Unity Catalog での Auto Loader の使用

Auto Loader は、 Unity Catalogで設定された外部ロケーションからデータを安全に取り込むことができます。 Unity Catalog を使用してストレージを安全に接続する方法の詳細については、「 Unity Catalog を使用してクラウド オブジェクト ストレージに接続する」を参照してください。 Auto Loader は、インクリメンタル処理を構造化ストリーミングに依存しています。推奨事項と制限事項については、「Unity Catalog と構造化ストリーミングの使用」を参照してください。

注記

Databricks Runtime 11.3 LTS以降では、Auto Loaderを標準アクセスモードまたは専用アクセスモード（以前は共有アクセスモードとシングルユーザーアクセスモードと呼ばれていました）のいずれでも使用できます。

ディレクトリリストモードはデフォルトでサポートされています。 ファイル通知モードは、専用アクセスモードのコンピュートでのみサポートされています。

Unity CatalogのAuto Loaderリソースの場所を指定する

Unity Catalogのセキュリティモデルは、ワークロードで参照されるすべてのストレージロケーションがUnity Catalogによって管理されることを前提としています。チェックポイントとスキーマ進化の情報を、Unity Catalogにより管理されるストレージロケーションに常に保存することをDatabricksは推奨しています。Unity Catalogでは、テーブルディレクトリの下にチェックポイントファイルやスキーマ推論と進化ファイルをネストすることはできません。

Unity Catalogを使用してクラウドストレージからデータを取り込む

以下の例では、実行ユーザーが外部ロケーションに対してREAD FILES権限を持ち、ターゲットテーブルに対して所有者権限を持ち、以下の構成と権限が付与されていることを前提としています。

ストレージロケーション	権限
s3://autoloader-source/json-data	READ FILES
s3://dev-bucket	READ FILES、WRITE FILES、 CREATE TABLE

Auto Loaderを使用してUnity Catalogにロードするマネージドテーブル

次の例はAuto Loader使用してデータをUnity Catalogマネージドテーブルに取り込む方法を示しています。

Python

Python

checkpoint_path = "s3://dev-bucket/_checkpoint/dev_table"

(spark.readStream
  .format("cloudFiles")
  .option("cloudFiles.format", "json")
  .option("cloudFiles.schemaLocation", checkpoint_path)
  .load("s3://autoloader-source/json-data")
  .writeStream
  .option("checkpointLocation", checkpoint_path)
  .trigger(availableNow=True)
  .toTable("dev_catalog.dev_database.dev_table"))

SQL

SQL

CREATE OR REFRESH STREAMING TABLE dev_catalog.dev_database.dev_table
AS SELECT * FROM STREAM read_files(
  's3://autoloader-source/json-data',
  format => 'json'
);

LakeFlow Spark宣言型パイプライン パイプライン内のCREATE STREAMING TABLEステートメントでread_files使用すると、チェックポイントとスキーマの場所が自動的に管理されます。