Limitations du connecteur PayPal

info

Bêta

Cette fonctionnalité est en bêta. Pour l’utiliser, un administrateur de workspace doit activer Lakeflow Connect pour PayPal depuis la page Aperçus . Consultez Gérer les aperçus Databricks.

Cette page contient des informations sur les limitations connues du connecteur PayPal géré dans Lakeflow Connect.

Limitations générales des connecteurs SaaS (outil/solution/technologie/plateforme as a Service)

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

• Lorsque vous exécutez un pipeline planifié, les alertes ne Trigger pas immédiatement. Au lieu de cela, elles Trigger lors de l'exécution de la mise à jour suivante.
• Lorsqu’une table source est supprimée, la table de destination n’est pas supprimée automatiquement. 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 peut ne pas être en mesure d'accéder à vos données.
• Si le nom d'une table source est en conflit avec le nom d'une table de destination existante, la mise à jour du pipeline échoue.
• La prise en charge des pipelines à destinations multiples n'est disponible que par API.
• Vous pouvez éventuellement renommer une table que vous ingérez. Si vous renommez une table dans votre pipeline, il devient un pipeline basé uniquement sur l'API et vous ne pouvez plus modifier le pipeline dans l'interface utilisateur.
• Si vous sélectionnez une colonne après le démarrage du pipeline, le connecteur ne complète pas automatiquement les données pour cette nouvelle colonne. Pour ingérer des données historiques, exécutez manuellement un refresh complet sur la table.
• Databricks ne peut pas ingérer deux tables ou plus avec le même nom dans le même pipeline, même si elles proviennent de schémas sources différents.
• Le système source suppose que les colonnes de curseur augmentent de manière monotone.
• Le connecteur ingère les données brutes sans transformations. Utilisez les Spark Declarative Pipelines en aval sur des LakeFlow Pipelines pour les Transformations.

Limitations spécifiques au connecteur

Les limitations de cette section s’appliquent au connecteur PayPal.

Enregistrements supprimés

• Le connecteur ne propage pas les suppressions pour les tables transaction et invoice. PayPal ne rend pas les suppressions disponibles pour ces enregistrements. Les factures annulées apparaissent avec status défini sur CANCELLED.

Ingestion incrémentielle

• Les tables balance, product et billing_plan ne prennent pas en charge l’importation incrémentielle. Chaque exécution de pipeline importe à nouveau tous les enregistrements de ces tables.
• La table invoice relit chaque facture à chaque synchronisation, car PayPal ne peut pas filtrer les factures par heure de mise à jour. Seules les factures modifiées sont écrites dans la table de destination.
• La table transaction ne capture pas les modifications apportées à une transaction plus de 6 heures après son initiation, comme une transaction en attente qui est réglée plus tard. Planifiez l’exécution du pipeline au moins toutes les 6 heures.
• Les modifications apportées aux champs archived et viewed_by_recipient d’une facture ne mettent à jour aucun Timestamp de facture, de sorte que le connecteur risque de ne pas les capturer avant l’exécution d’un refresh complet.