Ingerir dados do armazenamento de objetos na nuvem

Este artigo lista as maneiras pelas quais o senhor pode configurar a ingestão incremental do armazenamento de objetos do cloud.

Adicionar dados UI

Para saber como usar a UI de adição de dados para criar uma tabela gerenciar a partir de dados no armazenamento de objetos cloud, consulte Carregar uso de dados em um local externo Unity Catalog .

Notebook ou editor SQL

Esta seção descreve as opções para configurar a ingestão incremental do armazenamento de objetos do site cloud usando um Notebook ou o editor Databricks SQL.

Auto Loader

O Auto Loader processa de forma incremental e eficiente novos arquivos de dados à medida que eles chegam ao armazenamento em nuvem, sem necessidade de configuração adicional. O Auto Loader fornece uma fonte de transmissão estruturada chamada cloudFiles. Dado um caminho de diretório de entrada no armazenamento de arquivos na nuvem, a fonte cloudFiles processa automaticamente os novos arquivos à medida que eles chegam, com a opção de também processar os arquivos existentes nesse diretório.

COPY INTO

Com COPY INTOos usuários do site SQL podem ingerir dados de forma incremental e independente do armazenamento de objetos do site cloud nas tabelas do site Delta. O senhor pode usar COPY INTO em Databricks SQL, Notebook e Databricks Jobs.

Quando usar o COPY INTO e quando usar o Auto Loader

Aqui estão alguns aspectos a serem considerados ao escolher entre o Auto Loader e o COPY INTO:

  • Se você for ingerir arquivos da ordem de milhares ao longo do tempo, você pode usar COPY INTO. Se o senhor estiver esperando arquivos da ordem de milhões ou mais ao longo do tempo, use o Auto Loader. O Auto Loader requer menos operações totais para descobrir arquivos em comparação com COPY INTO e pode dividir o processamento em vários lotes, o que significa que o Auto Loader é menos dispendioso e mais eficiente em escala.

  • Se o seu esquema de dados for evoluir com frequência, o Auto Loader oferece tipos de dados primitivos melhores para a inferência e a evolução do esquema. Consulte Configurar a inferência e a evolução do esquema no Auto Loader para obter mais detalhes.

  • Carregar um subconjunto de arquivos de reenvio pode ser um pouco mais fácil de gerenciar com COPY INTO. Com o Auto Loader, é mais difícil reprocessar um subconjunto selecionado de arquivos. No entanto, o senhor pode usar COPY INTO para recarregar o subconjunto de arquivos enquanto uma transmissão Auto Loader estiver sendo executada simultaneamente.

Para obter uma breve visão geral e uma demonstração do Auto Loader e COPY INTO, assista ao seguinte vídeo do YouTube (2 minutos).

Automatize o ETL com o Delta Live Tables e o Auto Loader

O senhor pode simplificar a implantação de uma infraestrutura de ingestão incremental e dimensionável com o Auto Loader e o Delta Live Tables. Delta Live Tables não usa a execução interativa padrão encontrada no Notebook; em vez disso, enfatiza a implantação da infraestrutura pronta para produção.

Ferramentas de ingestão de terceiros

Databricks valida as integrações do parceiro tecnológico que permitem que o senhor faça a ingestão de várias fontes, incluindo o armazenamento de objetos cloud. Essas integrações permitem a ingestão de dados escalonável e com pouco código de uma variedade de fontes na Databricks. Ver parceiro tecnológico. Alguns parceiros tecnológicos são apresentados em What is Databricks Partner Connect?, que fornece uma interface de usuário que simplifica a conexão de ferramentas de terceiros aos seus dados do lakehouse.