Python용 Databricks SQL 커넥터

Python용 Databricks SQL 커넥터는 Python 코드를 사용하여 Azure Databricks 클러스터 및 Databricks SQL 웨어하우스에서 SQL 명령을 실행하도록 해 주는 Python 라이브러리입니다. Python용 Databricks SQL 커넥터는 pyodbc와 같은 다른 비슷한 Python 라이브러리보다 쉽게 설정하고 사용할 수 있습니다. 이 라이브러리는 PEP 249 – Python 데이터베이스 API 사양 v2.0을 따릅니다.

요구 사항

• Python >=3.8 및 <=3.11을 실행하는 개발 컴퓨터
• Databricks는 Python에 포함된 venv에서 제공하는 환경과 같은 Python 가상 환경을 사용하는 것이 좋습니다. 가상 환경은 올바른 버전의 Python과 Python용 Databricks SQL 커넥터를 함께 사용하는 데 도움이 됩니다. 가상 환경 설정 및 사용은 이 문서의 범위를 벗어납니다. 자세한 내용은 가상 환경 만들기를 참조하세요.
• 기존 클러스터 또는 SQL 웨어하우스.

시작하기

• pip install databricks-sql-connector 또는 python -m pip install databricks-sql-connector를 실행하여 개발 머신에 Python용 Databricks SQL 커넥터 라이브러리를 설치합니다.

• 사용하려는 클러스터 또는 SQL 웨어하우스에 대해 다음 정보를 수집합니다.

  클러스터

  • 클러스터의 서버 호스트 이름. 클러스터의 고급 옵션 > JDBC/ODBC 탭의 서버 호스트 이름 값으로 확인할 수 있습니다.
  • 클러스터의 HTTP 경로. 클러스터의 고급 옵션 > JDBC/ODBC 탭의 HTTP 경로 값으로 확인할 수 있습니다.

  SQL 웨어하우스

  • SQL 웨어하우스의 서버 호스트 이름. SQL 웨어하우스의 연결 세부 정보 탭의 서버 호스트 이름 값으로 확인할 수 있습니다.
  • SQL 웨어하우스의 HTTP 경로. SQL 웨어하우스의 연결 세부 정보 탭의 HTTP 경로 값으로 확인할 수 있습니다.

인증

Python용 Databricks SQL 커넥터는 다음의 Azure Databricks 인증 유형을 지원합니다.

• Databricks 개인용 액세스 토큰 인증
• Microsoft Entra ID 토큰 인증
• OAuth M2M(machine-to-machine) 인증
• OAuth 사용자 대 컴퓨터(U2M) 인증

Python용 Databricks SQL 커넥터는 다음의 Azure Databricks 인증 유형은 아직 지원하지 않습니다.

• Azure 관리 ID 인증
• MS Entra 서비스 주체 인증
• Azure CLI 인증

Databricks 개인용 액세스 토큰 인증

Azure Databricks 개인용 액세스 토큰 인증과 함께 Python용 Databricks SQL Connector를 사용하려면 먼저 Azure Databricks 개인용 액세스 토큰을 만들어야 합니다. 이렇게 하려면 작업 영역 사용자를 위한 Azure Databricks 개인용 액세스 토큰의 단계를 수행합니다.

Python용 Databricks SQL 커넥터를 인증하려면 다음 코드 조각을 사용합니다. 이 코드 조각에서는 다음 환경 변수를 설정한다고 가정합니다.

• DATABRICKS_SERVER_HOSTNAME클러스터 또는 SQL 웨어하우스의 서버 호스트 이름 값으로 설정합니다.
• DATABRICKS_HTTP_PATH, 클러스터 또는 SQL 웨어하우스의 HTTP 경로 값으로 설정합니다.
• DATABRICKS_TOKEN, Azure Databricks 개인용 액세스 토큰으로 설정.

환경 변수를 설정하려면 운영 체제 설명서를 참조하세요.

from databricks import sql
import os

with sql.connect(server_hostname = os.getenv("DATABRICKS_SERVER_HOSTNAME"),
                 http_path       = os.getenv("DATABRICKS_HTTP_PATH"),
                 access_token    = os.getenv("DATABRICKS_TOKEN")) as connection:
# ...

OAuth M2M(machine-to-machine) 인증

Python 버전 2.7.0 이상용 Databricks SQL 커넥터는 OAuth M2M(컴퓨터 대 컴퓨터) 인증을 지원합니다. Python 0.18.0 이상 버전용 Databricks SDK도 설치해야 합니다(예: pip install databricks-sdk 또는 python -m pip install databricks-sdk 실행).

OAuth M2M 인증과 함께 Python용 Databricks SQL 커넥터를 사용하려면 다음을 수행해야 합니다.

1. Azure Databricks 작업 영역에서 Azure Databricks 서비스 주체를 만들고 해당 서비스 주체에 대한 OAuth 비밀을 만듭니다.

   서비스 주체 및 해당 OAuth 비밀을 만들려면 OAuth(OAuth M2M)를 사용하여 서비스 주체로 Azure Databricks에 액세스 인증을 참조하세요. 서비스 주체의 UUID 또는 응용 프로그램 ID 값과 서비스 주체의 OAuth 비밀에 대한 비밀 값을 기록해 둡니다.

2. 해당 서비스 주체에게 클러스터 또는 웨어하우스에 대한 액세스 권한을 부여합니다.

   서비스 주체에게 클러스터 또는 웨어하우스에 대한 액세스 권한을 부여하려면 컴퓨팅 사용 권한 또는 SQL 웨어하우스 관리를 참조하세요.

Python용 Databricks SQL 커넥터를 인증하려면 다음 코드 조각을 사용합니다. 이 코드 조각에서는 다음 환경 변수를 설정한다고 가정합니다.

• DATABRICKS_SERVER_HOSTNAME 클러스터 또는 SQL 웨어하우스의 서버 호스트 이름 값으로 설정합니다.
• DATABRICKS_HTTP_PATH, 클러스터 또는 SQL 웨어하우스의 HTTP 경로 값으로 설정합니다.
• DATABRICKS_CLIENT_ID, 서비스 주체의 UUID 또는 애플리케이션 ID 값으로 설정.
• DATABRICKS_CLIENT_SECRET, Azure Databricks 서비스 주체의 OAuth 비밀 값으로 설정합니다.

환경 변수를 설정하려면 운영 체제 설명서를 참조하세요.

from databricks.sdk.core import Config, oauth_service_principal
from databricks import sql
import os

server_hostname = os.getenv("DATABRICKS_SERVER_HOSTNAME")

def credential_provider():
  config = Config(
    host          = f"https://{server_hostname}",
    client_id     = os.getenv("DATABRICKS_CLIENT_ID"),
    client_secret = os.getenv("DATABRICKS_CLIENT_SECRET"))
  return oauth_service_principal(config)

with sql.connect(server_hostname      = server_hostname,
                 http_path            = os.getenv("DATABRICKS_HTTP_PATH"),
                 credentials_provider = credential_provider) as connection:
# ...

Microsoft Entra ID 토큰 인증

Microsoft Entra ID 토큰 인증과 함께 Python용 Databricks SQL 커넥터를 사용하려면 Python용 Databricks SQL 커넥터에 Microsoft Entra ID 토큰을 제공해야 합니다. Microsoft Entra ID 액세스 토큰을 만들려면 다음을 수행합니다:

• Azure Databricks 사용자의 경우 Azure CLI를 사용할 수 있습니다. Azure CLI를 사용하여 사용자를 위한 Microsoft Entra ID 토큰 받기를 참조하세요.
• Microsoft Entra ID 서비스 주체의 경우 Azure CLI를 사용하여 Microsoft Entra ID 액세스 토큰 가져오기를 참조하세요. Microsoft Entra ID 관리 서비스 주체를 만들려면 서비스 주체 관리를 참조하세요.

Microsoft Entra ID 토큰의 기본 수명은 약 1시간입니다. 새 Microsoft Entra ID 토큰을 만들려면 이 프로세스를 반복합니다.

Python용 Databricks SQL 커넥터를 인증하려면 다음 코드 조각을 사용합니다. 이 코드 조각에서는 다음 환경 변수를 설정한다고 가정합니다.

• DATABRICKS_SERVER_HOSTNAME클러스터 또는 SQL 웨어하우스의 서버 호스트 이름 값으로 설정합니다.
• DATABRICKS_HTTP_PATH를 클러스터 또는 SQL 웨어하우스의 HTTP 경로 값으로 설정합니다.
• DATABRICKS_TOKEN을 Microsoft Entra ID 토큰으로 설정합니다.

환경 변수를 설정하려면 운영 체제 설명서를 참조하세요.

from databricks import sql
import os

with sql.connect(server_hostname = os.getenv("DATABRICKS_SERVER_HOSTNAME"),
                 http_path       = os.getenv("DATABRICKS_HTTP_PATH"),
                 access_token    = os.getenv("DATABRICKS_TOKEN")) as connection:
# ...

OAuth 사용자 대 컴퓨터(U2M) 인증

Python 2.7.0 이상 버전용 Databricks SQL 커넥터는 OAuth U2M(사용자 대 컴퓨터) 인증을 지원합니다. Python 0.19.0 이상 버전용 Databricks SDK도 설치해야 합니다(예: pip install databricks-sdk 또는 python -m pip install databricks-sdk 실행).

OAuth U2M 인증으로 Python용 Databricks SQL 커넥터를 인증하려면 다음 코드 조각을 사용합니다. OAuth U2M 인증은 실시간 사용자 로그인 및 대상 Azure Databricks 사용자 계정 인증을 위한 동의를 사용합니다. 이 코드 조각에서는 다음 환경 변수를 설정한다고 가정합니다.

• DATABRICKS_SERVER_HOSTNAME클러스터 또는 SQL 웨어하우스의 서버 호스트 이름 값으로 설정합니다.
• DATABRICKS_HTTP_PATH를 클러스터 또는 SQL 웨어하우스의 HTTP 경로 값으로 설정합니다.

환경 변수를 설정하려면 운영 체제 설명서를 참조하세요.

from databricks import sql
import os

with sql.connect(server_hostname = os.getenv("DATABRICKS_SERVER_HOSTNAME"),
                 http_path       = os.getenv("DATABRICKS_HTTP_PATH"),
                 auth_type       = "databricks-oauth") as connection:
# ...

예제

다음 코드 예제에서는 Python용 Databricks SQL Connector를 사용하여 데이터를 쿼리 및 삽입하고, 메타데이터를 쿼리하고, 커서와 연결을 관리하고, 로깅을 구성하는 방법을 보여 줍니다.

이러한 코드 예제는 다음 환경 변수에서 해당 server_hostname, http_path 및 access_token 연결 변수 값을 검색합니다.

• DATABRICKS_SERVER_HOSTNAME - 요구 사항의 서버 호스트 이름 값을 나타냅니다.
• DATABRICKS_HTTP_PATH - 요구 사항의 HTTP 경로를 나타냅니다.
• DATABRICKS_TOKEN - 요구 사항의 액세스 토큰을 나타냅니다.

다른 방법을 사용하여 이러한 연결 변수 값을 검색할 수 있습니다. 환경 변수를 사용하는 것은 여러 방법 중 하나에 불과합니다.

• 쿼리 데이터
• 데이터 삽입
• 메타데이터 쿼리
• 커서 및 연결 관리
• Unity 카탈로그 볼륨의 파일 관리
• 로깅 구성

쿼리 데이터

다음 코드 예제에서는 Python용 Databricks SQL 커넥터를 호출하여 클러스터 또는 SQL 웨어하우스에서 기본 SQL 명령을 실행하는 방법을 보여 줍니다. 이 명령은samples 카탈로그의 nyctaxi 스키마에 있는 trips 테이블에서 처음 두 행을 반환합니다.

from databricks import sql
import os

with sql.connect(server_hostname = os.getenv("DATABRICKS_SERVER_HOSTNAME"),
                 http_path       = os.getenv("DATABRICKS_HTTP_PATH"),
                 access_token    = os.getenv("DATABRICKS_TOKEN")) as connection:

  with connection.cursor() as cursor:
    cursor.execute("SELECT * FROM samples.nyctaxi.trips LIMIT 2")
    result = cursor.fetchall()

    for row in result:
      print(row)

데이터 삽입

다음 예제에서는 소량의 데이터(수천 개의 행)를 삽입하는 방법을 보여 줍니다.

from databricks import sql
import os

with sql.connect(server_hostname = os.getenv("DATABRICKS_SERVER_HOSTNAME"),
                 http_path       = os.getenv("DATABRICKS_HTTP_PATH"),
                 access_token    = os.getenv("DATABRICKS_TOKEN")) as connection:

  with connection.cursor() as cursor:
    cursor.execute("CREATE TABLE IF NOT EXISTS squares (x int, x_squared int)")

    squares = [(i, i * i) for i in range(100)]
    values = ",".join([f"({x}, {y})" for (x, y) in squares])

    cursor.execute(f"INSERT INTO squares VALUES {values}")

    cursor.execute("SELECT * FROM squares LIMIT 10")

    result = cursor.fetchall()

    for row in result:
      print(row)

대량의 데이터의 경우 먼저 클라우드 스토리지에 데이터를 업로드한 다음 COPY INTO 명령을 실행해야 합니다.

메타데이터 쿼리

메타데이터를 찾아오기 위한 전용 메서드가 있습니다. 다음 예제에서는 샘플 테이블에서 열에 대한 메타데이터를 찾아옵니다.

from databricks import sql
import os

with sql.connect(server_hostname = os.getenv("DATABRICKS_SERVER_HOSTNAME"),
                 http_path       = os.getenv("DATABRICKS_HTTP_PATH"),
                 access_token    = os.getenv("DATABRICKS_TOKEN")) as connection:

  with connection.cursor() as cursor:
    cursor.columns(schema_name="default", table_name="squares")
    print(cursor.fetchall())

커서 및 연결 관리

더 이상 사용되지 않는 연결 및 커서를 닫는 것이 가장 좋습니다. 이렇게 하면 Azure Databricks 클러스터 및 Databricks SQL 웨어하우스의 리소스가 해제됩니다.

컨텍스트 관리자(이전 예제에서 사용된 with 구문)를 사용하여 리소스를 관리하거나, 명시적으로 close를 호출할 수 있습니다.

from databricks import sql
import os

connection = sql.connect(server_hostname = os.getenv("DATABRICKS_SERVER_HOSTNAME"),
                         http_path       = os.getenv("DATABRICKS_HTTP_PATH"),
                         access_token    = os.getenv("DATABRICKS_TOKEN"))

cursor = connection.cursor()

cursor.execute("SELECT * from range(10)")
print(cursor.fetchall())

cursor.close()
connection.close()

Unity 카탈로그 볼륨의 파일 관리

Databricks SQL 커넥터를 사용하면 다음 예제와 같이 Unity 카탈로그 볼륨에 로컬 파일을 작성하고, 볼륨에서 파일을 다운로드하고, 볼륨에서 파일을 삭제할 수 있습니다.

from databricks import sql
import os

# For writing local files to volumes and downloading files from volumes,
# you must set the staging_allows_local_path argument to the path to the
# local folder that contains the files to be written or downloaded.
# For deleting files in volumes, you must also specify the
# staging_allows_local_path argument, but its value is ignored,
# so in that case its value can be set for example to an empty string.
with sql.connect(server_hostname            = os.getenv("DATABRICKS_SERVER_HOSTNAME"),
                 http_path                  = os.getenv("DATABRICKS_HTTP_PATH"),
                 access_token               = os.getenv("DATABRICKS_TOKEN"),
                 staging_allowed_local_path = "/tmp/") as connection:

  with connection.cursor() as cursor:

    # Write a local file to the specified path in a volume.
    # Specify OVERWRITE to overwrite any existing file in that path.
    cursor.execute(
      "PUT '/temp/my-data.csv' INTO '/Volumes/main/default/my-volume/my-data.csv' OVERWRITE"
    )

    # Download a file from the specified path in a volume.
    cursor.execute(
      "GET '/Volumes/main/default/my-volume/my-data.csv' TO '/tmp/my-downloaded-data.csv'"
    )

    # Delete a file from the specified path in a volume.
    cursor.execute(
      "REMOVE '/Volumes/main/default/my-volume/my-data.csv'"
    )

로깅 구성

Databricks SQL 커넥터는 Python의 표준 로그 모듈을 사용합니다. 다음과 유사한 로깅 수준을 구성할 수 있습니다.

from databricks import sql
import os, logging

logging.getLogger("databricks.sql").setLevel(logging.DEBUG)
logging.basicConfig(filename = "results.log",
                    level    = logging.DEBUG)

connection = sql.connect(server_hostname = os.getenv("DATABRICKS_SERVER_HOSTNAME"),
                         http_path       = os.getenv("DATABRICKS_HTTP_PATH"),
                         access_token    = os.getenv("DATABRICKS_TOKEN"))

cursor = connection.cursor()

cursor.execute("SELECT * from range(10)")

result = cursor.fetchall()

for row in result:
   logging.debug(row)

cursor.close()
connection.close()

테스트

코드를 테스트하려면 pytest와 같은 Python 테스트 프레임워크를 사용합니다. Azure Databricks REST API 엔드포인트를 호출하지 않거나 Azure Databricks 계정 또는 작업 영역의 상태를 변경하지 않고 시뮬레이션된 조건에서 코드를 테스트하려면 unittest.mock와 같은 Python 모의 라이브러리를 사용할 수 있습니다.

예를 들어 Azure Databricks 개인용 액세스 토큰을 사용하여 Azure Databricks 작업 영역에 대한 연결을 반환하는 get_connection_personal_access_token 함수와 이 연결을 사용하여 samples 카탈로그 nyctaxi 스키마의 trips 테이블에서 지정된 수의 데이터 행을 가져오는 select_nyctaxi_trips 함수가 포함된 helpers.py라는 이름의 다음 파일을 가정합니다.

# helpers.py

from databricks import sql
from databricks.sql.client import Connection, List, Row, Cursor

def get_connection_personal_access_token(
  server_hostname: str,
  http_path: str,
  access_token: str
) -> Connection:
  return sql.connect(
    server_hostname = server_hostname,
    http_path = http_path,
    access_token = access_token
  )

def select_nyctaxi_trips(
  connection: Connection,
  num_rows: int
) -> List[Row]:
  cursor: Cursor = connection.cursor()
  cursor.execute(f"SELECT * FROM samples.nyctaxi.trips LIMIT {num_rows}")
  result: List[Row] = cursor.fetchall()
  return result

그리고 get_connection_personal_access_token 및 select_nyctaxi_trips 함수를 호출하는 main.py라는 이름의 다음 파일을 가정합니다.

# main.py

from databricks.sql.client import Connection, List, Row
import os
from helpers import get_connection_personal_access_token, select_nyctaxi_trips

connection: Connection = get_connection_personal_access_token(
  server_hostname = os.getenv("DATABRICKS_SERVER_HOSTNAME"),
  http_path = os.getenv("DATABRICKS_HTTP_PATH"),
  access_token = os.getenv("DATABRICKS_TOKEN")
)

rows: List[Row] = select_nyctaxi_trips(
  connection = connection,
  num_rows = 2
)

for row in rows:
  print(row)

test_helpers.py(으)로 명명된 다음 파일은 select_nyctaxi_trips 함수가 예상 응답을 반환하는지 여부를 테스트합니다. 이 테스트는 대상 작업 영역에 대한 실제 연결을 만드는 대신 Connection 개체를 모의합니다. 또한 이 테스트는 실제 데이터에 있는 스키마 및 값을 준수하는 일부 데이터를 모의합니다. 이 테스트는 모의 연결을 통해 모의 데이터를 반환한 다음 모의 데이터 행 값 중 하나가 예상 값과 일치하는지 확인합니다.

# test_helpers.py

import pytest
from databricks.sql.client import Connection, List, Row
from datetime import datetime
from helpers import select_nyctaxi_trips
from unittest.mock import create_autospec

@pytest.fixture
def mock_data() -> List[Row]:
  return [
    Row(
      tpep_pickup_datetime = datetime(2016, 2, 14, 16, 52, 13),
      tpep_dropoff_datetime = datetime(2016, 2, 14, 17, 16, 4),
      trip_distance = 4.94,
      fare_amount = 19.0,
      pickup_zip = 10282,
      dropoff_zip = 10171
    ),
    Row(
      tpep_pickup_datetime = datetime(2016, 2, 4, 18, 44, 19),
      tpep_dropoff_datetime = datetime(2016, 2, 4, 18, 46),
      trip_distance = 0.28,
      fare_amount = 3.5,
      pickup_zip = 10110,
      dropoff_zip = 10110
    )
  ]

def test_select_nyctaxi_trips(mock_data: List[Row]):
  # Create a mock Connection.
  mock_connection = create_autospec(Connection)

  # Set the mock Connection's cursor().fetchall() to the mock data.
  mock_connection.cursor().fetchall.return_value = mock_data

  # Call the real function with the mock Connection.
  response: List[Row] = select_nyctaxi_trips(
    connection = mock_connection,
    num_rows = 2)

  # Check the value of one of the mocked data row's columns.
  assert response[1].fare_amount == 3.5

select_nyctaxi_trips 함수는 SELECT 문을 포함하기 때문에 trips 테이블의 상태를 변경하지 않으므로 이 예제에서는 모의 작업이 반드시 필요하지는 않습니다. 그러나 모의 작업을 사용하면 작업 영역과의 실제 연결을 기다리지 않고 테스트를 신속하게 실행할 수 있습니다. 또한 모의 작업을 사용하면 INSERT INTO, UPDATE 및 DELETE FROM과 같은 테이블의 상태를 변경할 수 있는 함수에 대해 시뮬레이션된 테스트를 여러 번 실행할 수 있습니다.

API 참조

• Package(패키지)
• 모듈
• 클래스
• Connection 클래스
• Cursor 클래스
• Row 클래스
• 형식 변환

Package(패키지)

databricks-sql-connector

사용법: pip install databricks-sql-connector

PyPI(Python 패키지 인덱스)의 databricks-sql-connector도 참조하세요.

모듈

databricks.sql

사용법: from databricks import sql

클래스

선택한 클래스에는 다음이 포함됩니다.

Connection 클래스

Connection 개체를 만들려면 다음 매개 변수를 사용하여 databricks.sql.connect 메서드를 호출합니다.

선택한 Connection 메서드에는 다음 내용이 포함됩니다.

Cursor 클래스

Cursor 개체를 만들려면 Connection 클래스의 cursor 메서드를 호출합니다.

선택한 Cursor 특성에는 다음이 포함됩니다.

선택한 Cursor 메서드에는 다음 내용이 포함됩니다.

Row 클래스

행 클래스는 개별 결과 행을 나타내는 튜플과 비슷한 데이터 구조입니다. 행에 이름이 "my_column"인 열이 포함된 경우 row.my_column을 통해 row의 "my_column" 필드에 액세스할 수 있습니다. 숫자 인덱스를 사용하여 필드에 액세스할 수도 있습니다(예: row[0]). 열 이름이 특성 메서드 이름으로 허용되지 않는 경우(예: 숫자로 시작하는 경우) 필드에 row["1_my_column"]과 같이 액세스할 수 있습니다.

버전 1.0 이후

선택한 Row 메서드에는 다음이 포함됩니다.

| asDict

필드 이름으로 인덱싱되는 행의 사전 표현을 반환합니다. 중복된 필드 이름이 있는 경우 중복된 필드 중 하나만 사전에 반환됩니다. 중복된 필드 중 어느 것이 반환되는지는 정의되지 않았습니다.

매개 변수는 없습니다.

필드로 구성된 dict를 반환합니다. |

형식 변환

다음 표에서는 Apache Spark SQL 데이터 형식을 대응되는 Python 데이터 형식에 매핑합니다.

문제 해결

tokenAuthWrapperInvalidAccessToken: Invalid access token 메시지

문제: 코드를 실행하면 다음과 같은 메시지가 표시됩니다. Error during request to server: tokenAuthWrapperInvalidAccessToken: Invalid access token.

가능한 원인: access_token으로 전달된 값이 유효한 Azure Databricks 개인용 액세스 토큰이 아닙니다.

권장 수정 사항: access_token으로 전달된 값이 올바른지 확인하고 다시 시도하세요.

gaierror(8, 'nodename nor servname provided, or not known') 메시지

문제: 코드를 실행하면 다음과 같은 메시지가 표시됩니다. Error during request to server: gaierror(8, 'nodename nor servname provided, or not known').

가능한 원인: server_hostname으로 전달된 값이 올바른 호스트 이름이 아닙니다.

권장 수정 사항: server_hostname으로 전달된 값이 올바른지 확인하고 다시 시도하세요.

서버 호스트 이름을 찾는 방법에 대한 자세한 내용은 Azure Databricks 컴퓨팅 리소스에 대한 연결 세부 정보 가져오기를 참조하세요.

IpAclError 메시지

문제: 코드를 실행하고 Azure Databricks Notebook에서 커넥터를 사용하려고 하면 다음과 같은 메시지가 표시됩니다. Error during request to server: IpAclValidation.

가능한 원인: Azure Databricks 작업 영역에 대해 IP 허용 목록이 사용하도록 설정되어 있을 수 있습니다. IP 허용 목록이 설정된 경우에는 Spark 클러스터에서 컨트롤 플레인으로의 연결이 기본적으로 허용되지 않습니다.

권장 수정 사항: 관리자에게 IP 허용 목록에 컴퓨팅 플레인 서브넷을 추가해 달라고 요청하세요.

추가 리소스

자세한 내용은 다음을 참조하세요.

• GitHub의 Python용 Databricks SQL 커넥터 리포지토리
• 데이터 형식
• Python 웹 사이트의 기본 제공 형식(bool, bytearray, float, int, str)
• Python 웹 사이트의 datetime(datetime.date, datatime.datetime)
• Python 웹 사이트의 decimal(decimal.Decimal)
• Python 웹 사이트의 기본 제공 상수(NoneType)