Execução de consultas federadas no MySQL

Este artigo descreve como configurar o Lakehouse Federation para executar consultas federadas nos dados do site MySQL que não são gerenciados pelo site Databricks. Para saber mais sobre a lakehouse Federation, consulte O que é a lakehouse Federation?

Para se conectar ao seu banco de dados MySQL usando lakehouse Federation, você deve criar o seguinte em seu metastore do Databricks Unity Catalog:

  • Uma conexão com seu banco de dados MySQL.

  • Um catálogo estrangeiro que espelha seu banco de dados MySQL no Unity Catalog para que você possa usar a sintaxe query Unity Catalog e as ferramentas de governança de dados para gerenciar o acesso do usuário do Databricks ao banco de dados.

Antes de começar

Requisitos workspace :

  • workspace ativado para Unity Catalog.

requisitos compute :

  • Conectividade de rede de seus clusters Databricks Runtime ou SQL warehouse para os sistemas de banco de dados de destino. Consulte as recomendações de rede para lakehouse Federation.

  • Databricks clusters deve usar Databricks Runtime 13.3 LTS ou acima e o modo de acesso compartilhado ou de usuário único.

  • SQL O armazém deve ser Pro ou serverless e deve usar 2023.40 ou acima.

Permissões necessárias:

  • Para criar uma conexão, você deve ser um administrador do metastore ou um usuário com o privilégio CREATE CONNECTION no metastore do Unity Catalog anexado ao workspace.

  • Para criar um catálogo externo, você deve ter a permissão CREATE CATALOG no metastore e ser o proprietário da conexão ou ter o privilégio CREATE FOREIGN CATALOG na conexão.

Requisitos de permissão adicionais são especificados em cada seção baseada em tarefa a seguir.

Criar uma conexão

Uma conexão especifica um caminho e credenciais para acessar um sistema de banco de dados externo. Para criar uma conexão, você pode usar o Catalog Explorer ou o comando SQL CREATE CONNECTION em um Notebook do Databricks ou no editor query Databricks SQL .

Observação

O senhor também pode usar a API REST da Databricks ou a CLI da Databricks para criar uma conexão. Veja POST /api/2.1/unity-catalog/connections e Unity Catalog comando.

Permissões necessárias: administrador ou usuário do metastore com o privilégio CREATE CONNECTION .

  1. No seu workspace do Databricks, clique em Ícone de catálogo Catálogo.

  2. Na parte superior do painel Catálogo, clique no ícone Ícone de adição ou de mais Add e selecione Add a connection (Adicionar uma conexão ) no menu.

    Como alternativa, na página Quick access (Acesso rápido ), clique no botão External data (Dados externos) >, acesse Connections (Conexões ) tab e clique em Create connection (Criar conexão).

  3. Digite um nome de conexão amigável.

  4. Selecione um tipo de conexão de MySQL.

  5. Insira as seguintes propriedades de conexão para sua instância do MySQL.

    • Anfitrião: Por exemplo, mysql-demo.lb123.us-west-2.rds.amazonaws.com

    • Porto: Por exemplo, 3306

    • Usuário: Por exemplo, mysql_user

    • Senha: Por exemplo, password123

  6. (Opcional) Clique em Testar conexão para confirmar se funciona.

  7. (Opcional) Adicione um comentário.

  8. Clique em Criar.

execução do seguinte comando em um Notebook ou no editor query Databricks SQL .

CREATE CONNECTION <connection-name> TYPE mysql
OPTIONS (
  host '<hostname>',
  port '<port>',
  user '<user>',
  password '<password>'
);

Recomendamos que você use segredos do Databricks em vez de strings de texto sem formatação para valores confidenciais, como credenciais. Por exemplo:

CREATE CONNECTION <connection-name> TYPE mysql
OPTIONS (
  host '<hostname>',
  port '<port>',
  user secret ('<secret-scope>','<secret-key-user>'),
  password secret ('<secret-scope>','<secret-key-password>')
)

Se o senhor precisar usar strings de texto simples no comando Notebook SQL, evite truncar as strings escapando de caracteres especiais como $ com \. Por exemplo: \$.

Para obter informações sobre como configurar segredos, consulte Gerenciamento de segredos.

Criar um catálogo estrangeiro

Um catálogo externo espelha um banco de dados em um sistema de dados externo para que você possa query e gerenciar o acesso aos dados nesse banco de dados usando Databricks e Unity Catalog. Para criar um catálogo externo, você usa uma conexão com a fonte de dados que já foi definida.

Para criar um catálogo externo, você pode usar o Catalog Explorer ou o comando SQL CREATE FOREIGN CATALOG em um Notebook do Databricks ou no editor query Databricks SQL .

Observação

O senhor também pode usar a API REST da Databricks ou a CLI da Databricks para criar um catálogo. Veja POST /api/2.1/unity-catalog/catalogs e Unity Catalog comando.

Permissões necessárias: permissão CREATE CATALOG no metastore e propriedade da conexão ou o privilégio CREATE FOREIGN CATALOG na conexão.

  1. Em seu site Databricks workspace, clique em Ícone de catálogo Catalog para abrir o Catalog Explorer.

  2. Na parte superior do painel Catalog (Catálogo ), clique no ícone Ícone de adição ou de mais Add (Adicionar ) e selecione Add a catalog (Adicionar um catálogo ) no menu.

    Como alternativa, na página de acesso rápido, clique no botão Catalogs (Catálogos ) e, em seguida, clique no botão Create catalog (Criar catálogo ).

  3. Siga as instruções para criar catálogos estrangeiros em Criar catálogos.

execução do seguinte comando SQL em um editor SQL Notebook ou Databricks SQL . Os itens entre colchetes são opcionais. Substitua os valores de espaço reservado:

  • <catalog-name>: Nome do catálogo no Databricks.

  • <connection-name>: O objeto de conexão que especifica a fonte de dados, o caminho e as credenciais de acesso.

CREATE FOREIGN CATALOG [IF NOT EXISTS] <catalog-name> USING CONNECTION <connection-name>;

Empurrões suportados

Os seguintes pushdowns são suportados em todos compute:

  • Filtros

  • Projeções

  • Limite

  • Funções: parcial, somente para expressões de filtro. funções de cadeias de caracteres, funções matemáticas, funções de data, hora e registro de data e hora e outras funções diversas, como Alias, Cast, SortOrder)

Os pushdowns a seguir são compatíveis com o Databricks Runtime 13.3 LTS e acima, e com o SQL warehouse:

  • Agregados

  • Boolean operadores

  • As seguintes funções matemáticas (não suportadas se o ANSI estiver desativado): +, -, *, %, /

  • Ordenação, quando usada com limite

Os seguintes pushdowns não são suportados:

  • join

  • funções do Windows

Mapeamentos de tipo de dados

Quando você lê do MySQL para o Spark, os tipos de dados são mapeados da seguinte maneira:

tipo MySQL

Tipo Spark

bigint (se não for assinado), decimal

Tipo Decimal

tinyint*, int, inteiro, mediumint, smallint

Tipo inteiro

bigint (se assinado)

LongType

flutuador

FloatType

dobro

DoubleType

char, enum, conjunto

CharType

varchar

VarcharType

JSON, longtext, mediumtext, text, tinytext

StringType

binário, blob, varbinary, varchar binário

Tipo Binário

bit, Boolean

BooleanType

data, ano

DataTipo

data e hora, hora, carimbo de data/hora**

TimestampType/TimestampNTZType

*tinyint(1) signed e tinyint(1) unsigned são tratados como booleanos e convertidos em BooleanType. Consulte Referência do conector/J na documentação do MySQL.

** Quando o senhor lê em MySQL, MySQL Timestamp é mapeado para Spark TimestampType se preferTimestampNTZ = false (default). MySQL Timestamp é mapeado para TimestampNTZType se preferTimestampNTZ = true.