execução de consultas federadas no Microsoft Azure Synapse

Visualização

Este recurso está em visualização pública.

Este artigo descreve como configurar o lakehouse Federation para executar consultas federadas nos dados do Azure Synapse (SQL data warehouse) que não são gerenciados pelo Databricks. Para saber mais sobre a lakehouse Federation, consulte O que é a lakehouse Federation.

Para se conectar a um banco de dados do Azure Synapse (SQL data warehouse) usando lakehouse Federation, você deve criar o seguinte em seu metastore do Databricks Unity Catalog:

  • Uma conexão com seu banco de dados do Azure Synapse ( data warehouse SQL).

  • Um catálogo externo que espelha seu banco de dados do Azure Synapse ( data warehouse SQL) 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.

  • Os clusters do Databricks devem usar o Databricks Runtime 13.1 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 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. No painel esquerdo, expanda o menu Dados externos e selecione Conexões.

  3. Clique em Criar conexão.

  4. Digite um nome de conexão amigável.

  5. Selecione um tipo de conexão de SQLDW.

  6. Insira as seguintes propriedades de conexão para sua instância do Azure Synapse.

    • Host: Por exemplo, sqldws-demo.database.windows.net.

    • Porto: Por exemplo, 1433

    • trustServerCertificate: default para false. Quando definido como true, a camada de transporte usa SSL para criptografar o canal e ignora a cadeia de certificados para validar a confiança. Deixe isso definido como default , a menos que você tenha uma necessidade específica de ignorar a validação de confiança.

    • Do utilizador

    • Senha

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

  8. (Opcional) Adicione um comentário.

  9. Clique em Criar.

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

CREATE CONNECTION <connection-name> TYPE sqldw
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 sqldw
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.

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

  2. Clique no botão Criar Catálogo .

  3. Na caixa de diálogo Criar um novo catálogo , insira um nome para o catálogo e selecione um Tipo de Estrangeiro.

  4. Selecione a conexão que fornece acesso ao banco de dados que você deseja espelhar como um catálogo do Unity Catalog.

  5. Digite o nome do banco de dados que você deseja espelhar como um catálogo.

  6. 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:

  • Filtros

  • Projeções

  • Limite

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

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

  • Ordenação

Os seguintes pushdowns não são suportados:

  • join

  • funções do Windows

Mapeamentos de tipo de dados

Quando você lê do data warehouse Synapse/SQL para o Spark, os tipos de dados são mapeados da seguinte maneira:

Tipo de Synapse

Tipo Spark

decimal, dinheiro, numérico, smallmoney

Tipo Decimal

smallint

ShortType

minúsculoint

ByteType

int

Tipo inteiro

bigint

LongType

real

FloatType

flutuador

DoubleType

char, nchar, ntext, nvarchar, text, identificador único, varchar, xml

StringType

binário, geografia, geometria, imagem, timestamp, udt, varbinary

Tipo Binário

pedaço

BooleanType

data

DataTipo

datetime, datetime, smalldatetime, hora

TimestampType/TimestampNTZType*

*Quando você lê do data warehouse Synapse/SQL (SQLDW), SQLDW datetimes são mapeados para Spark TimestampType se preferTimestampNTZ = false (default). SQLDW datetimes são mapeados para TimestampNTZType se preferTimestampNTZ = true.