Connecteur Verkada

info

Bêta

Cette fonctionnalité est en version Bêta. Les administrateurs du Workspace peuvent contrôler l’accès à cette fonctionnalité depuis la page Aperçus . Consultez Gérer les aperçus Databricks.

Le connecteur géré Verkada dans Lakeflow Connect ingère les logs d’audit de l’organisation et les utilisateurs d’accès de Verkada dans Databricks.

Disponibilité des fonctionnalités

Fonctionnalité	Disponibilité
Création de pipeline via l’interface utilisateur	Pris en charge
Création de pipeline basée sur l’API	Pris en charge
Declarative Automation Bundles	Pris en charge
Ingestion incrémentielle	Pris en charge Pris en charge pour la table audit_log. Le connecteur refresh la table users avec un instantané complet à chaque mise à jour du pipeline.
Gouvernance Unity Catalog	Pris en charge
Orchestration avec Databricks Workflows	Pris en charge
Sélection et désélection de colonnes basées sur l'API	Pris en charge
Filtrage de ligne basé sur l'API	Non pris en charge
SCD de type 2	Non pris en charge
Évolution des schémas automatisée : nouvelles colonnes et colonnes supprimées	Pris en charge
Évolution des schémas automatisée : modifications des types de données	Non pris en charge
Évolution des schémas automatisée : renommages de colonnes	Non pris en charge Nécessite un full refresh.

Fonctionnalité	Disponibilité
Création de pipeline via l’interface utilisateur	Pris en charge
Création de pipeline basée sur l’API	Pris en charge
Declarative Automation Bundles	Pris en charge
Ingestion incrémentielle	Pris en charge Pris en charge pour la table audit_log. Le connecteur refresh la table users avec un instantané complet à chaque mise à jour du pipeline.
Gouvernance Unity Catalog	Pris en charge
Orchestration avec Databricks Workflows	Pris en charge
Sélection et désélection de colonnes basées sur l'API	Pris en charge
Filtrage de ligne basé sur l'API	Non pris en charge
SCD de type 2	Non pris en charge
Évolution des schémas automatisée : nouvelles colonnes et colonnes supprimées	Pris en charge
Évolution des schémas automatisée : modifications des types de données	Non pris en charge
Évolution des schémas automatisée : renommages de colonnes	Non pris en charge Nécessite un full refresh.

Méthodes d’authentification

Méthode d’authentification	Disponibilité
OAuth U2M	Non pris en charge
OAuth M2M	Non pris en charge
Authentification de base (nom d’utilisateur/mot de passe)	Non pris en charge
Authentification de base (clé API)	Pris en charge Clé d’API de l’organisation Verkada.

Méthode d’authentification	Disponibilité
OAuth U2M	Non pris en charge
OAuth M2M	Non pris en charge
Authentification de base (nom d’utilisateur/mot de passe)	Non pris en charge
Authentification de base (clé API)	Pris en charge Clé d’API de l’organisation Verkada.

Ingérer à partir de Verkada en 3 étapes

remarque

Avant de commencer, consultez les personas utilisateur Databricks, les interfaces prises en charge, la fréquence d'ingestion et les modèles courants.

1. Configurer Verkada pour l’ingestion (Administrateurs) — Configurez Verkada pour l’authentification avec Databricks.
2. Créer une connexion Unity Catalog (Admins) — Créez une connexion dans Catalog Explorer pour stocker les identifiants permettant à Databricks de s'authentifier auprès de Verkada.
3. Créer un pipeline d’ingestion (Admins ou non-admins) — Sélectionnez n’importe quelle interface prise en charge et créez un pipeline à partir d’une connexion existante.