: 'audit_logs'

Databricks notebook

La spécification de pipeline suivante ingère des tables individuelles d’audit Anysphere Logs :

Python

pipeline_name = "anysphere_audit_logs_pipeline"
connection_name = "<anysphere-audit-logs-connection>"
pipeline_spec = {
  "name": pipeline_name,
  "ingestion_definition": {
    "connection_name": connection_name,
    "objects": [
      {
        "table": {
          "source_schema": "default",
          "source_table": "audit_logs",
          "destination_catalog": "main",
          "destination_schema": "anysphere_audit_logs_data",
          "destination_table": "audit_logs"
        }
      }
    ]
  }
}
json_payload = json.dumps(pipeline_spec, indent=2)
create_pipeline(json_payload)

Fichier de définition de Job Declarative Automation Bundles

Declarative Automation Bundles

YAML

resources:
  jobs:
    anysphere_audit_logs_job:
      name: anysphere_audit_logs_job
      schedule:
        quartz_cron_expression: '0 0 0 * * ?'
        timezone_id: 'UTC'
      tasks:
        - task_key: anysphere_audit_logs_ingestion
          pipeline_task:
            pipeline_id: ${resources.pipelines.anysphere_audit_logs_pipeline.id}

Modèles courants

Pour des configurations de pipeline avancées, consultez Common patterns for managed ingestion pipelines.

Étapes suivantes

Start, planifiez et définissez des alertes sur votre pipeline. Voir Tâches courantes de maintenance de pipeline.

Ressources supplémentaires

• Limitations du connecteur Anysphere Audit Logs
• Référence du connecteur Anysphere Audit Logs
• FAQ du connecteur de Logs d’audit Anysphere