Ingérez des données depuis Azure DevOps

info

Bêta

Cette fonctionnalité est en version Bêta. Pour l’utiliser, un administrateur du workspace doit activer Lakeflow Connect pour Azure DevOps à partir de la page Prévisualisations . Consultez Gérer les aperçus Databricks.

Cette page explique comment créer un pipeline d'ingestion Azure DevOps géré à l'aide de Lakeflow Connect.

Prérequis

• Pour créer un pipeline d’ingestion, veuillez remplir les conditions suivantes :

  • Votre workspace doit être activé pour Unity Catalog.

  • Le compute serverless doit être activé pour votre workspace. Voir les exigences liées au compute serverless.

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

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

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

  • Vous devez avoir 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 depuis Azure DevOps, commencez par configurer l'authentification depuis Databricks et créez une connexion. Voir Configurer l'authentification auprès d'Azure DevOps et Créer une connexion Azure DevOps.

Options du connecteur

Définissez des options étendues au pipeline dans source_configurations. Voir Exemples pour l’utilisation.

Option	Portée	Obligatoire	S'applique à	Description
start_datetime	Pipeline	Non	commits	Date de commit la plus ancienne à ingérer lors de la première synchronisation, au format yyyy-MM-dd'T'HH:mm:ss'Z'. default, 180 jours avant la synchronisation.

Option	Portée	Obligatoire	S'applique à	Description
start_datetime	Pipeline	Non	commits	Date de commit la plus ancienne à ingérer lors de la première synchronisation, au format yyyy-MM-dd'T'HH:mm:ss'Z'. default, 180 jours avant la synchronisation.

Créer un pipeline d'ingestion

Pour obtenir la liste des tables sources prises en charge, voir Tables sources prises en charge.

Databricks UI

1. Dans la barre latérale du workspace Databricks, cliquez sur Ingestion des données .
2. Sur la page Ajouter des données , sous Connecteurs Databricks , cliquez sur Azure DevOps .
3. Sur la page Connexion de l'assistant d'ingestion, sélectionnez la connexion qui stocke vos identifiants Azure DevOps. Si vous avez le privilège CREATE CONNECTION sur le métastore, cliquez sur Créer une connexion pour créer une connexion avec les identifiants de Configurer l'authentification à Azure DevOps.
4. Cliquez sur Suivant .
5. Sur la page Configuration de l’ingestion , saisissez un nom pour le pipeline.
6. Sélectionnez un catalogue et un schéma dans lequel écrire les données. Si vous disposez des privilèges USE CATALOG et CREATE SCHEMA sur le catalogue, cliquez sur Créer un schéma dans le menu déroulant pour créer un 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, cliquez sur Créer un schéma dans le menu déroulant pour créer un schéma.
11. Cliquez sur Enregistrer et continuer .
12. (Facultatif) Sur la page Calendriers et notifications , cliquez sur Créer un calendrier . Définissez la fréquence pour refresh les tables de destination.
13. (Facultatif) Cliquez sur Ajouter une notification pour configurer les notifications par e-mail en cas de succès ou d'échec de l'opération de pipeline, puis cliquez sur Enregistrer et exécuter le pipeline .

Declarative Automation Bundles

Utilisez les Declarative Automation Bundles pour gérer les pipelines Azure DevOps 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 Workspace cibles (tels que le développement, la pré-production et la production). Pour plus d'informations, consultez Que sont les Declarative Automation Bundles ?.

1. Créez un bundle à l’aide de la CLI Databricks :

   Bash

   databricks bundle init

2. Ajoutez deux nouveaux fichiers de ressources au bundle :

   • Un fichier de définition de pipeline (par exemple, resources/azure_devops_pipeline.yml). Voir pipeline.ingestion_definition et Exemples.
   • Fichier de définition de job qui contrôle la fréquence d’ingestion des données (par exemple, resources/azure_devops_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 une 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. Vous pouvez éventuellement configurer des paramètres avancés pour le pipeline. Voir Modèles courants pour les pipelines d'ingestion gérés.

5. Cliquez sur Tout exécuter .

Exemples

Le connecteur Azure DevOps met 17 tables sources à votre disposition dans le schéma source default. Les exemples suivants permettent d'ingérer des tables spécifiques.

Ingérer des tables spécifiques

Utilisez cette option pour ingérer un sous-ensemble spécifique de tables ou pour personnaliser les noms de destination par table.

Declarative Automation Bundles

Le fichier de définition de pipeline suivant ingère des tables Azure DevOps individuelles :

YAML

resources:
  pipelines:
    azure_devops_pipeline:
      name: azure_devops_pipeline
      catalog: 'main'
      target: 'azure_devops_data'
      ingestion_definition:
        connection_name: azure_devops_connection
        source_configurations:
          - api_source_connector_config:
              configs:
                start_datetime: '<start-datetime>'
        objects:
          - table:
              source_schema: 'default'
              source_table: 'projects'
              destination_catalog: 'main'
              destination_schema: 'azure_devops_data'
              destination_table: 'projects'
          - table:
              source_schema: 'default'
              source_table: 'work_items'
              destination_catalog: 'main'
              destination_schema: 'azure_devops_data'
              destination_table: 'work_items'
          - table:
              source_schema: 'default'
              source_table: 'pull_requests'
              destination_catalog: 'main'
              destination_schema: 'azure_devops_data'
              destination_table: 'pull_requests'
          - table:
              source_schema: 'default'
              source_table: 'commits'
              destination_catalog: 'main'
              destination_schema: 'azure_devops_data'
              destination_table: 'commits'

Databricks notebook

La spécification de pipeline suivante ingère des tables Azure DevOps individuelles :

Python

pipeline_name = "azure_devops_pipeline"
connection_name = "<azure-devops-connection>"
pipeline_spec = {
  "name": pipeline_name,
  "ingestion_definition": {
    "connection_name": connection_name,
    "source_configurations": [
      {
        "api_source_connector_config": {
          "configs": {
            "start_datetime": "<start-datetime>"
          }
        }
      }
    ],
    "objects": [
      {
        "table": {
          "source_schema": "default",
          "source_table": "projects",
          "destination_catalog": "main",
          "destination_schema": "azure_devops_data",
          "destination_table": "projects"
        }
      },
      {
        "table": {
          "source_schema": "default",
          "source_table": "work_items",
          "destination_catalog": "main",
          "destination_schema": "azure_devops_data",
          "destination_table": "work_items"
        }
      },
      {
        "table": {
          "source_schema": "default",
          "source_table": "pull_requests",
          "destination_catalog": "main",
          "destination_schema": "azure_devops_data",
          "destination_table": "pull_requests"
        }
      },
      {
        "table": {
          "source_schema": "default",
          "source_table": "commits",
          "destination_catalog": "main",
          "destination_schema": "azure_devops_data",
          "destination_table": "commits"
        }
      }
    ]
  }
}
json_payload = json.dumps(pipeline_spec, indent=2)
create_pipeline(json_payload)

Fichier de définition de job Declarative Automation Bundles

Voici un exemple de fichier de définition de job à utiliser avec les Declarative Automation Bundles. Le job s'exécute quotidiennement.

Declarative Automation Bundles

YAML

resources:
  jobs:
    azure_devops_job:
      name: azure_devops_job
      schedule:
        quartz_cron_expression: '0 0 0 * * ?'
        timezone_id: 'UTC'
      tasks:
        - task_key: azure_devops_ingestion
          pipeline_task:
            pipeline_id: ${resources.pipelines.azure_devops_pipeline.id}

Modèles courants

Pour les configurations de pipeline avancées, consultez les modèles courants pour les pipelines d’ingestion gérés.

Étapes suivantes

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

Ressources supplémentaires

• FAQ du connecteur Azure DevOps
• Limitations du connecteur Azure DevOps
• Référence du connecteur Azure DevOps
• Résoudre les problèmes du connecteur Azure DevOps