Executar consultas federadas no PostgreSQL

Este artigo descreve como set a Lakehouse Federation para executar consultas federadas em Executar consultas em dados PostgreSQL que não são gerenciados pelo Azure Databricks. Para saber mais sobre a Lakehouse Federation, consulte O que é Lakehouse Federation?.

Para se conectar às suas consultas Run no banco de dados PostgreSQL usando a Lakehouse Federation, você deve criar o seguinte no metastore do Azure Databricks Unity Catalog:

• Uma conexão com suas consultas Run no banco de dados PostgreSQL.
• Um catalog externo que espelha as suas consultas Run no banco de dados PostgreSQL no Unity Catalog, permitindo que você utilize a sintaxe de consulta e as ferramentas de governança de dados do Unity Catalog para gerir o acesso de usuários ao banco de dados Azure Databricks.

Antes de começar

Requisitos do espaço de trabalho:

• Espaço de trabalho ativado para Unity Catalog.

Requisitos de computação:

• Conectividade de rede do seu recurso de computação para os sistemas de banco de dados de destino. Consulte Recomendações de rede para a Lakehouse Federation.
• A computação do Azure Databricks deve usar o Databricks Runtime 13.3 LTS ou superior e o modo de acesso Compartilhado ou de Usuário Único .
• Os armazéns SQL devem ser profissionais ou sem servidor e devem usar 2023.40 ou superior.

Permissões necessárias:

• Para criar uma conexão, você deve ser um administrador de metastore ou um usuário com o privilégio de CREATE CONNECTION no metastore Unity Catalog anexado ao espaço de trabalho.
• Para criares um catalogestrangeiro, tens de ter a permissão CREATE CATALOG no metastore e ser o proprietário da conexão ou ter o privilégio CREATE FOREIGN CATALOG na conexão.

Os requisitos de permissão adicionais são especificados em cada seção baseada em tarefas a seguir.

Criar uma conexão

Uma conexão especifica um caminho e credentials para acessar um sistema de banco de dados externo. Para criar uma conexão, você pode usar o Catalog Explorer ou o comando CREATE CONNECTION SQL em um bloco de anotações do Azure Databricks ou no editor de consultas Databricks SQL.

Permissões necessárias: administrador do Metastore ou usuário com o CREATE CONNECTION privilégio.

Catalog Explorer

1. No seu espaço de trabalho do Azure Databricks, clique Catalog.

2. Na parte superior do painel Catalog, clique no ícone ícone Adicionar e selectAdicionar uma conexão no menu.

   Como alternativa, na página Acesso rápido, clique no botão dados externos >, vá para o separador Connections e clique em Criar conexão.

3. Insira um nome de conexão amigável.

4. Select a tipo de conexão do PostgreSQL.

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

   • Anfitrião: Por exemplo, postgres-demo.lb123.us-west-2.rds.amazonaws.com
   • Porto: Por exemplo, 5432
   • Usuário: Por exemplo, postgres_user
   • Palavra-passe: Por exemplo, password123

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

7. (Opcional) Adicione um comentário.

8. Clique em Criar.

SQL

Execute o seguinte comando em um bloco de anotações ou no editor de consultas Databricks SQL.

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

Recomendamos que você use o Azure Databricks segredos em vez de cadeias de caracteres de texto sem formatação para values confidenciais como credentials. Por exemplo:

CREATE CONNECTION <connection-name> TYPE postgresql
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 catalog estrangeiro

Um catalog estrangeiro espelha uma base de dados num sistema de dados externo para permitir que se consulte e se gere o acesso aos dados nessa base de dados usando o Azure Databricks e o Unity Catalog. Para criar um catalogexterno, use uma conexão com a fonte de dados que já foi definida.

Para criar um catalogexterno, você pode usar o Catalog Explorer ou o comando CREATE FOREIGN CATALOG SQL em um bloco de anotações do Azure Databricks ou no editor de consultas SQL.

Permissões necessárias:CREATE CATALOG permissão no metastore e propriedade da conexão ou o CREATE FOREIGN CATALOG privilégio na conexão.

Catalog Explorer

1. No seu espaço de trabalho do Azure Databricks, clique Catalog para abrir o Catalog Explorer.

2. Na parte superior do painel Catalog, clique no ícone Adicionar ícone Adicionar e selectAdicionar um catalog no menu.

   Como alternativa, na página Acesso rápido, clique no botão Catalogs e, em seguida, clique no botão Criar catalog.

3. Siga as instruções para criar catalogs no estilo estrangeiro no Criar catalogs.

SQL

Execute o seguinte comando SQL em um bloco de anotações ou editor de consultas SQL. Os itens entre parênteses são opcionais. Substitua o espaço reservado values:

• <catalog-name>: Nome do catalog no Azure Databricks.
• <connection-name>: O objeto de conexão que especifica a fonte de dados, o caminho e o método de acesso credentials.
• <database-name>: Nome do banco de dados que você deseja espelhar como um catalog no Azure Databricks.

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

Pushdowns suportados

Os seguintes pushdowns são suportados em todos os cálculos:

• Filtros
• Projeções
• Limit
• Funções: parcial, apenas para expressões de filtro. (Funções de cadeia de caracteres, funções matemáticas e outras funções diversas, como Alias, Cast, SortOrder)

Os seguintes pushdowns são suportados no Databricks Runtime 13.3 LTS e superior e em armazéns SQL:

• As seguintes funções de agregação: MIN, MAX, COUNT, SUM, AVG, VAR_POP, VAR_SAMP, STDDEV_POP, STDDEV_SAMP, GREATEST, LEAST, COVAR_POP, COVAR_SAMP, CORR, REGR_INTERCEPT, REGR_R2, REGR_SLOPE, REGR_SXY
• As seguintes funções booleanas: =, <, <, =>, >=, <=>
• As seguintes funções matemáticas (não suportadas se o ANSI estiver desativado): +, -, *, %, /
• Operadores diversos | e ~
• Classificação, quando utilizado com limit

As seguintes flexões não são suportadas:

• Associações
• Funções do Windows

Mapeamentos de tipo de dados

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

*Quando você lê do Postgresql, o Postgresql Timestamp é mapeado para o Spark TimestampType if preferTimestampNTZ = false (padrão). Postgresql Timestamp é mapeado para TimestampNTZType if preferTimestampNTZ = true.

**Tipos de matriz limitados são suportados.