Ingérer des données depuis Cribl.Cloud

info

Bêta

Cette fonctionnalité est en version bêta. Pour l'utiliser, un administrateur de workspace doit activer Lakeflow Connect for Cribl depuis la page Previews . Consultez Gérer les aperçus Databricks.

Cette page décrit comment créer un pipeline d'ingestion Cribl géré à l'aide de Lakeflow Connect.

Configuration requise

• Pour créer un pipeline d’ingestion, vous devez d’abord répondre aux exigences suivantes :

  • Votre workspace doit être activé pour Unity Catalog.

  • Le compute serverless doit être activé pour votre workspace. Consultez Configuration requise pour le compute serverless.

  • Pour créer une connexion, vous devez disposer des privilèges CREATE CONNECTION sur le métastore. Voir Gérer les autorisations dans Unity Catalog.

    Si le connecteur prend en charge la création de pipeline via l’interface utilisateur, un administrateur peut créer la connexion et le pipeline en même temps en suivant les étapes sur cette page. Cependant, si les utilisateurs qui créent des pipelines utilisent la création de pipeline via une API ou ne sont pas administrateurs, un administrateur doit d'abord créer la connexion dans Catalog Explorer. Voir Se connecter à des sources d'ingestion gérées.

  • Pour utiliser une connexion existante, vous devez disposer du privilège USE CONNECTION ou ALL PRIVILEGES sur l’objet de connexion.

  • Vous devez avoir des privilèges USE CATALOG sur le catalogue cible.

  • Vous devez disposer des privilèges USE SCHEMA et CREATE TABLE sur un schéma existant ou des privilèges CREATE SCHEMA sur le catalogue cible.

• Pour ingérer des données à partir de Cribl.Cloud, commencez par configurer l’authentification à partir de Databricks et créez une connexion. Voir Configurer l’authentification à Cribl.Cloud et Créer une connexion Cribl.

Options de connecteur

Définissez les options définies par le pipeline dans source_configurations. Toutes les options sont facultatives. Voir les exemples d’utilisation.

Option	Portée	Obligatoire	S'applique à	Description
control_plane_host	Pipeline	Non	Toutes les tables sauf workspaces et api_credentials	Hostname de l’API de gestion Cribl.Cloud Workspace, sans le schéma https://. La valeur default est <workspace-id>-<organization-id>.cribl.cloud.
management_plane_host	Pipeline	Non	workspaces, api_credentials	Hostname de l’API de gestion Cribl.Cloud, sans le schéma https://. La valeur default est gateway.cribl.cloud.
group_allowlist	Pipeline	Non	Toutes les tables à portée du Worker Group	Liste séparée par des virgules des ID de groupe de Worker à ingérer, par exemple 'default,edge-fleet'. default, tous les groupes de Worker sont utilisés.
start_datetime	Pipeline	Non	audit_log, access_log	Heure de log la plus ancienne à ingérer lors de la première synchronisation, au format yyyy-MM-dd'T'HH:mm:ss.SSS'Z'. La valeur default est de 365 jours avant la synchronisation.

Option	Portée	Obligatoire	S'applique à	Description
control_plane_host	Pipeline	Non	Toutes les tables sauf workspaces et api_credentials	Hostname de l’API de gestion Cribl.Cloud Workspace, sans le schéma https://. La valeur default est <workspace-id>-<organization-id>.cribl.cloud.
management_plane_host	Pipeline	Non	workspaces, api_credentials	Hostname de l’API de gestion Cribl.Cloud, sans le schéma https://. La valeur default est gateway.cribl.cloud.
group_allowlist	Pipeline	Non	Toutes les tables à portée du Worker Group	Liste séparée par des virgules des ID de groupe de Worker à ingérer, par exemple 'default,edge-fleet'. default, tous les groupes de Worker sont utilisés.
start_datetime	Pipeline	Non	audit_log, access_log	Heure de log la plus ancienne à ingérer lors de la première synchronisation, au format yyyy-MM-dd'T'HH:mm:ss.SSS'Z'. La valeur default est de 365 jours avant la synchronisation.

Créer un pipeline d’ingestion

Pour obtenir la liste des tables sources prises en charge, consultez la section Tables sources prises en charge.

Databricks UI

1. Dans la barre latérale du workspace Databricks, cliquez sur Ingestion des données .
2. Sur la page Ajouter des données , sous Connecteurs Databricks , cliquez sur Cribl .
3. Sur la page Connexion de l’assistant d’ingestion, sélectionnez la connexion qui stocke vos identifiants Cribl.Cloud. Si vous disposez du privilège CREATE CONNECTION sur le métastore, cliquez sur Créer une connexion pour créer une connexion avec les identifiants de Configurer l’authentification à Cribl.Cloud.
4. Cliquez sur Suivant .
5. Sur la page Configuration de l’ingestion, saisissez un nom pour le pipeline.
6. Sélectionnez un catalogue et un schéma vers lequel écrire les logs d’événements. Si vous avez les privilèges USE CATALOG et CREATE SCHEMA sur le catalogue, cliquez sur Créer un schéma dans le menu déroulant pour créer un schéma.
7. Cliquez sur Créer un pipeline et continuer .
8. Sur la page Source , sélectionnez les tables à ingérer.
9. Cliquez sur Enregistrer et continuer .
10. Sur la page Destination , sélectionnez un catalogue et un schéma dans lesquels charger les données. Si vous disposez des privilèges USE CATALOG et CREATE SCHEMA sur le catalogue, cliquez sur Créer un schéma dans le menu déroulant pour créer un schéma.
11. Cliquez sur Enregistrer et continuer .
12. (Facultatif) Sur la page Calendriers et notifications , cliquez sur Créer un calendrier . Définissez la fréquence de refresh des tables de destination.
13. (Facultatif) Cliquez sur Ajouter une notification pour définir les notifications par e-mail en cas de réussite ou d’échec de l’opération de pipeline, puis cliquez sur Enregistrer et exécuter le pipeline .

Declarative Automation Bundles

Utilisez les Declarative Automation Bundles pour gérer les pipelines Cribl en tant que code. Les bundles peuvent contenir des définitions YAML de Jobs et de tâches, sont gérés à l'aide de la CLI Databricks et peuvent être partagés et exécutés dans différents Workspace cibles (tels que le développement, la pré-production et la production). Pour plus d'informations, consultez Que sont les Declarative Automation Bundles ?.

1. Créer un bundle à l'aide de la CLI Databricks :

   Bash

   databricks bundle init

2. Ajoutez deux nouveaux fichiers de ressources au bundle :

   • Un fichier de définition de pipeline (par exemple, resources/cribl_pipeline.yml). Voir pipeline.ingestion_definition et Exemples.
   • Un fichier de définition de job qui contrôle la fréquence d’ingestion des données (par exemple, resources/cribl_job.yml).

3. Déployez le pipeline avec la CLI Databricks :

   Bash

   databricks bundle deploy

Databricks notebook

1. Importez le notebook suivant dans votre workspace Databricks :

Ouvrir le notebook dans un nouvel ongletOuvrir dans Databricks

2. Laissez les cellules un et deux telles qu'elles sont. Ne pas modifier.

3. Modifiez la cellule trois avec les détails de configuration de votre pipeline. Voir pipeline.ingestion_definition et Exemples.

4. Configurez éventuellement les paramètres avancés du pipeline. Voir Modèles courants pour les pipelines d’ingestion gérés.

5. Cliquez sur Tout exécuter .

Exemples

Le connecteur Cribl rend disponibles 21 tables sources dans le schéma source default. Ingérez les tables individuellement ou les tables dont vous avez besoin.

Ingérer des tables spécifiques

Utilisez cette option pour ingérer un sous-ensemble spécifique de tables ou pour personnaliser le nom de la destination pour chaque table.

Declarative Automation Bundles

Le fichier de définition de pipeline suivant ingère des tables Cribl individuelles :

YAML

resources:
  pipelines:
    cribl_pipeline:
      name: cribl_pipeline
      catalog: 'main'
      target: 'cribl_data'
      ingestion_definition:
        connection_name: cribl_connection
        source_configurations:
          - api_source_connector_config:
              configs:
                group_allowlist: '<worker-group-id>,<worker-group-id>'
                start_datetime: '<start-datetime>'
        objects:
          - table:
              source_schema: 'default'
              source_table: 'worker_groups'
              destination_catalog: 'main'
              destination_schema: 'cribl_data'
              destination_table: 'worker_groups'
          - table:
              source_schema: 'default'
              source_table: 'pipelines'
              destination_catalog: 'main'
              destination_schema: 'cribl_data'
              destination_table: 'pipelines'
          - table:
              source_schema: 'default'
              source_table: 'audit_log'
              destination_catalog: 'main'
              destination_schema: 'cribl_data'
              destination_table: 'audit_log'

Databricks notebook

La spécification de pipeline suivante ingère des tables Cribl individuelles :

Python

pipeline_name = "cribl_pipeline"
connection_name = "<cribl-connection>"
pipeline_spec = {
  "name": pipeline_name,
  "ingestion_definition": {
    "connection_name": connection_name,
    "source_configurations": [
      {
        "api_source_connector_config": {
          "configs": {
            "group_allowlist": "<worker-group-id>,<worker-group-id>",
            "start_datetime": "<start-datetime>"
          }
        }
      }
    ],
    "objects": [
      {
        "table": {
          "source_schema": "default",
          "source_table": "worker_groups",
          "destination_catalog": "main",
          "destination_schema": "cribl_data",
          "destination_table": "worker_groups"
        }
      },
      {
        "table": {
          "source_schema": "default",
          "source_table": "pipelines",
          "destination_catalog": "main",
          "destination_schema": "cribl_data",
          "destination_table": "pipelines"
        }
      },
      {
        "table": {
          "source_schema": "default",
          "source_table": "audit_log",
          "destination_catalog": "main",
          "destination_schema": "cribl_data",
          "destination_table": "audit_log"
        }
      }
    ]
  }
}
json_payload = json.dumps(pipeline_spec, indent=2)
create_pipeline(json_payload)

Fichier de définition de Job Declarative Automation Bundles

Ce qui suit est un exemple de fichier de définition de job à utiliser avec Declarative Automation Bundles. Le job s'exécute quotidiennement.

Declarative Automation Bundles

YAML

resources:
  jobs:
    cribl_job:
      name: cribl_job
      schedule:
        quartz_cron_expression: '0 0 0 * * ?'
        timezone_id: 'UTC'
      tasks:
        - task_key: cribl_ingestion
          pipeline_task:
            pipeline_id: ${resources.pipelines.cribl_pipeline.id}

Modèles courants

Pour les configurations de pipeline avancées, consultez Modèles courants pour les pipelines d’ingestion gérés.

Étapes suivantes

start, planifiez et configurez des alertes sur votre pipeline. Voir Tâches courantes de maintenance du pipeline.

Ressources supplémentaires

• FAQ du connecteur Cribl
• Limitations du connecteur Cribl
• Référence du connecteur Cribl
• Dépanner le connecteur Cribl