Limitations du connecteur PagerDuty

info

Bêta

Cette fonctionnalité est en version bêta. Les administrateurs du workspace peuvent contrôler l'accès à cette fonctionnalité depuis la page Aperçus . Voir Gérer les aperçus Databricks.

Cette page contient des informations sur les limitations connues du connecteur PagerDuty géré dans Lakeflow Connect.

Limitations générales des connecteurs SaaS (outil/solution/technologie/plateforme as a Service) [[ ## completed ##]]

Les limitations de cette section s'appliquent à tous les connecteurs SaaS dans Lakeflow Connect.

• Lorsque vous exécutez un pipeline planifié, les alertes ne Trigger pas immédiatement. Au lieu de cela, elles Trigger lors de l'exécution de la mise à jour suivante.
• Lorsqu’une table source est supprimée, la table de destination n’est pas automatiquement supprimée. Vous devez supprimer manuellement la table de destination. Ce comportement n’est pas cohérent avec le comportement des Spark Declarative Pipelines sur Lakeflow.
• Pendant les périodes de maintenance de la source, Databricks pourrait ne pas être en mesure d'accéder à vos données.
• Si un nom de table source est en conflit avec un nom de table de destination existant, la mise à jour du pipeline échoue.
• Le support des pipelines multi-destinations est disponible uniquement via API.
• Vous pouvez éventuellement renommer une table que vous ingérez. Si vous renommez une table dans votre pipeline, celui-ci devient un pipeline accessible uniquement par API et vous ne pouvez plus le modifier dans l'interface utilisateur.
• Si vous sélectionnez une colonne après qu’un pipeline a déjà start, le connecteur ne remplit pas automatiquement les données pour la nouvelle colonne. Pour ingérer des données historiques, exécutez manuellement un refresh complet sur la table.
• Databricks ne peut pas ingérer deux tables ou plus portant le même nom dans le même pipeline, même si elles proviennent de schémas sources différents.
• Le système source suppose que les colonnes de curseur augmentent de façon monotone.
• Le connecteur ingère des données brutes sans transformations. Utilisez des Spark Declarative Pipelines en aval sur les LakeFlow Pipelines pour les Transformations.

Limitations spécifiques au connecteur

Les limitations de cette section s'appliquent au connecteur PagerDuty.

• La table incidents capture uniquement les insertions. PagerDuty filtre cette table par created_at, le connecteur ne reflète donc pas les mises à jour ou les suppressions d'incidents entre les synchronisations. Planifiez une refresh complète périodique pour capturer le dernier état des incidents.
• Le connecteur ingère services, users, teams, priorities, escalation_policies, schedules et oncalls avec un refresh complet uniquement. Le connecteur recharge ces tables en intégralité à chaque synchronisation.
• La table oncalls reflète les affectations d'astreinte à chaque synchronisation. Il ne s'agit pas d'un Logs incrémentiel.