Ingérer des données depuis Notion

info

Bêta

Cette fonctionnalité est en version bêta. Les administrateurs de workspace peuvent contrôler l’accès à cette fonctionnalité depuis la page Previews en optant pour l’aperçu du connecteur Notion . Consultez Gérer les aperçus Databricks.

Cette page explique comment créer un pipeline d’ingestion Notion géré à l’aide de Lakeflow Connect.

Exigences

• Pour créer un pipeline d'ingestion, remplissez d'abord les conditions suivantes :

  • Votre workspace doit être activé pour Unity Catalog.

  • Le compute serverless doit être activé pour votre workspace. Voir les exigences du compute serverless.

  • Pour créer une nouvelle connexion, vous devez disposer des privilèges CREATE CONNECTION sur le métastore. Voir Gérer les privilèges 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 indiquées sur cette page. Cependant, si les utilisateurs qui créent des pipelines utilisent la création de pipeline basée sur l'API ou ne sont pas des administrateurs, un administrateur doit d'abord créer la connexion dans Catalog Explorer. Voir Connecter à des sources d'ingestion gérées.

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

  • Vous devez disposer 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 depuis Notion, configurez d'abord l'authentification depuis Databricks et créez une connexion. Voir Configurer l’authentification à Notion et Créer une connexion Notion.

Créer un pipeline d'ingestion

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

Databricks UI

1. Dans la barre latérale du workspace Databricks, cliquez sur Data Ingestion .
2. Sur la page Ajouter des données , sous Connecteurs Databricks , cliquez sur Notion .
3. Sur la page Connexion de l'assistant d'ingestion, sélectionnez la connexion qui stocke vos identifiants Notion. Si vous disposez du privilège CREATE CONNECTION sur le métastore, cliquez sur Créer une connexion pour créer une connexion avec les identifiants provenant de Configurer l’authentification à Notion.
4. Cliquez sur Suivant .
5. Sur la page Ingestion setup , saisissez un nom pour le pipeline.
6. Sélectionnez un catalogue et un schéma dans lesquels écrire les logs des événements. 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.
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 Schedules and notifications , cliquez sur Créer un calendrier . Définissez la fréquence de refresh des tables de destination.
13. (Facultatif) Cliquez sur Ajouter une notification pour définir des notifications par e-mail en cas de succès 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 Notion 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. Créez 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/notion_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/notion_job.yml).

3. Déployez le pipeline à l’aide de la CLI Databricks :

   Bash

   databricks bundle deploy

Exemples

Le connecteur Notion met à disposition sept tables sources dans le schéma source default. Ingérez des tables individuelles 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 destination par table.

Dans la définition du pipeline, la ressource notion_pipeline définit le pipeline et le tableau objects répertorie les tables à ingérer. Chaque entrée mappe un source_table dans le schéma source default vers son catalogue, son schéma et sa table de destination. Le destination_table est facultatif : si vous l’omettez, le connecteur nomme la table de destination d’après le source_table.

Declarative Automation Bundles

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

YAML

resources:
  pipelines:
    notion_pipeline:
      name: notion_pipeline
      catalog: 'main'
      target: 'notion_data'
      ingestion_definition:
        connection_name: notion_connection
        objects:
          - table:
              source_schema: 'default'
              source_table: 'pages'
              destination_catalog: 'main'
              destination_schema: 'notion_data'
              destination_table: 'pages'
          - table:
              source_schema: 'default'
              source_table: 'data_sources'
              destination_catalog: 'main'
              destination_schema: 'notion_data'
              destination_table: 'data_sources'
          - table:
              source_schema: 'default'
              source_table: 'blocks'
              destination_catalog: 'main'
              destination_schema: 'notion_data'
              destination_table: 'blocks'

Databricks notebook

La spécification de pipeline suivante ingère des tables Notion individuelles :

Python

pipeline_name = "notion_pipeline"
connection_name = "<notion-connection>"
pipeline_spec = {
  "name": pipeline_name,
  "ingestion_definition": {
    "connection_name": connection_name,
    "objects": [
      {
        "table": {
          "source_schema": "default",
          "source_table": "pages",
          "destination_catalog": "main",
          "destination_schema": "notion_data",
          "destination_table": "pages"
        }
      },
      {
        "table": {
          "source_schema": "default",
          "source_table": "data_sources",
          "destination_catalog": "main",
          "destination_schema": "notion_data",
          "destination_table": "data_sources"
        }
      },
      {
        "table": {
          "source_schema": "default",
          "source_table": "blocks",
          "destination_catalog": "main",
          "destination_schema": "notion_data",
          "destination_table": "blocks"
        }
      }
    ]
  }
}
json_payload = json.dumps(pipeline_spec, indent=2)
create_pipeline(json_payload)

Fichier de définition de Job Declarative Automation Bundles

Voici un exemple de fichier de définition de job à utiliser avec les Declarative Automation Bundles. Le job s'exécute quotidiennement.

Declarative Automation Bundles

YAML

resources:
  jobs:
    notion_job:
      name: notion_job
      schedule:
        quartz_cron_expression: '0 0 0 * * ?'
        timezone_id: 'UTC'
      tasks:
        - task_key: notion_ingestion
          pipeline_task:
            pipeline_id: ${resources.pipelines.notion_pipeline.id}

Modèles courants

Pour des 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 des pipelines.

Ressources supplémentaires

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