Exécuter des queries fédérées sur Amazon Redshift

Cette page décrit comment configurer Lakehouse Federation pour exécuter des query fédérées sur des données Amazon Redshift qui ne sont pas gérées par Databricks. Pour en savoir plus sur Lakehouse Federation, consultez Connecter aux bases de données et catalogues externes

Pour vous connecter à votre base de données Amazon Redshift et exécuter des queries à l'aide de Lakehouse Federation, vous devez créer les éléments suivants dans votre métastore Databricks Unity Catalog (les Workspaces créés après le 8 novembre 2023 disposent déjà d'un métastore Unity Catalog provisionné automatiquement) :

• Une *connexion* à votre base de données Amazon Redshift pour exécuter des query.
• Un *catalogue externe* qui reflète vos requêtes Run sur la base de données Amazon Redshift dans Unity Catalog, afin que vous puissiez utiliser la syntaxe de requête et les outils de gouvernance des données de Unity Catalog pour gérer l'accès des utilisateurs Databricks à la base de données.

Avant de commencer

Exigences du Workspace :

• Workspace activé pour Unity Catalog. Les Workspace créés après le 8 novembre 2023 sont automatiquement activés pour Unity Catalog, y compris le provisionnement automatique du métastore. Vous n'avez pas besoin de créer manuellement un métastore, à moins que votre workspace ne soit antérieur à l'activation automatique et n'ait pas été activé pour Unity Catalog. Voir Se familiariser avec Unity Catalog.

Compute requis :

• Connectivité réseau de votre ressource de compute vers les systèmes de bases de données cibles. Consultez les recommandations de mise en réseau pour Lakehouse Federation.
• Le compute Databricks doit utiliser Databricks Runtime 13.3 LTS ou une version ultérieure et le mode d’accès **Standard** ou **Dédié**.
• Les SQL warehouses doivent être Pro ou Serverless et doivent utiliser la version 2023.40 ou ultérieure.

Autorisations requises :

• Pour créer une connexion, vous devez être administrateur de métastore ou un utilisateur disposant du privilège CREATE CONNECTION sur le métastore Unity Catalog attaché à l'espace de travail. Dans les espaces de travail qui ont été activés automatiquement pour Unity Catalog, les administrateurs d'espace de travail disposent du privilège CREATE CONNECTION par default.
• Pour créer un catalogue externe, vous devez disposer de l'autorisation CREATE CATALOG sur le metastore et être le propriétaire de la connexion ou disposer du privilège CREATE FOREIGN CATALOG sur la connexion. Dans les workspaces activés automatiquement pour Unity Catalog, les administrateurs du workspace disposent du privilège CREATE CATALOG par default.

Des exigences d'autorisation supplémentaires sont spécifiées dans chaque section basée sur les tâches qui suit.

Créer une connexion

Une connexion spécifie un chemin d'accès et des identifiants pour accéder à un système de base de données externe. Pour créer une connexion, vous pouvez utiliser Catalog Explorer ou la commande SQL CREATE CONNECTION dans un Notebook Databricks ou l'éditeur de query Databricks SQL.

remarque

Vous pouvez également utiliser l'API REST Databricks ou la CLI Databricks pour créer une connexion. Voir POST /api/2.1/unity-catalog/connections et les commandes Unity Catalog.

Autorisations requises : administrateur du Metastore ou utilisateur disposant du privilège CREATE CONNECTION.

Catalog Explorer

1. Dans votre workspace Databricks, cliquez sur Catalogue .

2. En haut du volet **Catalogue**, cliquez sur l'icône **Ajouter** et sélectionnez **Créer une connexion** dans le menu.

3. Sur la page **Détails de la connexion** de l’assistant **Configuration de la connexion**, saisissez un **nom de connexion** convivial.

4. Sélectionnez un type de connexion Redshift .

5. Ajouter un commentaire (facultatif).

6. Cliquez sur Suivant .

7. Sur la page Authentification , saisissez les propriétés de connexion suivantes pour votre instance Redshift.

   • Hôte : Par exemple, redshift-demo.us-west-2.redshift.amazonaws.com
   • Port : par exemple, 5439
   • Utilisateur : Par exemple, redshift_user
   • Mot de passe : Par exemple, password123

8. (Facultatif) Désactiver la vérification du hostname SSL .

9. Cliquez sur Créer une connexion .

10. Sur la page **Bases du catalogue**, veuillez saisir un nom pour le catalogue étranger. Un catalogue étranger reflète une base de données dans un système de données externe afin que vous puissiez query et gérer l'accès aux données de cette base de données à l'aide de Databricks et de Unity Catalog.

11. (Facultatif) Cliquez sur **Tester la connexion** pour confirmer que cela fonctionne.

12. Cliquez sur **Créer un catalogue**.

13. Sur la page Accès , sélectionnez les workspaces dans lesquels les utilisateurs peuvent accéder au catalogue que vous avez créé. Vous pouvez sélectionner Tous les workspaces ont accès , ou cliquer sur Attribuer aux workspaces , sélectionner les workspaces, puis cliquer sur Attribuer .

14. Modifiez le propriétaire qui pourra gérer l'accès à tous les objets du catalogue. start à taper un principal dans la zone de texte, puis cliquez sur le principal dans les résultats renvoyés.

15. Accordez les **Privilèges** sur le catalogue. Cliquez sur Accorder :

    1. Spécifiez les **principals** qui auront accès aux objets dans le catalogue. start à taper un principal dans la zone de texte, puis cliquez sur le principal dans les résultats renvoyés.

    2. Sélectionnez les **Préréglages de privilèges** à accorder à chaque principal. Tous les utilisateurs du compte se voient accorder BROWSE par default.

       • Sélectionnez Data Reader dans le menu déroulant pour accorder read privilèges sur les objets du catalogue.
       • Sélectionnez **Data Editor** dans le menu déroulant pour accorder read les modify privilèges et sur les objets du catalogue.
       • Sélectionnez manuellement les privilèges à accorder.

    3. Cliquez sur Accorder .

16. Cliquez sur Suivant .

17. Sur la page Métadonnées , spécifiez les paires clé-valeur de balises. Pour plus d'informations, consultez Appliquer des balises aux objets sécurisables d'Unity Catalog.

18. Ajouter un commentaire (facultatif).

19. Cliquez sur Enregistrer .

SQL

Exécutez la commande suivante dans un Notebook ou l'éditeur de requêtes Databricks SQL.

SQL

CREATE CONNECTION <connection-name> TYPE redshift
OPTIONS (
  host '<hostname>',
  port '<port>',
  user '<user>',
  password '<password>'
);

Nous vous recommandons d'utiliser les secrets Databricks plutôt que des chaînes de texte brut pour les valeurs sensibles comme les identifiants. Par exemple :

SQL

CREATE CONNECTION <connection-name> TYPE redshift
OPTIONS (
  host '<hostname>',
  port '<port>',
  user secret ('<secret-scope>','<secret-key-user>'),
  password secret ('<secret-scope>','<secret-key-password>')
)

Pour en savoir plus sur la configuration des secrets, consultez la gestion des secrets.

Créer un catalogue étranger

remarque

Si vous utilisez l’interface utilisateur pour créer une connexion à la source de données, la création du catalogue externe est incluse et vous pouvez ignorer cette étape.

Un catalogue étranger reflète une base de données dans un système de données externe afin que vous puissiez query et gérer l'accès aux données dans cette base de données à l'aide de Databricks et d'Unity Catalog. Pour créer un catalogue étranger, vous utilisez une connexion à la source de données qui a déjà été définie.

Pour créer un catalogue externe, vous pouvez utiliser l'Explorateur de catalogues ou la commande SQL CREATE FOREIGN CATALOG dans un Notebook Databricks ou l'éditeur de query SQL. Vous pouvez également utiliser l'API REST Databricks ou la CLI Databricks pour créer un catalogue. Voir POST /api/2.1/unity-catalog/catalogs et commandes Unity Catalog.

Autorisations requises : autorisation CREATE CATALOG sur le metastore et soit la propriété de la connexion, soit le privilège CREATE FOREIGN CATALOG sur la connexion.

Catalog Explorer

1. Dans votre Workspace Databricks, cliquez sur **Catalogue** pour ouvrir l’Explorateur de catalogues.

2. En haut du volet Catalogue , cliquez sur l'icône Ajouter et sélectionnez Ajouter un catalogue dans le menu.

   Autrement, depuis la page Quick access , cliquez sur le bouton Catalogs , puis cliquez sur le bouton Create catalog .

3. Suivez les instructions pour créer des catalogues étrangers dans Créer des catalogues.

SQL

Exécutez la commande SQL suivante dans un Notebook ou un éditeur de query SQL. Les éléments entre parenthèses sont facultatifs. Remplacez les valeurs d'espace réservé :

• <catalog-name>: Nom du catalogue dans Databricks.
• <connection-name>: L'objet de connexion qui spécifie la source de données, le chemin d'accès et les informations d'identification d'accès.
• <database-name>: Nom de la base de données que vous souhaitez mettre en miroir en tant que catalogue dans Databricks.

SQL

CREATE FOREIGN CATALOG [IF NOT EXISTS] <catalog-name> USING CONNECTION <connection-name>
OPTIONS (database '<database-name>');

Pushdowns pris en charge

Les pushdowns suivants sont pris en charge :

• Filtres
• Projections
• Limite
• Jointures
• Agrégats (Moyenne, Compter, Max, Min, StddevPop, StddevSamp, Somme, VariancePop, VarianceSamp)
• Opérateurs arithmétiques (tels que +, -, *, /)
• Opérateurs de comparaison et logiques
• Contains, Startswith, Endswith, Like
• Fonctions (ASCII, Cast, Coalesce, Concat, Lower, LPad, Reverse, RPad, Substring avec positions littérales positives, Translate, Trim, Upper, et autres fonctions diverses telles que Alias, SortOrder)
• Tri

Les pushdowns suivants ne sont pas pris en charge :

• Fonctions de fenêtre
• Décalage

Mappages des types de données

Lorsque vous lisez de Redshift vers Spark, les types de données se mappent comme suit :

Type Redshift	Type Spark
numeric	DecimalType
int2, int4	IntegerType
int8, oid, xid	LongType
float4	FloatType
double precision, float8, money	DoubleType
bpchar, char, character varying, name, super, text, tid, varchar	StringType
bytea, geometry, varbyte	BinaryType
bit, bool	BooleanType
date	DateType
tabstime, time, time avec fuseau horaire, timetz, time sans fuseau horaire, timestamp avec fuseau horaire, timestamp, timestamptz, timestamp sans fuseau horaire*	TimestampType/TimestampNTZType

Type Redshift	Type Spark
numeric	DecimalType
int2, int4	IntegerType
int8, oid, xid	LongType
float4	FloatType
double precision, float8, money	DoubleType
bpchar, char, character varying, name, super, text, tid, varchar	StringType
bytea, geometry, varbyte	BinaryType
bit, bool	BooleanType
date	DateType
tabstime, time, time avec fuseau horaire, timetz, time sans fuseau horaire, timestamp avec fuseau horaire, timestamp, timestamptz, timestamp sans fuseau horaire*	TimestampType/TimestampNTZType

*Lorsque vous lisez depuis Redshift, Redshift Timestamp est mappé à Spark TimestampType si infer_timestamp_ntz_type = false (default). Redshift Timestamp est mappé à TimestampNTZType si infer_timestamp_ntz_type = true.

Limitations

• Vous ne pouvez pas exécuter de requêtes fédérées sur des données externes Amazon Redshift.