Aller au contenu principal
Dernière mise à jour le

Limitations du connecteur Jira

info

Bêta

Cette fonctionnalité est en Bêta. Les administrateurs du Workspace peuvent contrôler l'accès à cette fonctionnalité à partir de la page Previews . Consultez Gérer les aperçus Databricks.

Cette page répertorie les limitations et les considérations relatives à l’ingestion de données depuis Jira à l’aide de Databricks Lakeflow Connect.

Limitations générales des connecteurs SaaS​

Les limitations de cette section s'appliquent à tous les connecteurs SaaS de Lakeflow Connect.

  • Lorsque vous exécutez un pipeline planifié, les alertes ne se Trigger pas immédiatement. Au lieu de cela, ils Trigger lors de l’exécution de la prochaine mise à jour.
  • Lorsqu’une table source est supprimée, la table de destination n’est pas automatiquement supprimée. Vous devez supprimer la table de destination manuellement. Ce comportement n'est pas cohérent avec le comportement de Spark Declarative Pipelines sur Lakeflow.
  • Pendant les périodes de maintenance de la source, Databricks pourrait ne pas être en mesure d'accéder à vos données.
  • Si un nom de table source entre en conflit avec un nom de table de destination existant, la mise à jour du pipeline échoue.
  • La prise en charge des pipelines multi-destination est uniquement via l'API.
  • Vous pouvez éventuellement renommer une table que vous ingérez. Si vous renommez une table dans votre pipeline, il devient un pipeline API uniquement, et vous ne pouvez plus modifier le pipeline dans l'interface utilisateur.
  • Si vous sélectionnez une colonne après qu'un pipeline a déjà start, le connecteur ne renseigne pas automatiquement les données historiques pour la nouvelle colonne. Pour ingérer des données historiques, exécutez manuellement un refresh complet sur la table.
  • Databricks ne peut pas ingérer deux tables ou plus portant le même nom dans le même pipeline, même si elles proviennent de schémas sources différents.
  • Le système source suppose que les colonnes du curseur augmentent de façon monotone.
  • Le connecteur ingère des données brutes sans transformations. Utilisez les Spark Declarative Pipelines en aval sur les Lakeflow Pipelines pour les transformations.

Limitations spécifiques au connecteur​

Les limitations de cette section sont spécifiques au connecteur Jira.

Synchronisation incrémentielle​

Supprimer le suivi​

  • La suppression de problèmes n'est prise en charge que si les Logs d'audit Jira sont pris en charge et activés.
  • Les suppressions ne sont suivies que si l'utilisateur qui s'authentifie dispose des autorisations d'administrateur global sur l'instance Jira.
  • La suppression des commentaires et des journaux de travail n'est prise en charge que par un refresh complet.

Filtrage​

  • Le filtrage par projet ou espace Jira est pris en charge à l'aide du paramètre include_jira_spaces dans jira_options. Assurez-vous que vous utilisez des clés de projet exactes plutôt que des noms ou identifiants de projet.

Ingestion de contenu​

  • Le connecteur fournit un accès à 27 tables au total. Toutes les données, y compris celles de plusieurs projets, sont organisées en ces 27 tables.
  • Certaines tables (par exemple, les liens d'incident) utilisent des identifiants Jira internes et peuvent nécessiter une jointure avec d'autres tables pour un résultat significatif.
Sur cette page