Executar consultas federadas no Amazon Redshift

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

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

• Uma conexão com suas consultas Run no banco de dados do Amazon Redshift.
• Um estrangeiro catalog que espelha as suas consultas no banco de dados do Amazon Redshift no Unity Catalog, permitindo-lhe usar a sintaxe de consultas e ferramentas de governança de dados do Unity Catalog para gerir o acesso de utilizadores ao banco de dados no 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 modo de acesso partilhado ou modo de acesso de utilizador 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 criar um catalogestrangeiro, é necessário 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 Explorador

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 de Acesso Rápido , clique no botão de Dados Externos >, vá para o separador Connections e clique em Criar Conexão .

3. Insira um nome de conexão amigável.

4. uma do tipo Conexão do Redshift.

5. 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
   • 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 redshift
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 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 catalog estrangeiro

Um catalog de origem externa espelha uma base de dados num sistema de dados exterior para que possa consultar e gerir o acesso aos dados nessa base de dados com recurso ao Azure Databricks e 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, no botão Criar catalog.

3. Siga as instruções para criar catalogs 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 marcador de posição 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 credentialsde acesso.
• <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

As seguintes flexões são suportadas:

• Filtros
• Projeções
• Limit
• Associações
• Agregados (Média, Contagem, Max, Min, StddevPop, StddevSamp, Soma, VarianceSamp)
• Funções (funções String e outras funções diversas, como Alias, Cast, SortOrder)
• Ordenar

As seguintes flexões não são suportadas:

• 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:

*Quando você lê a partir do Redshift, o Redshift Timestamp é mapeado para o Spark TimestampType if infer_timestamp_ntz_type = false (padrão). Redshift Timestamp é mapeado para TimestampNTZType if infer_timestamp_ntz_type = true.