Ingerir dados do Cribl.Cloud

info

Beta

Esse recurso está em Beta. Para usá-lo, um administrador do workspace deve ativar o Lakeflow Connect for Cribl na página Pré-visualizações . Consulte Gerenciar prévias do Databricks.

Esta página mostra como criar um pipeline de ingestão Cribl gerenciado usando o LakeFlow Connect.

Requisitos

• Para criar um pipeline de ingestão, primeiro atenda aos seguintes requisitos:

  • Seu workspace deve estar habilitado para o Unity Catalog.

  • O compute Serverless deve ser habilitado para seu Workspace. Consulte Requisitos de compute Serverless.

  • Para criar uma nova conexão é preciso ter privilégios de CREATE CONNECTION no metastore. Consulte Gerenciar privilégios no Unity Catalog.

    Se o conector for compatível com a criação de pipeline baseada na interface do usuário, um administrador poderá criar a conexão e o pipeline ao mesmo tempo completando os passos nesta página. No entanto, se os usuários que criam pipelines usarem a criação de pipeline baseada em API ou forem usuários não administradores, um administrador deverá primeiro criar a conexão no Catalog Explorer. Consulte Conectar-se a fontes de ingestão gerenciadas.

  • Para usar uma conexão existente, você deve ter privilégios USE CONNECTION ou ALL PRIVILEGES no objeto de conexão.

  • Você deve ter privilégios USE CATALOG no catálogo de destino.

  • Você deve ter os privilégios USE SCHEMA e CREATE TABLE em um esquema existente ou privilégios CREATE SCHEMA no catálogo de destino.

• Para ingerir do Cribl.Cloud, primeiro configure a autenticação do Databricks e crie uma conexão. Consulte Configurar autenticação para Cribl.Cloud e Criar uma conexão Cribl.

Opções de conector

Defina opções de escopo de pipeline em source_configurations. Todas as opções são opcionais. Consulte Exemplos para obter informações sobre o uso.

Opção	Escopo	Obrigatório	Aplica-se a	Descrição
control_plane_host	Pipeline	Não	Todas as tabelas, exceto workspaces e api_credentials	Hostname da API do Cribl.Cloud Workspace, sem o esquema https://. É default <workspace-id>-<organization-id>.cribl.cloud.
management_plane_host	Pipeline	Não	workspaces, api_credentials	Hostname da API de gerenciamento do Cribl.Cloud, sem o esquema https://. É default gateway.cribl.cloud.
group_allowlist	Pipeline	Não	Todas as tabelas com escopo de grupo de worker	Lista separada por vírgulas de IDs de Grupo de Worker para ingerir, por exemplo 'default,edge-fleet'. Default são todos os Grupos de Worker.
start_datetime	Pipeline	Não	audit_log, access_log	O primeiro horário de log a ser ingerido na primeira sincronização, no formato yyyy-MM-dd'T'HH:mm:ss.SSS'Z'. O default é 365 dias antes da sincronização.

Opção	Escopo	Obrigatório	Aplica-se a	Descrição
control_plane_host	Pipeline	Não	Todas as tabelas, exceto workspaces e api_credentials	Hostname da API do Cribl.Cloud Workspace, sem o esquema https://. É default <workspace-id>-<organization-id>.cribl.cloud.
management_plane_host	Pipeline	Não	workspaces, api_credentials	Hostname da API de gerenciamento do Cribl.Cloud, sem o esquema https://. É default gateway.cribl.cloud.
group_allowlist	Pipeline	Não	Todas as tabelas com escopo de grupo de worker	Lista separada por vírgulas de IDs de Grupo de Worker para ingerir, por exemplo 'default,edge-fleet'. Default são todos os Grupos de Worker.
start_datetime	Pipeline	Não	audit_log, access_log	O primeiro horário de log a ser ingerido na primeira sincronização, no formato yyyy-MM-dd'T'HH:mm:ss.SSS'Z'. O default é 365 dias antes da sincronização.

Criar um pipeline de ingestão

Para obter uma lista de tabelas de origem suportadas, consulte Tabelas de origem suportadas.

Databricks UI

1. Na barra lateral do workspace do Databricks, clique em Ingestão de dados .
2. Na página Adicionar dados , em Conectores do Databricks , clique em Cribl .
3. Na página Conexão do assistente de ingestão, selecione a conexão que armazena suas credenciais do Cribl.Cloud. Se você tiver o privilégio CREATE CONNECTION no metastore, clique em Criar conexão para criar uma conexão com as credenciais de Configurar autenticação no Cribl.Cloud.
4. Clique em Avançar .
5. Na página Configuração de ingestão , insira um nome para o pipeline.
6. Selecione um catálogo e um esquema para gravar logs de eventos. Se você tiver os privilégios USE CATALOG e CREATE SCHEMA no catálogo, clique em Criar esquema no menu suspenso para criar um esquema.
7. Clique em Criar pipeline e continuar .
8. Na página Origem , selecione as tabelas para ingestão.
9. Clique em Salvar e continuar .
10. Na página Destino , selecione um catálogo e um esquema para carregar os dados. Se você tiver os privilégios USE CATALOG e CREATE SCHEMA no catálogo, clique em Criar esquema no menu suspenso para criar um esquema.
11. Clique em Salvar e continuar .
12. (Opcional) Na página Cronogramas e notificações , clique em Criar cronograma . Defina a frequência para refresh das tabelas de destino.
13. (Opcional) Clique em Adicionar notificação para definir notificações por email para sucesso ou falha da operação do pipeline e, em seguida, clique em Salvar e execução do pipeline .

Declarative Automation Bundles

Use os Pacotes de Automação Declarativa para gerenciar pipelines do Cribl como código. Os pacotes podem conter definições YAML de Jobs e tarefas, são gerenciados usando a CLI do Databricks e podem ser compartilhados e ter execução em diferentes Workspace de destino (como desenvolvimento, staging e produção). Para obter mais informações, consulte O que são os Pacotes de Automação Declarativa?.

1. Crie um pacote usando a CLI do Databricks:

   Bash

   databricks bundle init

2. Adicione dois novos arquivos de recursos ao pacote:

   • Um arquivo de definição de pipeline (por exemplo, resources/cribl_pipeline.yml). Veja pipeline.ingestion_definition e Exemplos.
   • Um arquivo de definição de job que controla a frequência da ingestão de dados (por exemplo, resources/cribl_job.yml).

3. Implante o pipeline usando a CLI do Databricks:

   Bash

   databricks bundle deploy

Databricks notebook

1. Importe o seguinte notebook para o seu workspace do Databricks:

Abrir notebook em uma nova abaOpen in Databricks

2. Deixe as células um e dois como estão. Não modificar.

3. Modifique a célula três com os detalhes da configuração do pipeline. Veja pipeline.ingestion_definition e Exemplos.

4. Opcionalmente, configure as configurações avançadas do pipeline. Consulte Padrões comuns para pipelines de ingestão gerenciados.

5. Clique em Executar tudo .

Exemplos

O conector Cribl disponibiliza 21 tabelas de origem no esquema de origem default. Ingira tabelas individuais ou as tabelas de que você precisa.

Ingerir tabelas específicas

Use esta opção para ingerir um subconjunto específico de tabelas ou para personalizar a nomenclatura de destino por tabela.

Declarative Automation Bundles

O seguinte arquivo de definição de pipeline ingere tabelas Cribl individuais:

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

A especificação de pipeline a seguir ingere tabelas Cribl individuais:

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)

Arquivo de definição de job de Pacotes de Automação Declarativa

A seguir está um exemplo de arquivo de definição de job para uso com Pacotes de Automação Declarativa. O Job é execução diariamente.

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}

Padrões comuns

Para configurações avançadas de pipeline, consulte Padrões comuns para pipelines de ingestão gerenciados.

Os passos seguintes

Comece, programe e defina alertas em seu pipeline. Consulte Tarefas comuns de manutenção de pipeline.

Outros recursos

• FAQ do conector Cribl
• Limitações do conector Cribl
• Referência do conector Cribl
• Solucionar problemas do conector Cribl