Limites du connecteur Xero

info

Bêta

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

Le connecteur Xero géré dans Lakeflow Connect ingère une organisation Xero par pipeline, détecte les suppressions uniquement dans certaines tables et réingère 11 tables en totalité à chaque exécution.

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 automatiquement supprimée. Vous devez supprimer la table de destination manuellement. Ce comportement n’est pas cohérent avec le comportement des Spark Declarative Pipelines sur Lakeflow.
• Pendant les périodes de maintenance de la source, Databricks pourrait ne pas être en mesure d’accéder à vos données.
• Si le nom d'une table source entre en conflit avec le nom d'une table de destination existante, la mise à jour du pipeline échoue.
• La prise en charge des pipelines multi-destination n’est disponible que par API.
• Vous pouvez éventuellement renommer une table que vous ingérez. Si vous renommez une table dans votre pipeline, elle devient un pipeline uniquement API et vous ne pouvez plus modifier le pipeline dans l'UI.
• Si vous sélectionnez une colonne après le début d'un pipeline, le connecteur ne remplit pas automatiquement les données pour la nouvelle colonne. Pour ingérer des données historiques, exécutez manuellement un refresh complet sur la table.
• Databricks ne peut pas ingérer deux tables ou plus ayant le même nom dans le même pipeline, même si elles proviennent de différents schémas sources.
• Le système source suppose que les colonnes de curseur augmentent de façon monotone.
• Le connecteur ingère des données brutes sans transformations. Utilisez des 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 Xero.

Organisations

• Créez un pipeline pour chaque organisation Xero. Chaque pipeline ingère uniquement l'organisation que son option tenant_id nomme.

Données historiques

• Définissez start_datetime pour ingérer des enregistrements plus anciens. Par default, la première synchronisation de chaque table incrémentielle ingère uniquement les enregistrements modifiés au cours des 730 derniers jours. Consultez Options de connecteur.

Enregistrements supprimés

• Les enregistrements supprimés dans Xero sont supprimés de la table de destination uniquement pour accounts, bank_transactions, credit_notes, invoices, manual_journals, payments et purchase_orders. Le connecteur supprime ces lignes au lieu de les conserver, de sorte que les lignes qui restent dans ces tables ont IsDeleted défini sur false.
• Exécutez un refresh complet pour supprimer items supprimé de la table de destination. Xero ne signale pas les suppressions d'éléments, donc les synchronisations incrémentielles conservent les éléments supprimés.
• Les documents annulés restent dans la table de destination avec Status défini sur VOIDED. Les contacts archivés et les utilisateurs supprimés restent également dans leurs tables.

Tables en full-refresh

• Les tables bank_transfers, branding_themes, budgets, contact_groups, currencies, linked_transactions, organisation, projects, repeating_invoices, tax_rates et tracking_categories réingèrent tous les enregistrements à chaque exécution. Comme ces tables relisent chaque enregistrement, chaque exécution utilise plus d’appels d’API Xero qu’une synchronisation incrémentielle.