Ingérer des données de Microsoft Entra ID

info

Bêta

Cette fonctionnalité est en Bêta. Pour l'utiliser, un administrateur de workspace doit activer Lakeflow Connect for Microsoft Entra ID à partir de la page Previews . Consultez Gérer les aperçus Databricks.

Cette page montre comment créer un pipeline d’ingestion managé de Microsoft Entra ID à l’aide de Lakeflow Connect.

Configuration requise

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

  • Votre workspace doit être activé pour Unity Catalog.

  • Le compute serverless doit être activé pour votre workspace. Voir les prérequis du compute serverless.

  • Pour créer une 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 en même temps en suivant les étapes sur cette page. Cependant, si les utilisateurs qui créent des pipelines utilisent la création de pipelines via l'API ou ne sont pas des administrateurs, un administrateur doit d'abord créer la connexion dans l'Explorateur de catalogues. Voir Connexion aux 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 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 à partir de Microsoft Entra ID, configurez d’abord l’authentification depuis Databricks et créez une connexion. Voir Configurer l’authentification pour Microsoft Entra ID et Créer une connexion Microsoft Entra ID.

Options du connecteur

Définir des options au niveau du pipeline dans source_configurations. Toutes les options sont facultatives. Voir Exemples d’utilisation.

Option	Portée	Obligatoire	S'applique à	Description
start_datetime	Pipeline	Non	directoryaudits, signins	Date/heure du premier événement à ingérer lors de la première synchronisation, sous la forme d’un timestamp RFC 3339, par exemple 2026-09-15T00:00:00Z. Le connecteur limite la valeur entre 30 jours et 1 jour avant la synchronisation. default de 30 jours avant la synchronisation.

Option	Portée	Obligatoire	S'applique à	Description
start_datetime	Pipeline	Non	directoryaudits, signins	Date/heure du premier événement à ingérer lors de la première synchronisation, sous la forme d’un timestamp RFC 3339, par exemple 2026-09-15T00:00:00Z. Le connecteur limite la valeur entre 30 jours et 1 jour avant la synchronisation. default de 30 jours avant la synchronisation.

Créer un pipeline d’ingestion

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

Databricks UI

1. Dans la barre latérale du workspace Databricks, cliquez sur Data Ingestion .
2. Sur la page Ajouter des données , sous Connecteurs Databricks , cliquez sur Microsoft Entra ID .
3. Sur la page Connexion de l'assistant d'ingestion, sélectionnez la connexion qui stocke vos identifiants Microsoft Entra ID. Si vous disposez du privilège CREATE CONNECTION sur le métastore, cliquez sur Créer une connexion pour créer une connexion avec les identifiants de Configurer l'authentification avec Microsoft Entra ID.
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 lesquels écrire les logs d’événements. 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 de refresh des tables de destination.
13. (Facultatif) Cliquez sur Ajouter une notification pour définir des notifications par e-mail en cas de réussite 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 Microsoft Entra ID 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. 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/microsoft_entra_id_pipeline.yml). Consultez pipeline.ingestion_definition et Exemples.
   • Un fichier de définition de job qui contrôle la fréquence d’ingestion des données (par exemple, resources/microsoft_entra_id_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 qu'elles sont. Ne pas modifier.

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

4. Configurez éventuellement des paramètres de pipeline avancés. Consultez Modèles courants pour les pipelines d'ingestion gérés.

5. Cliquez sur Tout exécuter .

Exemples

Le connecteur Microsoft Entra ID met à disposition 15 tables sources dans le schéma source default. Ingérer des tables individuelles ou les tables dont vous avez besoin.

Ingérer des tables spécifiques

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

Declarative Automation Bundles

Le fichier de définition de pipeline suivant ingère des tables Microsoft Entra ID individuelles :

YAML

resources:
  pipelines:
    microsoft_entra_id_pipeline:
      name: microsoft_entra_id_pipeline
      catalog: 'main'
      target: 'microsoft_entra_id_data'
      ingestion_definition:
        connection_name: microsoft_entra_id_connection
        source_configurations:
          - api_source_connector_config:
              configs:
                start_datetime: '<start-datetime>'
        objects:
          - table:
              source_schema: 'default'
              source_table: 'users'
              destination_catalog: 'main'
              destination_schema: 'microsoft_entra_id_data'
              destination_table: 'users'
          - table:
              source_schema: 'default'
              source_table: 'groups'
              destination_catalog: 'main'
              destination_schema: 'microsoft_entra_id_data'
              destination_table: 'groups'
          - table:
              source_schema: 'default'
              source_table: 'signins'
              destination_catalog: 'main'
              destination_schema: 'microsoft_entra_id_data'
              destination_table: 'signins'

Databricks notebook

La spécification de pipeline suivante ingère des tables Microsoft Entra ID individuelles :

Python

pipeline_name = "microsoft_entra_id_pipeline"
connection_name = "<microsoft-entra-id-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": "users",
          "destination_catalog": "main",
          "destination_schema": "microsoft_entra_id_data",
          "destination_table": "users"
        }
      },
      {
        "table": {
          "source_schema": "default",
          "source_table": "groups",
          "destination_catalog": "main",
          "destination_schema": "microsoft_entra_id_data",
          "destination_table": "groups"
        }
      },
      {
        "table": {
          "source_schema": "default",
          "source_table": "signins",
          "destination_catalog": "main",
          "destination_schema": "microsoft_entra_id_data",
          "destination_table": "signins"
        }
      }
    ]
  }
}
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 Declarative Automation Bundles. Le job s’exécute quotidiennement.

Declarative Automation Bundles

YAML

resources:
  jobs:
    microsoft_entra_id_job:
      name: microsoft_entra_id_job
      schedule:
        quartz_cron_expression: '0 0 0 * * ?'
        timezone_id: 'UTC'
      tasks:
        - task_key: microsoft_entra_id_ingestion
          pipeline_task:
            pipeline_id: ${resources.pipelines.microsoft_entra_id_pipeline.id}

Modèles courants

Pour les configurations de pipeline avancées, consultez Modèles courants pour les pipelines d’ingestion managés.

Étapes suivantes

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

Ressources supplémentaires

• FAQ sur le connecteur Microsoft Entra ID
• Limitations du connecteur Microsoft Entra ID
• Référence du connecteur Microsoft Entra ID
• Dépanner le connecteur Microsoft Entra ID