execução query federada no Amazon Redshift

Visualização

Este recurso está em visualização pública.

Este artigo descreve como configurar o lakehouse Federation para executar consultas federadas na execução de consultas nos dados do Amazon Redshift 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 Amazon Redshift usando lakehouse Federation, você deve criar o seguinte em seu metastore do Databricks Unity Catalog:

  • Uma conexão com sua query de execução no banco de dados Amazon Redshift.

  • Um catálogo externo que espelha sua query de execução no banco de dados do Amazon Redshift no Unity Catalog para que você possa usar a sintaxe query do 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 .

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 Redshift.

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

    • Anfitrião: Por exemplo, redshift-demo.us-west-2.redshift.amazonaws.com

    • Porto: Por exemplo, 5439

    • Usuário: Por exemplo, redshift_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 redshift
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 redshift
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, o senhor pode usar o Catalog Explorer ou o comando CREATE FOREIGN CATALOG SQL em um Databricks Notebook ou o editor de consultas SQL.

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.

Execute o seguinte comando SQL em um editor de consultas Notebook ou SQL. Os itens entre parênteses são opcionais. Substitua os valores do 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:

  • Filtros

  • Projeções

  • Limite

  • join

  • Agregados (Average, Count, Max, Min, StddevPop, StddevSamp, Sum, VarianceSamp)

  • Funções (funções strings e outras funções diversas, como Alias, Cast, SortOrder)

  • Ordenação

Os seguintes pushdowns não são suportados:

  • funções do Windows

Mapeamentos de tipo de dados

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

tipo Redshift

Tipo Spark

numérico

Tipo Decimal

int2, int4

Tipo inteiro

int8, id, xid

LongType

float4

FloatType

precisão dupla, float8, dinheiro

DoubleType

bpchar, char, variação de caracteres, nome, super, texto, tid, varchar

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

*Quando você lê do Redshift, Redshift Timestamp é mapeado para Spark TimestampType se infer_timestamp_ntz_type = false (default). Redshift Timestamp é mapeado para TimestampNTZType se infer_timestamp_ntz_type = true.