query federada de execução no PostgreSQL
Visualização
Este recurso está em visualização pública.
Este artigo descreve como configurar o lakehouse Federation para executar consultas federadas na execução de consultas em dados do PostgreSQL que não são gerenciados pelo Databricks. Para saber mais sobre a lakehouse Federation, consulte O que é a lakehouse Federation.
Para se conectar às suas consultas de execução no banco de dados PostgreSQL usando a Federação lakehouse , você deve criar o seguinte em seu metastore do Databricks Unity Catalog:
Uma conexão com sua query de execução no banco de dados PostgreSQL.
Um catálogo externo que espelha a sua query de execução na base de dados PostgreSQL no Catálogo Unity para que possa utilizar a sintaxe query do Catálogo Unity e ferramentas de governação de dados para gerir o acesso do utilizador Databricks à base 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 warehouse deve ser Pro ou serverless.
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 privilégioCREATE 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 .
Permissões necessárias: administrador ou usuário do metastore com o privilégio CREATE CONNECTION
.
No seu workspace do Databricks, clique em Catálogo.
No painel esquerdo, expanda o menu Dados externos e selecione Conexões.
Clique em Criar conexão.
Digite um nome de conexão amigável.
Selecione um tipo de conexão de PostgreSQL.
Insira as seguintes propriedades de conexão para sua instância do PostgreSQL.
Anfitrião: Por exemplo,
postgres-demo.lb123.us-west-2.rds.amazonaws.com
Porto: Por exemplo,
5432
Usuário: Por exemplo,
postgres_user
Senha: Por exemplo,
password123
(Opcional) Clique em Testar conexão para confirmar se funciona.
(Opcional) Adicione um comentário.
Clique em Criar.
execução do seguinte comando em um Notebook ou no editor query Databricks SQL .
CREATE CONNECTION <connection-name> TYPE postgresql
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 postgresql
OPTIONS (
host '<hostname>',
port '<port>',
user secret ('<secret-scope>','<secret-key-user>'),
password secret ('<secret-scope>','<secret-key-password>')
)
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 .
Permissões necessárias: permissão CREATE CATALOG
no metastore e propriedade da conexão ou o privilégio CREATE FOREIGN CATALOG
na conexão.
No seu workspace do Databricks, clique em Catálogo.
Clique no botão Criar Catálogo .
Na caixa de diálogo Criar um novo catálogo , insira um nome para o catálogo e selecione um Tipo de Estrangeiro.
Selecione a conexão que fornece acesso ao banco de dados que você deseja espelhar como um catálogo do Unity Catalog.
Digite o nome do banco de dados que você deseja espelhar como um catálogo.
Clique em Criar.
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.<database-name>
: Nome do banco de dados que você deseja espelhar como um catálogo no Databricks.
CREATE FOREIGN CATALOG [IF NOT EXISTS] <catalog-name> USING CONNECTION <connection-name>
OPTIONS (database '<database-name>');
Empurrões suportados
Os seguintes pushdowns são suportados em todos compute:
Filtros
Projeções
Limite
Funções: parcial, apenas para expressões de filtro. funções strings , funções matemáticas, funções Data, Time e Timestamp 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:
As seguintes funções de agregação: MIN, MAX, COUNT, SUM, AVG, VAR_POP, VAR_SAMP, STDDEV_POP, STDDEV_SAMP, GREATEST, LEAST, COVAR_POP, COVAR_SAMP, CORR, REGR_INTERCEPT, REGR_R2, REGR_SLOPE, REGR_SXY
As seguintes funções Boolean: =, <, <, =>, >=, <=>
As seguintes funções matemáticas (não suportadas se o ANSI estiver desativado): +, -, *, %, /
Operadores diversos | e ~
Ordenação, quando usada com limite
Os seguintes pushdowns não são suportados:
join
funções do Windows
Mapeamentos de tipo de dados
Quando você lê do PostgreSQL para o Spark, os tipos de dados são mapeados da seguinte maneira:
tipo PostgreSQL |
Tipo Spark |
---|---|
numérico |
Tipo Decimal |
int2 |
ShortType |
int4 (se não estiver assinado) |
Tipo inteiro |
int8, oid, xid, int4 (se assinado) |
LongType |
float4 |
FloatType |
precisão dupla, float8 |
DoubleType |
Caracteres |
CharType |
nome, varchar, tid |
VarcharType |
bpchar, variação de caracteres, JSON, dinheiro, ponto, super, texto |
StringType |
bytea, geometria, varbyte |
Tipo Binário |
pouco, bool |
BooleanType |
data |
DataTipo |
tabstime, hora, hora com fuso horário, timetz, hora sem fuso horário, timestamp com fuso horário, timestamp, timestamptz, timestamp sem fuso horário* |
TimestampType/TimestampNTZType |
Tipo de array Postgresql** |
ArrayType |
*Quando você lê do Postgresql, Postgresql Timestamp
é mapeado para Spark TimestampType
se preferTimestampNTZ = false
(default). Postgresql Timestamp
é mapeado para TimestampNTZType
se preferTimestampNTZ = true
.
**Tipos de array limitados são suportados.