Ingérer des données de Salesforce

Découvrez comment ingérer des données de Salesforce dans Databricks à l'aide de Lakeflow Connect.

Exigences

• Pour créer un pipeline d'ingestion, vous devez d'abord satisfaire aux exigences suivantes :

  • Votre workspace doit être activé pour Unity Catalog.

  • Le compute Serverless doit être activé pour votre Workspace. Consultez 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 basée sur l'interface utilisateur, un administrateur peut créer la connexion et le pipeline en même temps en suivant les étapes décrites sur 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 Connexion aux sources d'ingestion gérées.

  • Pour utiliser une connexion existante, vous devez avoir les privilèges USE CONNECTION ou ALL PRIVILEGES sur l'objet de connexion.

  • Vous devez disposer de 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.

  • Salesforce applique des restrictions d’utilisation aux applications connectées. Les autorisations figurant dans le tableau suivant sont requises pour une première authentification réussie. Si vous ne disposez pas de ces autorisations, Salesforce bloque la connexion et exige qu'un administrateur installe l'application connectée Databricks.

État	Autorisation requise
Le contrôle d'accès API est activé.	Customize Application et soit Modify All Data soit Manage Connected Apps
Le contrôle d'accès API n'est pas activé.	Approve Uninstalled Connected Apps

État	Autorisation requise
Le contrôle d'accès API est activé.	Customize Application et soit Modify All Data soit Manage Connected Apps
Le contrôle d'accès API n'est pas activé.	Approve Uninstalled Connected Apps

Pour en savoir plus, consultez Préparer le changement des restrictions d'utilisation de l'application connectée dans la documentation Salesforce.

• Pour ingérer depuis Salesforce, Databricks recommande de créer un utilisateur Salesforce que Databricks peut utiliser pour récupérer des données. Assurez-vous que l’utilisateur dispose d’un accès API et d’un accès à tous les objets que vous prévoyez d’ingérer.

Créez un pipeline d'ingestion

info

Bêta

Vous pouvez filtrer les lignes pendant l’ingestion pour améliorer les performances et réduire la duplication des données. Voir sélectionner les lignes à ingérer.

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 Salesforce .
3. Sur la page Connexion de l'assistant d'ingestion, sélectionnez la connexion qui stocke vos identifiants d'accès Salesforce. Si vous avez le privilège CREATE CONNECTION sur le métastore, vous pouvez cliquer sur Créer une connexion pour créer une nouvelle connexion avec les détails d'authentification dans Créer une connexion Salesforce.
4. Cliquez sur Suivant .
5. Sur la page **Configuration de l'ingestion**, saisissez un nom unique pour le pipeline.
6. Sélectionnez un catalogue et un schéma pour écrire les Logs d'événements. Si vous disposez des privilèges USE CATALOG et CREATE SCHEMA sur le catalogue, vous pouvez cliquer sur Créer un schéma dans le menu déroulant pour créer un nouveau schéma.
7. Cliquez sur Créer un pipeline et continuer .
8. Sur la page Source , sélectionnez les tables à ingérer. Si vous sélectionnez Toutes les tables , toutes les tables existantes et futures du schéma source seront ingérées.
9. Cliquez sur Enregistrer et continuer .
10. Sur la page Destination , sélectionnez un catalogue et un schéma dans lesquels charger des données. (Facultatif) Si vous disposez des privilèges USE CATALOG et CREATE SCHEMA sur le catalogue, vous pouvez cliquer sur Créer un schéma dans le menu déroulant pour créer un nouveau schéma.
11. Cliquez sur Enregistrer et continuer .
12. (Facultatif) Sur la page Schedules and notifications , cliquez sur Créer un calendrier . Définissez la fréquence pour refresh les tables de destination.
13. (Facultatif) Cliquez sur Ajouter une notification pour définir les notifications par e-mail en cas de succès ou d'échec de l'opération du pipeline, puis cliquez sur Enregistrer et exécuter le pipeline .

Declarative Automation Bundles

Utilisez les Declarative Automation Bundles pour gérer les pipelines Salesforce en tant que code. Les bundles peuvent contenir des définitions YAML de jobs et de tâches, sont gérés à l’aide de la Databricks CLI, et peuvent être partagés et exécutés dans différents Workspace cibles (comme le développement, la pré-production et la production). Pour plus d'informations, consultez What are 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/sfdc_pipeline.yml). Voir pipeline.ingestion_definition et Exemples.
   • Un fichier de définition de Job qui contrôle la fréquence d'ingestion de données (par exemple, resources/sfdc_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 Databricks Workspace :

Ouvrir le notebook dans un nouvel ongletOuvrir dans Databricks

2. Dans la cellule Authentification, remplacez <Paste generated token here> par un jeton d'accès personnel.

3. Dans la cellule **Configuration du pipeline**, ajoutez les détails de votre configuration de pipeline. Voir pipeline.ingestion_definition et Exemples.

4. Cliquez sur Tout exécuter .

Exemples

Utilisez ces exemples pour configurer votre pipeline.

Ingérer les champs de formule de manière incrémentale

info

Bêta

Cette fonctionnalité est en Bêta.

Par default, les champs de formule sont ingérés à l'aide d'instantanés complets à chaque exécution de pipeline. Cependant, vous pouvez activer l'ingestion incrémentielle pour les champs de formule en définissant l'indicateur pipelines.enableSalesforceFormulaFieldsMVComputation: "true" dans le bloc configuration de votre définition de pipeline.

Le fichier de définition de pipeline suivant permet l'ingestion incrémentielle des champs de formule :

YAML

resources:
  pipelines:
    pipeline_sfdc:
      name: salesforce_pipeline
      catalog: my_catalog
      schema: my_schema
      configuration:
        pipelines.enableSalesforceFormulaFieldsMVComputation: 'true'
      ingestion_definition:
        connection_name: <salesforce-connection>
        objects:
          - table:
              source_schema: objects
              source_table: Account
              destination_catalog: my_catalog
              destination_schema: my_schema

Pour plus d'informations, consultez Ingérer les champs de formule Salesforce de manière incrémentale.

Ingérer deux objets Salesforce dans des schémas distincts

Le fichier de définition de pipeline suivant ingère deux objets Salesforce dans des schémas distincts :

YAML

resources:
  pipelines:
    pipeline_sfdc:
      name: salesforce_pipeline
      catalog: my_catalog_1 # Location of the pipeline event log
      schema: my_schema_1 # Location of the pipeline event log
      ingestion_definition:
        connection_name: <salesforce-connection>
        objects:
          - table:
              source_schema: objects
              source_table: AccountShare
              destination_catalog: my_catalog_1 # Location of this table
              destination_schema: my_schema_1 # Location of this table
          - table:
              source_schema: objects
              source_table: AccountPartner
              destination_catalog: my_catalog_2 # Location of this table
              destination_schema: my_schema_2 # Location of this table

Ingérer un objet Salesforce trois fois

Le fichier de définition de pipeline suivant ingère un objet Salesforce dans trois tables de destination différentes. Vous pouvez éventuellement donner un nouveau nom aux tables ingérées pour les différencier lorsque plusieurs sont ingérées dans le même schéma de destination (les doublons ne sont pas pris en charge).

YAML

resources:
  pipelines:
    pipeline_sfdc:
      name: salesforce_pipeline
      catalog: my_catalog_1 # Location of the pipeline event log
      schema: my_schema_1 # Location of the pipeline event log
      ingestion_definition:
        connection_name: <salesforce-connection>
        objects:
          - table:
              source_schema: objects
              source_table: Order
              destination_catalog: my_catalog_1 # Location of first copy
              destination_schema: my_schema_1 # Location of first copy
          - table:
              source_schema: objects
              source_table: Order
              destination_catalog: my_catalog_2 # Location of second copy
              destination_schema: my_schema_2 # Location of second copy
          - table:
              source_schema: objects
              source_table: Order
              destination_catalog: my_catalog_2 # Location of third copy, renamed
              destination_schema: my_schema_2 # Location of third copy, renamed
              destination_table: order_duplicate # Table rename

Fichier de définition de job Declarative Automation Bundles

Declarative Automation Bundles

Voici un exemple de fichier de définition de job à utiliser avec les Declarative Automation Bundles. Le job s'exécute tous les jours, exactement un jour après la dernière exécution.

YAML

resources:
  jobs:
    sfdc_dab_job:
      name: sfdc_dab_job

      trigger:
        periodic:
          interval: 1
          unit: DAYS

      email_notifications:
        on_failure:
          - <email-address>

      tasks:
        - task_key: refresh_pipeline
          pipeline_task:
            pipeline_id: ${resources.pipelines.pipeline_sfdc.id}

Modèles courants

Pour les configurations de pipeline avancées, consultez Modèles courants pour les pipelines d'ingestion gérés.

Étapes suivantes

start, planifiez et configurez des alertes sur votre pipeline. Consultez les Tâches de maintenance courantes du pipeline.

Ressources supplémentaires

• FAQ du connecteur d'ingestion Salesforce
• Limitations du connecteur d'ingestion Salesforce
• Référence du connecteur d’ingestion Salesforce
• Dépanner l'ingestion Salesforce