Ingerir dados do Azure DevOps

info

Beta

Esse recurso está em Beta. Para usá-lo, um administrador do workspace deve ativar o Lakeflow Connect para Azure DevOps na página Pré-visualizações . Consulte Gerenciar prévias do Databricks.

Esta página mostra como criar um pipeline de ingestão Azure DevOps gerenciado usando o LakeFlow Connect.

Requisitos

• Para criar um pipeline de ingestão, primeiro cumpra os seguintes requisitos:

  • Seu workspace deve estar habilitado para o Unity Catalog.

  • O compute serverless deve estar habilitado para seu workspace. Consulte Requisitos de compute Serverless.

  • Para criar uma nova conexão, você deve ter privilégios CREATE CONNECTION no metastore. Consulte Gerenciar privilégios no Unity Catalog.

    Se o conector oferecer suporte à criação de pipeline baseada em IU, um administrador poderá criar a conexão e o pipeline ao mesmo tempo, completando os passos nesta página. No entanto, se os usuários que criam pipelines usarem a criação de pipeline baseada em API ou forem usuários não administradores, um administrador deverá primeiro criar a conexão no Catalog Explorer. Consulte Conectar-se a fontes de ingestão gerenciadas.

  • Para usar uma conexão existente, o senhor deve ter privilégios USE CONNECTION ou ALL PRIVILEGES no objeto de conexão.

  • Você deve ter privilégios USE CATALOG no catálogo de destino.

  • Você deve ter privilégios USE SCHEMA e CREATE TABLE em um esquema existente ou privilégios CREATE SCHEMA no catálogo de destino.

• Para fazer a ingestão do Azure DevOps, primeiro configure a autenticação do Databricks e crie uma conexão. Consulte Configurar a autenticação para o Azure DevOps e Criar uma conexão com o Azure DevOps.

Opções de conector

Defina opções de escopo de pipeline em source_configurations. Consulte Exemplos para ver o uso.

Opção	Escopo	Obrigatório	Aplicar a	Descrição
start_datetime	Pipeline	Não	commits	Data mais antiga do commit para ingerir na primeira sincronização, em formato yyyy-MM-dd'T'HH:mm:ss'Z'. O default é 180 dias antes da sincronização.

Opção	Escopo	Obrigatório	Aplicar a	Descrição
start_datetime	Pipeline	Não	commits	Data mais antiga do commit para ingerir na primeira sincronização, em formato yyyy-MM-dd'T'HH:mm:ss'Z'. O default é 180 dias antes da sincronização.

Criar um pipeline de ingestão

Para obter a lista de tabelas de origem compatíveis, consulte Tabelas de origem compatíveis.

Databricks UI

1. Na barra lateral do workspace do Databricks, clique em Ingestão de dados .
2. Na página Adicionar dados , em Conectores do Databricks , clique em Azure DevOps .
3. Na página Conexão do assistente de ingestão, selecione a conexão que armazena suas credenciais do Azure DevOps. Se você tiver o privilégio CREATE CONNECTION no metastore, clique em Criar conexão para criar uma conexão com as credenciais de Configurar autenticação para Azure DevOps.
4. Clique em Avançar .
5. Na página Configuração de ingestão , insira um nome para o pipeline.
6. Selecione um catálogo e um esquema para gravar dados. Se você tiver privilégios USE CATALOG e CREATE SCHEMA no catálogo, clique em Criar esquema no menu suspenso para criar um esquema.
7. Clique em Criar pipeline e continuar .
8. Na página Source , selecione as tabelas a ingerir.
9. Clique em Salvar e continuar .
10. Na página Destino , selecione um catálogo e um esquema para carregar os dados. Se você tiver privilégios USE CATALOG e CREATE SCHEMA no catálogo, clique em Criar esquema no menu suspenso para criar um esquema.
11. Clique em Salvar e continuar .
12. (Opcional) Na página Programações e notificações , clique em Criar programar . Defina a frequência para refresh as tabelas de destino.
13. (Opcional) Clique em Adicionar notificação para definir notificações por email para sucesso ou falha da operação do pipeline e clique em Salvar e iniciar a execução do pipeline .

Declarative Automation Bundles

Use os Pacotes de Automação Declarativa para gerenciar pipelines do Azure DevOps como código. Os pacotes podem conter definições YAML de Jobs e tarefas, são gerenciados usando a CLI do Databricks e podem ser compartilhados e ter execução em diferentes Workspace de destino (como desenvolvimento, staging e produção). Consulte O que são os Pacotes de Automação Declarativa?.

1. Crie um pacote usando a CLI do Databricks:

   Bash

   databricks bundle init

2. Adicione dois novos arquivos de recursos ao pacote:

   • Um arquivo de definição de pipeline (por exemplo, resources/azure_devops_pipeline.yml). Veja pipeline.ingestion_definition e Exemplos.
   • Um arquivo de definição de job que controla a frequência da ingestão de dados (por exemplo, resources/azure_devops_job.yml).

3. Implante o pipeline usando a CLI do Databricks:

   Bash

   databricks bundle deploy

Databricks notebook

1. Importe o seguinte notebook para o seu workspace do Databricks:

Abrir notebook em uma nova abaOpen in Databricks

2. Deixe as células um e dois como estão. Não modificar.

3. Modifique a célula três com os detalhes da configuração do seu pipeline. Veja pipeline.ingestion_definition e Exemplos.

4. Opcionalmente, configure as configurações avançadas do pipeline. Veja Padrões comuns para pipelines de ingestão gerenciados.

5. Clique em Executar tudo .

Exemplos

O conector do Azure DevOps disponibiliza 17 tabelas de origem no esquema de origem default. Os exemplos a seguir ingerem tabelas específicas.

Ingerir tabelas específicas

Use esta opção para ingerir um subconjunto específico de tabelas ou para personalizar a nomenclatura de destino por tabela.

Declarative Automation Bundles

O seguinte arquivo de definição de pipeline ingere tabelas individuais do Azure DevOps:

YAML

resources:
  pipelines:
    azure_devops_pipeline:
      name: azure_devops_pipeline
      catalog: 'main'
      target: 'azure_devops_data'
      ingestion_definition:
        connection_name: azure_devops_connection
        source_configurations:
          - api_source_connector_config:
              configs:
                start_datetime: '<start-datetime>'
        objects:
          - table:
              source_schema: 'default'
              source_table: 'projects'
              destination_catalog: 'main'
              destination_schema: 'azure_devops_data'
              destination_table: 'projects'
          - table:
              source_schema: 'default'
              source_table: 'work_items'
              destination_catalog: 'main'
              destination_schema: 'azure_devops_data'
              destination_table: 'work_items'
          - table:
              source_schema: 'default'
              source_table: 'pull_requests'
              destination_catalog: 'main'
              destination_schema: 'azure_devops_data'
              destination_table: 'pull_requests'
          - table:
              source_schema: 'default'
              source_table: 'commits'
              destination_catalog: 'main'
              destination_schema: 'azure_devops_data'
              destination_table: 'commits'

Databricks notebook

A especificação de pipeline a seguir ingere tabelas individuais do Azure DevOps:

Python

pipeline_name = "azure_devops_pipeline"
connection_name = "<azure-devops-connection>"
pipeline_spec = {
  "name": pipeline_name,
  "ingestion_definition": {
    "connection_name": connection_name,
    "source_configurations": [
      {
        "api_source_connector_config": {
          "configs": {
            "start_datetime": "<start-datetime>"
          }
        }
      }
    ],
    "objects": [
      {
        "table": {
          "source_schema": "default",
          "source_table": "projects",
          "destination_catalog": "main",
          "destination_schema": "azure_devops_data",
          "destination_table": "projects"
        }
      },
      {
        "table": {
          "source_schema": "default",
          "source_table": "work_items",
          "destination_catalog": "main",
          "destination_schema": "azure_devops_data",
          "destination_table": "work_items"
        }
      },
      {
        "table": {
          "source_schema": "default",
          "source_table": "pull_requests",
          "destination_catalog": "main",
          "destination_schema": "azure_devops_data",
          "destination_table": "pull_requests"
        }
      },
      {
        "table": {
          "source_schema": "default",
          "source_table": "commits",
          "destination_catalog": "main",
          "destination_schema": "azure_devops_data",
          "destination_table": "commits"
        }
      }
    ]
  }
}
json_payload = json.dumps(pipeline_spec, indent=2)
create_pipeline(json_payload)

Arquivo de definição de job de Pacotes de Automação Declarativa

O exemplo a seguir é um arquivo de definição de job para uso com os Pacotes de Automação Declarativa. O Job é execução diariamente.

Declarative Automation Bundles

YAML

resources:
  jobs:
    azure_devops_job:
      name: azure_devops_job
      schedule:
        quartz_cron_expression: '0 0 0 * * ?'
        timezone_id: 'UTC'
      tasks:
        - task_key: azure_devops_ingestion
          pipeline_task:
            pipeline_id: ${resources.pipelines.azure_devops_pipeline.id}

Padrões comuns

Para configurações de pipeline avançadas, consulte Padrões comuns para pipelines de ingestão gerenciados.

Próximos os passos

Comece, programe e configure alertas no seu pipeline. Consulte Tarefas comuns de manutenção de pipeline.

Outros recursos

• FAQ do conector do Azure DevOps
• Limitações do conector do Azure DevOps
• Referência do conector Azure DevOps
• Solucionar problemas do conector Azure DevOps