execução de consultas federadas em outro site Databricks workspace

Este artigo descreve como configurar o Lakehouse Federation para executar consultas federadas em dados Databricks em outro Databricks workspace. Para saber mais sobre a lakehouse Federation, consulte O que é a lakehouse Federation?

important

Databricks-to-Databricks A lakehouse Federation é uma boa ferramenta para executar consultas em dados gerenciados por outro metastore Databricks workspace's Hive ou AWS Glue . Para a maioria dos outros cenários, outros Databricks fluxos de trabalho são mais eficientes:

Se o espaço de trabalho Databricks compartilhar o mesmo metastore Unity Catalog, o senhor poderá gerenciar consultas cruzadasworkspace usando consultas padrão Unity Catalog e ferramentas de governança de dados.
Se o senhor quiser ter acesso somente leitura aos dados em um Databricks workspace anexado a um metastore Unity Catalog diferente, seja no seu Databricks account ou não, o Delta Sharing é a melhor opção.

Não há necessidade de configurar a Lakehouse Federation em nenhum desses cenários.

Para se conectar a um catálogo Databricks em outro workspace usando a Lakehouse Federation, o senhor deve criar o seguinte no metastore Databricks Unity Catalog :

Um agrupamento ou SQL warehouse em um Databricks workspace.
Uma conexão com o clustering ou SQL warehouse.
Um catálogo externo em seu Unity Catalog metastore que espelha o outro Databricks catálogo acessível a partir do clustering ou SQL warehouse para que o senhor possa usar a sintaxe de consulta Unity Catalog e as ferramentas de governança de dados para gerenciar o Databricks acesso do usuário aos dados.

Antes de começar

Requisitos do workspace:

Espaço de trabalho preparado para o Catálogo do Unity.

Requisitos de computação:

Conectividade de rede do seu recurso compute para os sistemas de banco de dados de destino. Veja as recomendações do Networking para a Lakehouse Federation.
Databricks compute O senhor deve usar Databricks Runtime 13.3 LTS ou acima e o modo de acesso Standard ou Dedicated .
Os SQL warehouse devem ser Pro ou Serverless e devem utilizar a versão 2023.40 ou superior.

Permissões necessárias:

Para criar uma conexão, é preciso ser administrador de metastore ou usuário com o privilégio CREATE CONNECTION no metastore do Unity Catalog anexado ao espaço de trabalho.
Para criar um catálogo externo é preciso ter a permissão CREATE CATALOG no metastore e ser proprietário da conexão ou ter o privilégio CREATE FOREIGN CATALOG na conexão.

Outros requisitos de permissão são definidos em cada seção baseada em tarefa a seguir.

Também é necessário ter um clustering ativo ou SQL warehouse no Databricks workspace que o senhor está usando para configurar a conexão.

Crie uma conexão

A conexão especifica um caminho e as credenciais para acessar um sistema de banco de dados externo. Para criar uma conexão, você pode usar o Catalog Explorer ou o comando CREATE CONNECTION do SQL em um Notebook do Databricks ou no editor de consultas SQL do Databricks.

nota

O senhor também pode usar a API REST da Databricks ou a CLI da Databricks para criar uma conexão. Veja POST /api/2.1/unity-catalog/connections e Unity Catalog comando.

Permissões necessárias: Administrador do Metastore ou usuário com o privilégio CREATE CONNECTION.

Catalog Explorer
SQL

Em seu site Databricks workspace, clique em Catalog .
Na parte superior do painel Catálogo , clique no ícone Adicionar e selecione Adicionar uma conexão no menu.

Como alternativa, na página de acesso rápido , clique no botão Dados externos >, acesse a tab Conexões e clique em Criar conexão .
Na página Noções básicas de conexão do assistente de configuração de conexão , insira um nome de conexão fácil de usar.
Selecione um tipo de conexão de Databricks .
(Opcional) Adicione um comentário.
Clique em Avançar .
Na página Authentication (Autenticação ), insira as seguintes propriedades de conexão para a outra instância do Databricks:
- Host : nome da instância do espaço de trabalho. Para saber como obter o nome da instância workspace, consulte Obter identificadores para objetos workspace.
- access tokenpessoal : um access token pessoal Databricks que permite o acesso ao workspace de destino. Para saber como obter um token, consulte Autenticar com access tokens pessoal Databricks (legado). Para conexões, Databricks recomenda o uso de um access token pessoal para uma entidade de serviço.
- Caminho HTTP : O caminho HTTP para seu site SQL warehouse. Para obter o caminho, acesse SQL > SQL warehouse na barra lateral, selecione SQL warehouse, vá para Connection details tab e copie o valor de HTTP path .
Clique em Criar conexão .
Na página Catalog basics (Noções básicas de catálogo ), digite o nome do catálogo no outro Databricks workspace que pode ser mapeado para um objeto de catálogo nesse metastore.
(Opcional) Clique em Testar conexão para confirmar se está funcionando.
Clique em Criar catálogo .
Na página Access (Acesso) , selecione o espaço de trabalho no qual os usuários podem acessar o catálogo que o senhor criou. O senhor pode selecionar All workspace have access (Todos os espaços de trabalho têm acesso ) ou clicar em Assign to workspace (Atribuir ao espaço de trabalho), selecionar o espaço de trabalho e clicar em Assign (Atribuir ).
Altere o proprietário que poderá gerenciar o acesso a todos os objetos no catálogo. começar a digitar um diretor na caixa de texto e, em seguida, clicar no diretor nos resultados retornados.
Conceda privilégios no catálogo. Clique em Conceder :
1. Especifique os diretores que terão acesso aos objetos no catálogo. começar a digitar um diretor na caixa de texto e, em seguida, clicar no diretor nos resultados retornados.
2. Selecione as predefinições de privilégios a serem concedidas a cada diretor. Todos os usuários de account recebem BROWSE por default.
  - Selecione Leitor de dados no menu suspenso para conceder privilégios read em objetos no catálogo.
  - Selecione Editor de dados no menu suspenso para conceder os privilégios read e modify aos objetos no catálogo.
  - Selecione manualmente os privilégios a serem concedidos.
3. Clique em Conceder .
Clique em Avançar .
Na página Metadata (Metadados ), especifique as tags em key-value. Para obter mais informações, consulte Apply tags to Unity Catalog securable objects.
(Opcional) Adicione um comentário.
Clique em Salvar .

Execute o seguinte comando em um Notebook ou no editor de consultas Databricks SQL, substituindo o seguinte:

<connection-name>: nome fácil de usar para a conexão que você está criando.
<workspace-instance>: A instância de destino workspace. Para saber como obter o nome da instância workspace, consulte Obter identificadores para objetos workspace.
<sql-warehouse-path>: O caminho HTTP para seu site SQL warehouse. Para obter o caminho, acesse SQL > SQL warehouse na barra lateral, selecione SQL warehouse, vá para Connection details tab e copie o valor de HTTP path .
<personal-access-token>: Um access token pessoal Databricks que permite acesso ao workspace de destino. Para saber como obter tokens, consulte Autenticar com access tokens pessoal Databricks (legado). Para conexões, Databricks recomenda que você use o access token pessoal de uma entidade de serviço.

SQL
CREATE CONNECTION <connection-name> TYPE databricks
OPTIONS (
  host '<workspace-instance>',
  httpPath '<sql-warehouse-path>',
  personalAccessToken '<personal-access-token>'
);

Recomendamos que o senhor use Databricks segredos em vez de texto simples strings para valores confidenciais, como credenciais. Por exemplo:

SQL
CREATE CONNECTION <connection-name> TYPE databricks
OPTIONS (
  host '<workspace-instance>',
  httpPath '<sql-warehouse-path>',
  personalAccessToken secret ('<secret-scope>','<secret-key-password>')
)

Para obter informações sobre a configuração de segredos, consulte Gerenciamento de segredos.

Crie um catálogo estrangeiro

nota

Se o senhor usar a interface do usuário para criar uma conexão com a fonte de dados, a criação do catálogo externo estará incluída e o senhor poderá ignorar essa etapa.

Um catálogo externo espelha um catálogo no site externo Databricks workspace para que o senhor possa consultar e gerenciar o acesso aos dados nesse catálogo externo Databricks como se fosse um catálogo em seu próprio local de trabalho. Para criar um catálogo externo, o senhor usa uma conexão com o site externo Databricks workspace que já foi definido.

Para criar um catálogo externo, o senhor pode usar o Catalog Explorer ou o comando CREATE FOREIGN CATALOG SQL em um Notebook Databricks ou o editor de consultas Databricks SQL. O senhor também pode usar a API REST da Databricks ou a CLI da Databricks para criar um catálogo. Veja POST /api/2.1/unity-catalog/catalogs e Unity Catalog comando.

Permissões necessárias: permissão CREATE CATALOG na metastore e propriedade da conexão ou o privilégio CREATE FOREIGN CATALOG na conexão.

Catalog Explorer
SQL

Em seu site Databricks workspace, clique em Catalog para abrir o Catalog Explorer.
Na parte superior do painel Catálogo , clique no ícone Adicionar e selecione Adicionar um catálogo no menu.

Como alternativa, na página de acesso rápido , clique no botão Catálogos e no botão Criar catálogo .
Siga as instruções para criar catálogos estrangeiros em Criar catálogos.

Execute o seguinte comando SQL em um notebook ou no editor Databricks SQL. Os itens entre colchetes são opcionais. Substitua os valores temporários:

<catalog-name>: Nome do catálogo estrangeiro que você está criando.
<connection-name>: O objeto de conexão que especifica a fonte de dados, o caminho e as credenciais de acesso.
<external-catalog-name>: Nome do catálogo no site externo Databricks workspace que o senhor está espelhando.

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

Pushdowns suportados

Os seguintes pushdowns são suportados em todos os sites compute:

Filtros
Projeções
Limite
Funções: somente expressões de filtro são compatíveis (funções de cadeias de caracteres, funções matemáticas, funções de dados, tempo e registro de data e hora e outras funções diversas, como Alias, Cast, SortOrder).

Os seguintes pushdowns são suportados em Databricks Runtime 13.3 LTS e acima e SQL warehouse compute:

Agregados
Os seguintes operadores Boolean: =, <, <=, >, >=, <=>
As seguintes funções matemáticas (não suportadas se o ANSI estiver desativado): +, -, *,%,/
Os seguintes operadores diversos: ^, |, ~
Classificação, quando usada com limite

Os seguintes pushdowns não são suportados:

unir-se
Funções do Windows

Mapeamentos de tipos de dados

Os tipos de dados normalmente são mapeados um para um quando se utiliza uma federação de feeds ( Databricks-to-Databricks ). No entanto, os seguintes tipos de dados são mapeados para StringType:

De	Para
`ArrayType`	`StringType`
`IntervalType`	`StringType`
`MapType`	`StringType`
`StructType`	`StringType`

Antes de começar​

Crie uma conexão​

Crie um catálogo estrangeiro​

Pushdowns suportados​

Mapeamentos de tipos de dados​

Antes de começar

Crie uma conexão

Crie um catálogo estrangeiro

Pushdowns suportados

Mapeamentos de tipos de dados