execução de consultas federadas no Oracle

Prévia

Este artigo descreve como configurar o Lakehouse Federation para executar consultas federadas em dados Oracle 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 banco de dados Oracle usando o Lakehouse Federation, o senhor deve criar o seguinte no metastore Databricks Unity Catalog :

Uma conexão com seu banco de dados Oracle.
Um catálogo externo que espelha seu banco de dados Oracle no Unity Catalog para que o senhor possa usar a sintaxe de consulta 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

Antes de começar, verifique se você atende aos requisitos desta seção.

Requisitos do Databricks

Requisitos do workspace:

Espaço de trabalho preparado para o Catálogo do Unity.

Requisitos de computação:

Conectividade de rede do seu recurso compute para os sistemas de banco de dados de destino. Veja as recomendações do Networking para a Lakehouse Federation.
Databricks compute deve usar o site Databricks Runtime 16.1 ou acima e o modo de acesso de usuário compartilhado ou único.
SQL O armazém deve ser pro ou serverless e deve usar 2024.50 ou acima.

Permissões necessárias:

Para criar uma conexão, é preciso ser administrador de metastore ou usuário com o privilégio CREATE CONNECTION no metastore do Unity Catalog anexado ao espaço de trabalho.
Para criar um catálogo externo é preciso ter a permissão CREATE CATALOG no metastore e ser proprietário da conexão ou ter o privilégio CREATE FOREIGN CATALOG na conexão.

Outros requisitos de permissão são definidos em cada seção baseada em tarefa a seguir.

Requisitos da Oracle

Criptografia do lado do servidor ativada.

Criar uma conexão com o Databricks

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

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 do Metastore ou usuário com o privilégio CREATE CONNECTION.

No site Databricks workspace, clique em Catalog.
No painel esquerdo, expanda o menu External Data e selecione Connections.
Clique em Criar conexão.
Insira um nome de conexão fácil de lembrar.
Selecione um tipo de conexão do Oracle.
Insira as seguintes propriedades de conexão para a instância Oracle:
- Anfitrião: Por exemplo, oracle-demo.123456.rds.amazonaws.com
- Porto: Por exemplo, 1521
- Usuário: Por exemplo, oracle_user
- Senha: Por exemplo, password123
(Opcional) Adicione um comentário.
Clique em Criar.

Execute o seguinte comando em um Notebook ou no editor de consultas Databricks SQL:

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

Databricks recomenda que o senhor use Databricks segredos em vez de texto simples strings para valores confidenciais, como credenciais. Por exemplo:

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

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

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

Crie um catálogo externo

Um catálogo externo espelha um banco de dados em um sistema de dados externo para você consultar e gerenciar o acesso aos dados nesse banco de dados com Databricks e Unity Catalog. Para criar um catálogo externo, utiliza-se 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 Notebook Databricks ou o editor de consultas 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 na metastore e propriedade da conexão ou o privilégio CREATE FOREIGN CATALOG na conexão.

No site Databricks workspace, clique em Catalog para abrir o Catalog Explorer.
Na parte superior do painel Catálogo, clique no ícone Adicionar e selecione Adicionar um catálogo no menu.

Como alternativa, na página de acesso rápido, clique no botão Catálogos e no botão Criar catálogo.
Siga as instruções para criar catálogos externos em Criar catálogos.

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

<catalog-name>: Nome para o catálogo no Databricks.
<connection-name>: o objeto de conexão que especifica a fonte de dados, o caminho e as credenciais de acesso.
<service-name>: Nome do serviço que o senhor deseja espelhar como um catálogo no Databricks.

CREATE FOREIGN CATALOG [IF NOT EXISTS] <catalog-name> USING CONNECTION <connection-name>
OPTIONS (service_name '<service-name>');

Pushdowns suportados

Os seguintes pushdowns são suportados:

Filtros
Projeções
Limite
Agregados
deslocamento
Elenco
Contém, começa com, termina com

Mapeamentos de tipos de dados

Quando o senhor lê do Oracle para o Spark, os tipos de dados são mapeados da seguinte forma:

Tipo de oráculo	Spark tipo
TIMESTAMP COM FUSO HORÁRIO, TIMESTAMP COM FUSO HORÁRIO LOCAL	timestampType
DATA, CARIMBO DE DATA/HORA	Tipo de carimbo de data/carimbo de data/hora/tipo NTZ*
NÚMERO, FLUTUADOR	Tipo decimal
FLUTUADOR BINÁRIO	Tipo de flutuação
DUPLO BINÁRIO	Tipo duplo
CHAR, NCHAR, VARCHAR2, NVARCHAR2	Tipo de string

* DATE e TIMESTAMP são mapeados para Spark TimestampType se spark.sql.timestampType = TIMESTAMP_LTZ (default). Eles são mapeados para TimestampNtzType se spark.sql.timestampType = TIMESTAMP_NTZ.