Aller au contenu principal
Dernière mise à jour le

Servir les données du lakehouse

Synchronisez une table Unity Catalog dans Postgres et interrogez-la avec vos données opérationnelles.

**Étapes :** ① Créer des données analytiques → ② Synchroniser avec Lakebase → ③ Trouver vos données dans Postgres → ④ Interroger les deux mondes

remarque

Ceci est un démarrage rapide. Pour une documentation complète, consultez Synchroniser les tables.

Avant de commencer​

  • Assurez-vous d'avoir terminé la section Obtenir une base de données Postgres. Vous avez besoin d'un projet Lakebase avec des exemples de données.
  • Un SQL Warehouse ou un notebook pour les requêtes Unity Catalog.
  • USE_SCHEMA et CREATE_TABLE sur le schéma où vous créerez la table synchronisée.

Étape 1 : créer des données analytiques dans Unity Catalog​

Imaginez que votre équipe data a créé des scores de segmentation utilisateur dans le lakehouse. En production, il s'agit d'une table Gold, d'une sortie ML ou d'un dataset enrichi. Pour ce guide, créez un petit échantillon.

Dans un SQL Warehouse ou un notebook, exécutez :

SQL
CREATE TABLE main.default.user_segments AS
SELECT * FROM VALUES
  (1, 'power_user', 0.92),
  (2, 'casual', 0.35),
  (3, 'power_user', 0.88)
AS segments(user_id, segment, engagement_score);

Notez que les valeurs user_id correspondent à la colonne id de votre table playing_with_lakebase du guide de démarrage. C'est intentionnel. Vous les rejoignez à l'étape 4.

En savoir plus : Types de sources pris en charge

Étape 2 : Synchronisez la table vers Lakebase​

Dans votre Workspace Databricks, accédez à **Catalog** dans la barre latérale. Sélectionnez votre user_segments table pour ouvrir sa page de détails, puis cliquez sur **Créer** > **Table synchronisée**.

Dans la boîte de dialogue Créer une table synchronisée , choisissez la base de données databricks_postgres de votre projet Lakebase comme cible et Snapshot comme mode de synchronisation. L'instantané copie les données une seule fois, ce qui est l'option la plus simple pour start.

La synchronisation s'exécute automatiquement. Une fois terminé, une nouvelle table en lecture seule apparaît dans votre base de données Lakebase. Le nom du schéma d'Unity Catalog devient le nom du schéma Postgres, et le nom de la table reçoit un suffixe _synced : default.user_segments_synced.

En savoir plus : Créer une table synchronisée (procédure complète) | Modes de synchronisation

Étape 3 : Trouvez vos données dans Postgres​

Passez à l'éditeur SQL Lakebase. Les données analytiques de Unity Catalog sont désormais interrogeables avec le SQL Postgres standard. Recherchez l'utilisateur 1:

SQL
SELECT * FROM "default".user_segments_synced WHERE user_id = 1;
remarque

default doit être cité car il s'agit d'un mot-clé réservé PostgreSQL. Le schéma de table synchronisé hérite du nom de schéma Unity Catalog, donc si votre schéma est nommé default, vous devez toujours le citer dans les query.

Vous devriez voir l'utilisateur 1 avec le segment power_user et un score d'engagement de 0.92. C'est la même ligne que vous avez créée dans Unity Catalog, désormais disponible dans Postgres avec des lectures à faible latence.

En savoir plus : Mappage des types de données

Étape 4 : Query les deux mondes​

Voici le bilan. Votre table playing_with_lakebase contient des données opérationnelles. Votre table user_segments_synced dispose d'analytique lakehouse. Rejoignez-les :

SQL
SELECT
  p.id,
  p.name,
  p.value,
  s.segment,
  s.engagement_score
FROM playing_with_lakebase p
JOIN "default".user_segments_synced s ON p.id = s.user_id;

Votre application peut désormais servir des données enrichies. Une seule query Postgres combine ce que l’application connaît (noms, valeurs) avec ce que le lakehouse a calculé (segments, scores). Pas d’appels d’API vers le lakehouse, pas de scripts de synchronisation, pas de pénalité de latence.

En savoir plus : Planification de la capacité

Étapes suivantes​

Sur cette page