Ingérer des données depuis Oracle Eloqua

info

Bêta

Cette fonctionnalité est en Bêta. Pour l'utiliser, un administrateur du workspace doit activer Lakeflow Connect for Oracle Eloqua depuis la page Previews . Consultez Gérer les aperçus Databricks.

Créez un pipeline Lakeflow Connect géré qui ingère les données Oracle Eloqua dans les tables Unity Catalog. Utilisez l’interface utilisateur de Databricks, Declarative Automation Bundles ou un notebook Databricks.

Conditions requises

• Pour créer un pipeline d’ingestion, répondez d’abord aux exigences 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 en même temps en remplissant 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 administrateurs, un administrateur doit d'abord créer la connexion dans le catalogue Explorer. Consultez Se connecter 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 des données depuis Oracle Eloqua, configurez d’abord l’authentification à partir de Databricks et créez une connexion. Consultez Configurer l’authentification à Oracle Eloqua et Créer une connexion Oracle Eloqua.

Options du connecteur

Pour les options acceptées par le connecteur Oracle Eloqua, leur portée et les tables auxquelles elles s'appliquent, voir Options du connecteur. Définissez les options de portée du pipeline dans source_configurations. Voir Exemples pour l'utilisation.

Créer un pipeline d’ingestion

Pour obtenir 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 Ingestion de données .
2. Sur la page Ajouter des données , sous Connecteurs Databricks , cliquez sur Oracle Eloqua .
3. Sur la page Connexion de l'assistant d'ingestion, sélectionnez la connexion qui stocke vos identifiants Oracle Eloqua. 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 Oracle Eloqua.
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 logs des 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 avez les 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 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 Oracle Eloqua 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. Ajouter deux nouveaux fichiers de ressources au bundle :

   • Un fichier de définition de pipeline (par exemple, resources/oracle_eloqua_pipeline.yml). Voir pipeline.ingestion_definition et Exemples.
   • Fichier de définition de job qui contrôle la fréquence de l’ingestion de données (par exemple, resources/oracle_eloqua_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, deux et trois telles qu'elles sont.

3. Modifiez la cellule quatre avec les détails de configuration de votre pipeline. Consultez pipeline.ingestion_definition et Exemples.

4. Vous pouvez éventuellement configurer les paramètres avancés du pipeline. Voir Modèles courants pour les pipelines d'ingestion gérés.

5. Cliquez sur Tout exécuter .

Exemples

Le connecteur Oracle Eloqua met à disposition ses tables sources dans le schéma source default. Pour la liste des tables, consultez Tables sources prises en charge. Ingérer des tables individuelles ou le schéma entier.

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 Oracle Eloqua individuelles :

YAML

resources:
  pipelines:
    oracle_eloqua_pipeline:
      name: oracle_eloqua_pipeline
      catalog: 'main'
      target: 'oracle_eloqua_data'
      ingestion_definition:
        connection_name: oracle_eloqua_connection
        objects:
          - table:
              source_schema: 'default'
              source_table: 'contact'
              destination_catalog: 'main'
              destination_schema: 'oracle_eloqua_data'
              destination_table: 'contact'
          - table:
              source_schema: 'default'
              source_table: 'campaign'
              destination_catalog: 'main'
              destination_schema: 'oracle_eloqua_data'
              destination_table: 'campaign'
          - table:
              source_schema: 'default'
              source_table: 'form_submission'
              destination_catalog: 'main'
              destination_schema: 'oracle_eloqua_data'
              destination_table: 'form_submission'

Databricks notebook

La spécification de pipeline suivante ingère des tables Oracle Eloqua individuelles :

Python

pipeline_name = "oracle_eloqua_pipeline"
connection_name = "<oracle-eloqua-connection>"
pipeline_spec = {
  "name": pipeline_name,
  "ingestion_definition": {
    "connection_name": connection_name,
    "objects": [
      {
        "table": {
          "source_schema": "default",
          "source_table": "contact",
          "destination_catalog": "main",
          "destination_schema": "oracle_eloqua_data",
          "destination_table": "contact"
        }
      },
      {
        "table": {
          "source_schema": "default",
          "source_table": "campaign",
          "destination_catalog": "main",
          "destination_schema": "oracle_eloqua_data",
          "destination_table": "campaign"
        }
      },
      {
        "table": {
          "source_schema": "default",
          "source_table": "form_submission",
          "destination_catalog": "main",
          "destination_schema": "oracle_eloqua_data",
          "destination_table": "form_submission"
        }
      }
    ]
  }
}
json_payload = json.dumps(pipeline_spec, indent=2)
create_pipeline(json_payload)

Ingérer à partir d'une date de start spécifique

Utilisez l'option start_datetime pour contrôler à quelle distance les tables incrémentielles doivent remonter lors de leur première synchronisation.

Declarative Automation Bundles

Le fichier de définition de pipeline suivant ingère des tables Oracle Eloqua à partir d'une date de start spécifique :

YAML

resources:
  pipelines:
    oracle_eloqua_pipeline:
      name: oracle_eloqua_pipeline
      catalog: 'main'
      target: 'oracle_eloqua_data'
      ingestion_definition:
        connection_name: oracle_eloqua_connection
        source_configurations:
          - api_source_connector_config:
              configs:
                start_datetime: '<start-datetime>'
        objects:
          - table:
              source_schema: 'default'
              source_table: 'contact'
              destination_catalog: 'main'
              destination_schema: 'oracle_eloqua_data'
              destination_table: 'contact'
          - table:
              source_schema: 'default'
              source_table: 'form_submission'
              destination_catalog: 'main'
              destination_schema: 'oracle_eloqua_data'
              destination_table: 'form_submission'

Databricks notebook

La spécification de pipeline suivante ingère les tables Oracle Eloqua à partir d'une date de start spécifique :

Python

pipeline_name = "oracle_eloqua_pipeline"
connection_name = "<oracle-eloqua-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": "contact",
          "destination_catalog": "main",
          "destination_schema": "oracle_eloqua_data",
          "destination_table": "contact"
        }
      },
      {
        "table": {
          "source_schema": "default",
          "source_table": "form_submission",
          "destination_catalog": "main",
          "destination_schema": "oracle_eloqua_data",
          "destination_table": "form_submission"
        }
      }
    ]
  }
}
json_payload = json.dumps(pipeline_spec, indent=2)
create_pipeline(json_payload)

Ingérer l'intégralité du schéma

Utilisez cette option pour ingérer toutes les tables sources Oracle Eloqua dans un seul schéma de destination avec une seule déclaration.

Declarative Automation Bundles

Le fichier de définition de pipeline suivant ingère toutes les tables Oracle Eloqua prises en charge dans un schéma de destination :

YAML

resources:
  pipelines:
    oracle_eloqua_pipeline:
      name: oracle_eloqua_pipeline
      catalog: 'main'
      target: 'oracle_eloqua_data'
      ingestion_definition:
        connection_name: oracle_eloqua_connection
        objects:
          - schema:
              source_schema: 'default'
              destination_catalog: 'main'
              destination_schema: 'oracle_eloqua_data'

Databricks notebook

La spécification de pipeline suivante ingère toutes les tables Oracle Eloqua prises en charge dans un schéma de destination :

Python

pipeline_name = "oracle_eloqua_pipeline"
connection_name = "<oracle-eloqua-connection>"
pipeline_spec = {
  "name": pipeline_name,
  "ingestion_definition": {
    "connection_name": connection_name,
    "objects": [
      {
        "schema": {
          "source_schema": "default",
          "destination_catalog": "main",
          "destination_schema": "oracle_eloqua_data"
        }
      }
    ]
  }
}
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:
    oracle_eloqua_job:
      name: oracle_eloqua_job
      schedule:
        quartz_cron_expression: '0 0 0 * * ?'
        timezone_id: 'UTC'
      tasks:
        - task_key: oracle_eloqua_ingestion
          pipeline_task:
            pipeline_id: ${resources.pipelines.oracle_eloqua_pipeline.id}

Modèles courants

Pour les configurations de pipeline avancées, consultez 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 sur le connecteur Oracle Eloqua
• Limitations des connecteurs Oracle Eloqua
• Référence du connecteur Oracle Eloqua
• Résoudre les problèmes du connecteur Oracle Eloqua