Databricks-to-Databricks OpenSharing を使用して共有されたデータの読み取り (受信者用)

このページでは、Databricks がデータ共有のための安全な接続を管理する、 Databricks-to-Databricks OpenSharing プロトコルを使用して共有されたデータを読み取る方法について説明します。OpenSharing オープン共有 プロトコルとは異なり、Databricks間プロトコルは資格情報ファイルを必要としません (トークンベースのセキュリティ)。

Databricks間共有を行うには、受信者であるあなたが次の 両方の 要件を満たしている必要があります。

Unity Catalog が有効になっている Databricks ワークスペースにアクセスできます。
プロバイダーは、資格情報ファイルを提供するDatabricks-to-Open 共有プロトコルではなく、 Databricks-to-Databricks オープン共有プロトコルを使用しています。

どちらの要件も満たされない場合は、OpenSharing Databricks-to-Open sharing を使用して共有されたデータの読み取りとベアラートークンとのオープン共有を参照してください。

共有データをチームで利用できるようにするにはどうすればよいですか？

Databricks間プロトコルを使用して共有されているデータおよびノートブックを読み取るには、Unity Catalogが有効になっているDatabricksワークスペースのユーザーである必要があります。チームのメンバーがデータプロバイダーに Unity Catalog メタストアの一意の識別子を付与し、データプロバイダーはその識別子を使用して組織との安全な共有接続を作成します。その後、共有データはワークスペースで読み取りアクセスに使用できるようになります。データプロバイダーが共有テーブル、ビュー、ボリューム、パーティションに対して行った更新は、ほぼリアルタイムでワークスペースに反映されます。

注記

列の変更 (追加、名前変更、削除など) は、最大 1 分間カタログエクスプローラーに表示されない場合があります。同様に、新しい共有と共有の更新 (新しいテーブルの追加など) は、表示およびクエリが使用可能になるまで 1 分間キャッシュされます。

注記

共有カタログの information_schema 内のテーブルは、Unity Catalog に格納されているメタデータを反映します。このメタデータは、共有テーブルを直接クエリするか、DESCRIBE や REFRESH FOREIGN などのコマンドを実行した場合にのみ、プロバイダーから更新されます。それまでは、information_schema はプロバイダーのデータと比較して古くなっているように見える場合があります。

共有されているデータを読み取るには：

チームのユーザーは、共有されているテーブル、ビュー、ボリューム、ノートブックのコンテナである共有を見つけ、その共有を使用して、Databricks Unity Catalog内のすべてのデータのトップレベルコンテナである カタログ を作成します。
チームのユーザーは、カタログおよびカタログ内のオブジェクト（スキーマ、テーブル、ビュー、ボリューム）へのアクセス権を、チームのメンバーに付与または拒否します。
Databricks のデータ資産と同様に、アクセス権が付与されているテーブル、ビュー、ボリュームのデータを、読み取り専用（SELECT または READ VOLUME）アクセス権で読み取ります。
カタログに対する USE CATALOG 権限があれば、共有内のノートブックをプレビューおよびクローンできます。

必要な権限

すべてのプロバイダーとプロバイダー共有を一覧表示し、詳細を確認するには、USE PROVIDER権限が必要です。他のユーザーは、自身が所有するプロバイダーと共有にのみアクセスできます。

プロバイダー共有からカタログを作成するには、メタストア管理者、お使いのUnity Catalogメタストアに対してCREATE CATALOGとUSE PROVIDERの両方の権限を持つユーザー、またはCREATE CATALOG権限とプロバイダーオブジェクトの所有権の両方を持つユーザーである必要があります。

共有から作成されたカタログ内のスキーマ（データベース）、テーブル、ビュー、ボリュームへの読み取り専用アクセスを許可する機能は、一般的な Unity Catalog 特権階層に従います。共有から作成されたカタログ内のノートブックを表示する機能には、カタログに対する USE CATALOG 権限が必要です。OpenSharing カタログ内のスキーマ、テーブル、ボリュームのアクセス許可を管理するを参照してください。

共有テーブルまたは共有ボリューム内のデータにアクセスする

共有テーブルまたはボリュームのデータを読み取るには:

特権ユーザーは、テーブルまたはボリュームを含む共有からカタログを作成する必要があります。これは、メタストア管理者、Unity Catalog メタストアに対するCREATE CATALOG権限とUSE PROVIDER権限の両方を持つユーザー、またはCREATE CATALOG権限とプロバイダーオブジェクトの所有権の両方を持つユーザーです。
そのユーザー、または同じ権限を持つユーザーが、共有テーブルまたはボリュームへのアクセスを付与する必要があります。
Unity Catalog メタストアに登録されている他のデータ資産と同様に、テーブルまたはボリュームにアクセスできます。

共有からカタログを作成

共有内のデータをチームがアクセスできるようにするには、共有からカタログを作成するか、共有を既存の共有カタログにマウントする必要があります。共有からカタログを作成するには、カタログエクスプローラ、Databricks Unity Catalog CLI、またはDatabricksノートブックもしくはDatabricks SQLクエリエディターのSQLコマンドを使用できます。共有を既存の共有カタログにマウントするには、Catalog Explorerを使用できます。

カタログの作成に必要な権限 CREATE CATALOG``USE PROVIDER：メタストア管理者、Unity Catalog メタストアに対するとの両方の権限を持つユーザー、またはCREATE CATALOG 権限とプロバイダーオブジェクトの所有権の両方を持つユーザー。

既存のカタログに共有をマウントするために必要なアクセス許可 ：ユーザーは USE PROVIDER の特権を持っているか、プロバイダーオブジェクトの所有権を持っている必要があり、既存の共有カタログを所有しているか、既存の共有カタログに対する MANAGE と USE CATALOG の両方の特権を持っている必要があります。

注記

SAP BDC共有からカタログを作成する場合、SAPセマンティックメタデータ（テーブルと列のコメント、主キー、フォーリンキー、ガバナンスタグ）は自動的にカタログに同期されます。追加のアクションは不要です。詳細については、SAP BDCセマンティックメタデータを参照してください。

注記

共有にビューが含まれている場合、プロバイダーのメタストアでビューを含むカタログの名前とは異なるカタログ名を使用する必要があります。

Catalog Explorer
SQL
CLI

Databricks ワークスペースで、[カタログ]をクリックして カタログエクスプローラー を開きます。
カタログ ウィンドウの上部にある歯車アイコンをクリックし、 OpenSharing を選択します。

または、右上隅の Share > OpenSharing をクリックします。
自分と共有 タブで、プロバイダーを見つけて選択します。
目的の共有を見つけ、共有の行にある［ カタログにマウント ］をクリックします。
データ資産を既存のカタログに追加するには、**新規カタログを作成**するか、**既存カタログにマウント**を選択します。
新しいカタログの名前を入力するか、共有を追加する既存のカタログを選択してください。
作成または マウント をクリックします。

または、カタログエクスプローラーを開いたときに、右上の + > カタログの作成 をクリックして共有カタログを作成できます。カタログを作成するを参照してください。

ノートブックまたはDatabricks SQLクエリーエディタで次のコマンドを実行します。

SQL
CREATE CATALOG [IF NOT EXISTS] <catalog-name>
USING SHARE <provider-name>.<share-name>;

Bash
databricks catalogs create <catalog-name> /
--provider-name <provider-name> /
--share-name <share-name>

共有から作成されたカタログのカタログの種類は OpenSharing です。種類は、カタログエクスプローラーのカタログ詳細ページで表示するか、ノートブックまたは Databricks SQL クエリで DESCRIBE CATALOG SQL コマンドを実行することで表示できます。すべての共有カタログは、カタログエクスプローラーの左ペインの [カタログ] > [共有] に一覧表示されます。

OpenSharing カタログは、Unity Catalog メタストアの通常のカタログと同じ方法で管理できます。OpenSharing カタログを表示、更新、削除するには、カタログエクスプローラ、Databricks CLI、および SHOW CATALOGS、DESCRIBE CATALOG、ALTER CATALOG、DROP CATALOG SQL コマンドを使用します。

共有から作成されたOpenSharingカタログの3レベルの名前空間構造は、Unitycatalog.schema.table catalog.schema.volumeCatalogの通常のカタログと同じです：｛0｝または｛1｝。

共有カタログ内のテーブルとボリュームのデータは読み取り専用です。つまり、次のような読み取り操作を実行できます。

DESCRIBE、SHOW、およびSELECT、テーブル用。
DESCRIBE VOLUME、LIST <volume-path>、SELECT * FROM <format>.'<volume_path>'、および COPY INTO ボリューム用の。

共有カタログ内のノートブックは、カタログに対するUSE CATALOGを持つ任意のユーザーがプレビューおよびクローンを作成できます。

共有カタログ内のモデルは、登録されたモデルに対するEXECUTE特権、およびモデルを含むスキーマとカタログに対するUSE SCHEMAおよびUSE CATALOG特権を持つ任意のユーザーが、推論のために読み取りおよびロードが可能です。

OpenSharing カタログ内のスキーマ、テーブル、およびボリュームのアクセス許可を管理する

デフォルトでは、カタログの作成者はOpenSharingカタログの下にあるすべてのデータオブジェクトの所有者であり、それらのいずれかのパーミッションを管理できます。

権限は上位から下位に継承されますが、一部のワークスペースは、継承を提供しない従来のセキュリティモデルを使用している可能性があります。「権限の継承」を参照してください。カタログに対してSELECT権限を付与されたユーザーは、その権限が取り消されない限り、カタログ内のすべてのスキーマとテーブルに対してSELECT権限が付与されます。同様に、カタログに対するREAD VOLUME権限を付与されたユーザーには、そのカタログ内のすべてのボリュームに対するREAD VOLUME権限が付与されます。ただし、その権限が取り消された場合は除きます。OpenSharing カタログまたは OpenSharing カタログ内のオブジェクトに、書き込みまたは更新のアクセス権を付与する特権を付与することはできません。

カタログ所有者は、データオブジェクトの所有権を他のユーザーまたはグループに委任し、それによってそれらのユーザーにオブジェクトの権限とライフサイクルを管理する能力を付与できます。

Unity Catalogを使用してデータオブジェクトの権限を管理する方法の詳細については、「Unity Catalogでの権限の管理」を参照してください。

共有テーブルのデータを読み取り

共有テーブル内のデータを読み取るには、 Databricks ユーザーとして使用できるツール (カタログエクスプローラ、ノートブック、 SQL クエリ、 Databricks CLI、 Databricks REST API) のいずれかのツールを使用できます。テーブルに対する SELECT 権限が必要です。

プロバイダーがテーブルWITH HISTORYを共有している場合、テーブルでトランザクションを実行できます。トランザクションの要件と制限の詳細については、トランザクションを参照してください。

共有フォーリンテーブルまたはフォーリンスキーマでデータを読み取ります。

備考

ベータ版

この機能はベータ版です。ワークスペース管理者は、 プレビュー ページからこの機能へのアクセスを制御できます。Databricksのプレビューを管理するを参照してください。

共有フォーリンテーブルまたはフォーリンスキーマ内のデータを読み取るには、Databricks ユーザーが使用できるツール (カタログエクスプローラ、ノートブック、SQLクエリ、Databricks CLI、Databricks REST APIs) のいずれかのツールを使用できます。共有フォーリンテーブルまたはフォーリンスキーマに対してSELECT権限が必要です。

共有フォーリンテーブルでトランザクションを実行できます。トランザクションの要件と制限を参照してください。

共有されたフォーリンテーブルまたは外部スキーマにアクセスする際に、追加費用が発生します。共有コストがどのように計算されるかに関する情報については、OpenSharing コストの発生と確認方法を参照してください。

制限事項 ：プロバイダーが許可している場合でも、共有フォーリンテーブルを読み取るためのクラスターの制限をバイパスすることはできません。

共有フォーリンIcebergテーブル内のデータを読み取る

備考

プレビュー

この機能はパブリックプレビュー段階です。

共有フォーリンIcebergテーブル内のデータを読み取るには、Databricksユーザーとして使用できるツール（Catalog Explorer、ノートブック、SQLクエリ、Databricks CLI、およびDatabricks REST API）のいずれかを使用できます。Catalog Explorer では、共有フォーリンIcebergテーブルは、テーブルタイプが「 Foreign 」、データソース形式が「 Iceberg 」として表示されます。

ソース Iceberg の場所にはアクセスできますが、実行できるのは以下のタイプのクエリです。

スナップショットクエリ
ストリーミングクエリー

要件：

共有の外部Icebergテーブルに対するSELECT権限が必要です。
Databricks Runtime 15.4 LTS以降を使用する必要があります。

共有ボリューム内のデータを読み取る

共有ボリューム内のデータを読み取るには、 Databricks ユーザーが使用できるツール (カタログエクスプローラ、ノートブック、 SQL クエリー、Databricks CLI、 Databricks REST API) のいずれかのツールを使用できます。ボリュームに対する READ VOLUME 権限が必要です。

ABACで保護されたデータを読み取り、ABACポリシーを適用します

属性ベースのアクセス制御 (ABAC) は、Databricks全体で柔軟、スケーラブル、一元化されたアクセスコントロールを提供するデータガバナンスモデルです。

共有から作成された共有テーブル、スキーマ、およびカタログのABACポリシーを作成します。マテリアライズドビューは、制限事項付きでサポートされています。共有ストリーミングテーブルやマテリアライズドビューのABACポリシーは作成できません。ABACポリシーを構成するには、行フィルターと列マスクポリシーの作成と管理を参照してください。

共有テーブルの行追跡列を読み取る

データプロバイダーが共有テーブルで行トラッキングを有効にしている場合、行トラッキングのメタデータ列をクエリできます。利用可能な列のリストについては、Databricks の行追跡をご覧ください。

これらの列へのアクセス方法は、共有されているテーブルのタイプによって異なります。

履歴が共有され、パーティションフィルターのないテーブル : 制限なく行追跡列のクエリを実行できます。
パーティションフィルタを含むテーブルまたは履歴なしで共有されるテーブル：Scala Spark を使用し、responseFormat オプションをdelta に明示的に設定する必要があります。
Scala
```
spark.read.option(“responseformat”, “delta”).table(“shared_table”).select(“_metadata.row_id”).show()
```

推論のために共有モデルを読み込みます

共有モデルの読み込みとバッチ推論での使用の詳細については、推論ワークロード用のエイリアスによるモデルバージョンの読み込みを参照してください。

テーブルの履歴データクエリー

履歴がテーブルと共に共有されている場合、特定のバージョンまたはタイムスタンプ時点のテーブルデータをクエリできます。Databricks Runtime 12.2 LTS 以上が必要です。

例えば：

SQL
SELECT * FROM vaccine.vaccine_us.vaccine_us_distribution VERSION AS OF 3;
SELECT * FROM vaccine.vaccine_us.vaccine_us_distribution TIMESTAMP AS OF "2023-01-01 00:00:00";

さらに、チェンジデータフィード（CDF）がテーブルで有効になっている場合、CDF をクエリできます。バージョンとタイムスタンプの両方がサポートされています：

SQL
SELECT * FROM table_changes('vaccine.vaccine_us.vaccine_us_distribution', 0, 3);
SELECT * FROM table_changes('vaccine.vaccine_us.vaccine_us_distribution', "2023-01-01 00:00:00", "2022-02-01 00:00:00");

チェンジデータフィードの詳細については、「Databricks でチェンジデータフィードを使用する」を参照してください。

Apache Spark構造化ストリーミングを使用してテーブルをクエリする

履歴でテーブルが共有されている場合、そのテーブルをSpark構造化ストリーミングのソースとして使用できます。Databricks Runtime 12.2 LTS 以上が必要です。

サポート対象オプション：

ignoreDeletes: データを削除するトランザクションを無視します。
ignoreChangesデータ変更操作（UPDATE、MERGE INTO、DELETE（パーティション内）、またはOVERWRITEなど）によってソーステーブル内のファイルが書き換えられた場合は、更新を再処理します。変更されていない行が引き続き出力されることがあります。そのため、ダウンストリームのコンシューマーは重複を処理できる必要があります。削除はダウンストリームに反映されません。ignoreChanges は ignoreDeletes を包含します。そのため、ignoreChanges を使用した場合、ストリームはソーステーブルへの削除または更新のいずれによっても中断されません。
startingVersion: 開始する共有テーブルのバージョン。このバージョン (このバージョンを含む) 以降のすべてのテーブル変更は、ストリーミングソースによって読み取られます。
startingTimestamp: 開始するタイムスタンプです。タイムスタンプ以降に行われたすべてのテーブル変更は、ストリーミングソースによって読み取られます。例： "2023-01-01 00:00:00.0"
maxFilesPerTrigger：各マイクロバッチで考慮される新しいファイルの数。
maxBytesPerTrigger：各マイクロバッチで処理されるデータの量。このオプションは「ソフトマックス」を設定します。これは、バッチがおおよそこの量のデータを処理し、最小の入力単位がこの制限よりも大きい場合、ストリーミングクエリを前進させるために制限を超えるデータを処理する可能性があることを意味します。
readChangeFeed：共有テーブルのチェンジデータフィードをストリームで読み込みます。

サポートされていないオプション:

Trigger.availableNow

構造化ストリーミングクエリのサンプル

Scala
Python

Scala
spark.readStream.format("deltaSharing")
.option("startingVersion", 0)
.option("ignoreChanges", true)
.option("maxFilesPerTrigger", 10)
.table("vaccine.vaccine_us.vaccine_us_distribution")

Python
spark.readStream.format("deltaSharing")\
.option("startingVersion", 0)\
.option("ignoreDeletes", true)\
.option("maxBytesPerTrigger", 10000)\
.table("vaccine.vaccine_us.vaccine_us_distribution")

テーブルでチェンジデータフィード（CDF）が有効になっている場合、CDF をストリーム読み取りできます。

Scala
spark.readStream.format("deltaSharing")
.option("readChangeFeed", "true")
.table("vaccine.vaccine_us.vaccine_us_distribution")

行フィルターと列マスクの適用

データプロバイダーによって共有されているテーブルとフォーリンテーブルに行フィルターと列マスクを適用するには、「行フィルターと列マスクを手動で適用する」を参照してください。ストリーミングテーブルまたはマテリアライズドビューに列マスクを適用することはできません。

削除ベクトルまたはカラムマッピングが有効なテーブルの読み取り

備考

プレビュー

この機能はパブリックプレビュー段階です。

削除ベクトルは、プロバイダーが共有Deltaテーブルで有効にできるストレージ最適化機能です。「Databricks の削除ベクトル」を参照してください。

Databricks では、Delta テーブルの列マッピングもサポートされています。 Delta Lake 列マッピングを使用した列の名前変更と削除を参照してください。

プロバイダーが削除ベクトルまたは列マッピングが有効になっているテーブルを共有している場合は、 SQLウェアハウスまたは 14.1 以降を実行しているクラスターを使用して、テーブル Databricks Runtime バッチ読み取りを実行できます。 CDF クエリとストリーミングクエリには、Databricks Runtime 14.2 以降が必要です。

共有テーブルのテーブル機能に基づいてresponseFormatを自動的に解決できるため、バッチクエリをそのまま実行できます。

チェンジデータフィード（CDF）を読み取るか、削除ベクトルまたは列マッピングが有効になっている共有テーブルでストリーミングクエリを実行するには、追加オプションresponseFormat=deltaを設定する必要があります。

以下にバッチ、CDF、およびストリーミングクエリの例を示します。

Scala
import org.apache.spark.sql.SparkSession

// Batch query
spark.read.format("deltaSharing").table(<tableName>)

// CDF query
spark.read.format("deltaSharing")
  .option("readChangeFeed", "true")
  .option("responseFormat", "delta")
  .option("startingVersion", 1)
  .table(<tableName>)

// Streaming query
spark.readStream.format("deltaSharing").option("responseFormat", "delta").table(<tableName>)

共有マネージドIcebergテーブルの読み取り

備考

プレビュー

この機能はパブリックプレビュー段階です。

共有マネージドIcebergテーブルの読み取りは、共有テーブルの読み取りと同じですが、次の例外があります。

Databricksからオープン共有へのサポート：

この記事の手順は、Databricksユーザーインターフェース、特にUnity Catalog構文およびインターフェースを使用した共有データの読み取りを対象としています。OpenSharingコネクタにおける高度なDelta機能のサポートに制限があるため、Python、Tableau、およびPower BIを使用した共有マネージドIcebergテーブルのクエリはサポートされていません。

チェンジデータフィード:

マネージドIcebergテーブルでは、チェンジデータフィードはサポートされていません。

Databricks Iceberg の制限事項：

Iceberg テーブルとマネージド Iceberg テーブルの制限が適用されます。制限事項を参照してください。

共有ビューの読み取り

共有ビューの読み取りは、共有テーブルの読み取りと同じですが、次の例外があります：

共有ビューの制限：

共有ビューは、Databricks の組み込み関数と演算子のサブセットのみをサポートします。Databricks-to-Databricks ビュー共有でサポートされる関数を参照してください。
受信者は、Databricks-to-Databricks共有において、1つのクエリで20を超える共有ビューをクエリすることはできません。共有ビューは、5つを超える異なるプロバイダー共有から取得することはできません。
プロバイダーが同じアカウントからの場合、または別のアカウントでサーバレスコンピュートを使用する場合、同じプロバイダーからの複数の依存ビューを単一のクエリでクエリすることはできません。例えば、プロバイダー側でview1がview2に依存しており、両方のビューがあなたと共有されている場合、同じクエリでview1とview2の両方を参照することはできません。
共有ビューでトランザクションを実行できます。トランザクションの要件と制限を参照してください。

名前の要件：

ビューを含む共有カタログに使用するカタログ名は、ビューによって参照されるテーブルを含むプロバイダーカタログと同じにすることはできません。たとえば、共有ビューが test カタログに含まれており、そのビューで参照されるプロバイダーのテーブルの 1 つがプロバイダーの test カタログに含まれている場合、クエリは名前空間の競合エラーになります。共有からのカタログの作成を参照してください。

クエリ結果タイムアウト：

基になるデータに直接アクセスできない場合、Databricks はビューをクエリするときにオンザフライで具体化を行います。この具体化に5分以上かかる場合、クエリがタイムアウトします。この制限を回避するには、サーバレスコンピュートに切り替えます。

履歴とストリーミング：

履歴をクエリしたり、ビューをストリーミングソースとして使用したりすることはできません。

Databricks-to-Open共有でのビューのサポート：

この記事の手順は、Databricksユーザーインターフェース、特にUnity Catalog構文およびインターフェースを使用した共有データの読み取りを対象としています。Apache Spark、Python、Tableau や Power BI などの BI ツールを使用して、共有ビューをクエリすることもできます。

コスト：

共有コストがどのように計算されるかに関する情報については、OpenSharing コストの発生と確認方法を参照してください。

共有されたストリーミングテーブルとマテリアライズドビューの読み込み

共有ストリーミングテーブルとマテリアライズドビューの読み取りは、共有テーブルの読み取りと同じですが、次の例外があります。

Databricksからオープン共有へのサポート：

このページの手順では、Databricksユーザーインターフェース、特にUnity Catalogの構文とインターフェースを使用して共有データを読み取ることに焦点を当てています。共有ストリーミングテーブルとマテリアライズドビューをApache Spark、Python、Tableau、Power BIなどのBIツールを使用してクエリすることもできます。OpenSharing Databricks-to-Open sharing with bearer tokens を使用して共有されたデータの読み取りを参照してください。

トランザクション：

共有マテリアライズドビューおよびストリーミングテーブルでトランザクションを実行できます。トランザクションの要件と制限を参照してください。

SQL の制限 ：

current_recipient関数はサポートされていません。
DESCRIBE EXTENDEDコマンドはサポートされていません。

列マッピング：

別のDatabricksアカウントから共有を受け取る際にクラシックコンピュートを使用している場合、カラムマッピングのあるマテリアライズドビューまたはストリーミングテーブルをクエリする際、以下のようにresponseFormatを指定する必要があります。

Python
spark.read.option("responseFormat", "delta").table("catalog_name.schema_name.mv_name")

同じDatabricksアカウント内で共有する場合にクラシックコンピュートを使用している場合、または、どのようなシナリオでもサーバレスコンピュートを使用している場合は、制限なくクエリを実行できます。

コスト：

共有コストがどのように計算されるかに関する情報については、OpenSharing コストの発生と確認方法を参照してください。

Materialized view specific exceptions
Streaming table specific exceptions

履歴：

履歴をクエリすることはできません。

更新:

マテリアライズドビューの更新ステータスと更新スケジュールにはアクセスできません。

ビューとストリーミングテーブルの作成：

共有されたマテリアライズドビュー上にストリーミングテーブルを作成することはできません。

共有Python UDFを読み取る

共有 Python UDF の読み取りは、共有テーブルの読み取りと同じです。共有用の新しいカタログを作成するか、既存のカタログに共有をマウントした後、Python UDF にアクセスして使用できます。

共有ノートブックの読み取り

共有ノートブックファイルをプレビューしてクローンするには、Catalog Explorerを使用できます。

ストレージの制限: ストレージでプライベートエンドポイントを使用している場合は、共有ノートブックを読み取ることができません。

必要な権限： 共有から作成されたカタログに対するカタログ所有者または USE CATALOG 権限を持つユーザー。

Databricks ワークスペースで、 カタログ をクリックします。
左ペインで、**カタログ**メニューを展開し、共有から作成されたカタログを見つけて選択します。
**その他のアセット**タブには、共有ノートブックファイルが表示されます。
共有ノートブックファイルの名前をクリックしてプレビューします。
(オプション) クローン ボタンをクリックして、共有ノートブックファイルをワークスペースにインポートします。
1. クローン先 ダイアログで、必要に応じて 新しい名前 を入力し、ノートブックファイルのクローンを作成するワークスペースフォルダを選択します。
2. クローンを作成 をクリックします。
3. ノートブックのクローンが作成されると、正常にクローンが作成されたことを知らせるダイアログが表示されます。ダイアログで**「ノートブックエディターに表示」**をクリックして、ノートブックエディターで表示します。
Databricks ノートブックを参照してください。

共有をアンマウントする

共有をアンマウントして、データアセットをカタログから削除します。

**必要な権限:** USE CATALOG``MANAGE共有カタログに対するおよび権限を持つユーザー。

Databricks ワークスペースで、[カタログ]をクリックして カタログエクスプローラー を開きます。
カタログ ウィンドウの上部にある歯車アイコンをクリックし、 OpenSharing を選択します。

または、右上隅の Share > OpenSharing をクリックします。
自分と共有 タブで、プロバイダーを見つけて選択します。
共有行のをクリックします。
［共有をアンマウント］をクリックします。
Click アンマウント .

共有データをチームで利用できるようにするにはどうすればよいですか？​

必要な権限​

共有テーブルまたは共有ボリューム内のデータにアクセスする​

共有からカタログを作成​

OpenSharing カタログ内のスキーマ、テーブル、およびボリュームのアクセス許可を管理する​

共有テーブルのデータを読み取り​

共有フォーリンテーブルまたはフォーリンスキーマでデータを読み取ります。​

共有フォーリンIcebergテーブル内のデータを読み取る​

共有ボリューム内のデータを読み取る​

ABACで保護されたデータを読み取り、ABACポリシーを適用します​

共有テーブルの行追跡列を読み取る​

推論のために共有モデルを読み込みます​

テーブルの履歴データ クエリー​

Apache Spark構造化ストリーミングを使用してテーブルをクエリする​

構造化ストリーミングクエリのサンプル​

行フィルターと列マスクの適用​

削除ベクトルまたはカラムマッピングが有効なテーブルの読み取り​

共有マネージドIcebergテーブルの読み取り​

共有ビューの読み取り​

共有されたストリーミングテーブルとマテリアライズドビューの読み込み​

共有Python UDFを読み取る​

共有ノートブックの読み取り​

共有をアンマウントする​

共有データをチームで利用できるようにするにはどうすればよいですか？

必要な権限

共有テーブルまたは共有ボリューム内のデータにアクセスする

共有からカタログを作成

OpenSharing カタログ内のスキーマ、テーブル、およびボリュームのアクセス許可を管理する

共有テーブルのデータを読み取り

共有フォーリンテーブルまたはフォーリンスキーマでデータを読み取ります。

共有フォーリンIcebergテーブル内のデータを読み取る

共有ボリューム内のデータを読み取る

ABACで保護されたデータを読み取り、ABACポリシーを適用します

共有テーブルの行追跡列を読み取る

推論のために共有モデルを読み込みます

テーブルの履歴データクエリー

Apache Spark構造化ストリーミングを使用してテーブルをクエリする

構造化ストリーミングクエリのサンプル

行フィルターと列マスクの適用

削除ベクトルまたはカラムマッピングが有効なテーブルの読み取り

共有マネージドIcebergテーブルの読み取り

共有ビューの読み取り

共有されたストリーミングテーブルとマテリアライズドビューの読み込み

共有Python UDFを読み取る

共有ノートブックの読み取り

共有をアンマウントする