execução query federada no Amazon Redshift
Este artigo descreve como configurar a Lakehouse Federation para executar consultas federadas na execução de consultas em Amazon Redshift dados que não são gerenciados por 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 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 Databricks Runtime 13.3 LTS ou acima e modo de acesso de usuário compartilhado ou único.
Os SQL warehouse devem ser Pro ou Serverless e devem utilizar a versão 2023.40 ou superior.
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 .
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
.
No seu workspace do Databricks, clique em Catálogo.
Na parte superior do painel Catálogo, clique no ícone 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).
Digite um nome de conexão amigável.
Selecione um tipo de conexão de Redshift.
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
(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 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.
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.
Em seu site Databricks workspace, clique em Catalog para abrir o Catalog Explorer.
Na parte superior do painel Catalog (Catálogo ), clique no ícone 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 ).
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
.