Obsluha dat lakehouse se synchronizovanými tabulkami

Synchronizované tabulky umožňují spravovat data lakehouse prostřednictvím Lakebase Postgres. Tabulky katalogu Unity se synchronizují s Postgres, aby aplikace mohly dotazovat data Lakehouse přímo s nízkou latencí. Tento proces se běžně označuje jako reverzní ETL. Lakehouse je optimalizovaný pro analýzy a rozšiřování, zatímco Lakebase je určená pro provozní úlohy, které vyžadují rychlé vyhledávací dotazy a transakční konzistenci.

Co jsou synchronizované tabulky?

Synchronizované tabulky umožňují obsluhovat data na úrovni analýz z katalogu Unity prostřednictvím Lakebase Postgres a zpřístupnit je aplikacím, které potřebují dotazy s nízkou latencí a úplné transakce ACID. Překlenou mezeru mezi analytickým úložištěm a provozními systémy tím, že vaše data zůstanou připravená k poskytování v aplikacích v reálném čase.

Podporované zdroje

Synchronizované tabulky podporují následující typy zdrojů katalogu Unity:

• Spravované a externí tabulky Delta
• Spravované a externí tabulky Iceberg
• Zobrazení a materializovaná zobrazení

Jak to funguje

Synchronizované tabulky Databricks vytvoří spravovanou kopii dat katalogu Unity v Lakebase. Když vytvoříte synchronizovanou tabulku, získáte:

1. Synchronizovaná tabulka v katalogu Unity, která odkazuje na kanál synchronizace
2. Tabulka Postgres v Lakebase (dotazovatelná aplikacemi jen pro čtení)

Například můžete synchronizovat standardizované tabulky, upravené funkce nebo ML výstupy analytics.gold.user_profiles do nové synchronizované tabulky analytics.gold.user_profiles_synced. V Postgres se název schématu katalogu Unity změní na název schématu Postgres, takže se zobrazí takto gold.user_profiles_synced:

SELECT * FROM gold.user_profiles_synced WHERE user_id = 12345;

Aplikace se připojují pomocí standardních ovladačů Postgres a dotazují se na synchronizovaná data společně s vlastním provozním stavem.

Výstraha

I když je možné upravit synchronizovanou tabulku přímo v Postgresu, Azure Databricks důrazně doporučuje spouštět pouze dotazy pro čtení, aby se chránila integrita dat se zdrojem. Podporované operace se synchronizovanými tabulkami najdete v tématu Operace povolené u synchronizovaných tabulek v Postgresu.

Kanály synchronizace používají spravované kanály Lakeflow k průběžné aktualizaci synchronizované tabulky Katalogu Unity i tabulky Postgres se změnami ze zdrojové tabulky. Každá synchronizace může používat až 16 připojení k databázi Lakebase.

Lakebase Postgres podporuje až 1 000 souběžných připojení s transakčními zárukami, takže aplikace můžou číst rozšířená data a zároveň zpracovávat vkládání, aktualizace a odstraňování ve stejné databázi.

Režimy synchronizace

Na základě potřeb vaší aplikace zvolte správný režim synchronizace:

Mode	Description	Kdy ho použít	výkon
Snapshot	Jednorázová kopie všech dat	Změny zdroje >10% řádků na cyklus nebo zdroj nepodporuje CDF (zobrazení, tabulky Iceberg).	10x efektivnější při úpravě >10% zdrojových dat
Aktivovaný	Plánované aktualizace, které běží na vyžádání nebo v intervalech	Zdrojové řádky se mění v pravidelném rytmu. Při každém obnovení jsou šířeny vložené, aktualizované a odstraněné záznamy.	Dobrý poměr mezi náklady a prodlevou. Nákladné při běhu na intervaly po 5 minutách.
Nepřetržitý	Streamování v reálném čase s latencí v sekundách	Změny se musí v Lakebase objevit téměř v reálném čase.	Nejnižší prodleva, nejvyšší náklady. Minimálně 15sekundové intervaly

Režimy Triggered a Continuous vyžadují, aby ve zdrojové tabulce byl povolen Změna datového toku (CDF). Pokud cdF není povolené, zobrazí se v uživatelském rozhraní upozornění s přesným ALTER TABLE příkazem ke spuštění. Další podrobnosti o změně kanálu dat najdete v tématu Použití funkce změny kanálu dat v Delta Lake na Databricks.

Poznámka:

Zdroje, které nepodporují CDF (například zobrazení, materializovaná zobrazení a tabulky Iceberg), je možné synchronizovat pouze v režimu snímků . V případě režimu snímku musí zdroj podporovat SELECT *.

Příklady případů použití

Synchronizované tabulky můžete použít pro případy použití pro obsluhu dat, například:

• Personalizační moduly, které zajišťují nové uživatelské profily do Databricks Apps
• Aplikace, které obsluhují predikce modelu nebo hodnoty vlastností vypočítané v lakehouse
• Řídicí panely pro zákazníky, které obsluhují klíčové ukazatele výkonu v reálném čase
• Služby detekce podvodů, které poskytují skóre rizika k okamžitému použití
• Nástroje podpory, které obsluhují rozšířené záznamy zákazníků z dat lakehouse

Vytvoření synchronizované tabulky

Předpoklady

Potřebujete:

• Pracovní prostor Databricks s povolenou službou LakeBase
• Projekt Lakebase (viz Vytvoření projektu).
• Tabulka katalogu Unity k synchronizaci.
• Oprávnění k vytváření synchronizovaných tabulek Potřebujete USE_SCHEMA a CREATE_TABLE pro jakékoli schéma, které používáte.

V případě aktivovaných nebo průběžných režimů musí být ve zdrojové tabulce povolen datový kanál změn:

ALTER TABLE your_catalog.your_schema.your_table
SET TBLPROPERTIES (delta.enableChangeDataFeed = true)

Informace o kompatibilitě plánování kapacity a datového typu najdete v tématu Datové typy a kompatibilita a plánování kapacity.

uživatelské rozhraní

1. Přejděte do katalogu na bočním panelu pracovního prostoru a vyberte tabulku Katalogu Unity, kterou chcete synchronizovat.

   

2. V zobrazení podrobností tabulky klikněte na Vytvořit>synchronizovanou tabulku .

   

3. V dialogovém okně Vytvořit synchronizovanou tabulku :

   Katalog a seznamy schémat zahrnují pouze schémata katalogu Unity, ve kterých má aktuální uživatel USE_SCHEMA a CREATE_TABLE oprávnění. Pokud nevidíte schéma, které očekáváte, potvrďte svá oprávnění u správce katalogu.

   1. Název tabulky: Zadejte název synchronizované tabulky (vytvoří se ve stejném katalogu a schématu jako zdrojová tabulka). Tím se vytvoří tabulka synchronizovaná v katalogu Unity i tabulka Postgres, na kterou se můžete dotazovat.

   2. Typ databáze: Zvolte Bezserverová databáze Lakebase (automatické škálování).

   3. Režim synchronizace: V závislosti na vašich potřebách zvolte snímek, aktivovaný nebo průběžný (viz režimy synchronizace výše).

   4. Nakonfigurujte projekt, větev a databázi.

   5. Ověřte správnost primárního klíče (obvykle automaticky rozpoznaný).

      Důležité

      Sloupce v primárním klíči nemohou obsahovat hodnotu null v této synchronizované tabulce. Řádky s hodnotami null ve sloupcích primárního klíče jsou ze synchronizace vyloučeny.

   6. (Volitelné) Pokud dva řádky můžou sdílet stejný primární klíč ve zdrojové tabulce, vyberte klíč Timeseries a nakonfigurujte odstranění duplicitních dat. Při zadání klíče timeseries obsahuje synchronizovaná tabulka pouze řádek s nejnovější hodnotou klíče timeseries pro každý primární klíč. Režim selhání bez klíče timeseries najdete v části Duplicitní klíče.

   Pokud jste zvolili režim Triggered nebo Continuous a ještě jste nepovolili Change Data Feed, zobrazí se upozornění s přesným příkazem, který je třeba spustit. Otázky týkající se kompatibility datových typů najdete v tématu Datové typy a kompatibilita.

   Kliknutím na Vytvořit vytvoříte synchronizovanou tabulku.

4. Monitorujte synchronizovanou tabulku v katalogu. Na kartě Přehled se zobrazuje stav synchronizace, konfigurace, stav kanálu a časové razítko poslední synchronizace. Použijte Synchronizovat nyní k ruční aktualizaci.

CLI

databricks postgres create-synced-table my-catalog.sales.orders \
  --json '{
    "spec": {
      "source_table_full_name": "main.sales.orders",
      "branch": "projects/my-project/branches/production",
      "primary_key_columns": ["order_id"],
      "scheduling_policy": "SNAPSHOT",
      "postgres_database": "mydb",
      "create_database_objects_if_missing": true
    }
  }'

SYNCED_TABLE_ID Poziční argument používá formát catalog.schema.table. V Postgres se tabulka {table} vytvoří ve schématu {schema}uvnitř databáze, kterou postgres_database jste nastavili (zde, mydb). Příkaz čeká na dokončení operace ve výchozím nastavení. Všechny dostupné možnosti najdete v tématu databricks postgres create-synced-table.

Python SDK

from databricks.sdk import WorkspaceClient
from databricks.sdk.service.postgres import (
    SyncedTable,
    SyncedTableSyncedTableSpec,
    SyncedTableSyncedTableSpecSyncedTableSchedulingPolicy,
)

w = WorkspaceClient()

synced_table = w.postgres.create_synced_table(
    synced_table=SyncedTable(spec=SyncedTableSyncedTableSpec(
        source_table_full_name="main.sales.orders",
        branch="projects/my-project/branches/production",
        primary_key_columns=["order_id"],
        scheduling_policy=SyncedTableSyncedTableSpecSyncedTableSchedulingPolicy.SNAPSHOT,
        postgres_database="mydb",
        create_database_objects_if_missing=True,
    )),
    synced_table_id="my-catalog.sales.orders",
).wait()

print(f"Synced table created: {synced_table.name}")

Používá synced_table_id formát catalog.schema.table a stává se názvem synchronizované tabulky v Unity Catalogu. V Postgres se tabulka {table} vytvoří ve schématu {schema}uvnitř databáze, kterou postgres_database jste nastavili (zde, mydb).

Java SDK

import com.databricks.sdk.WorkspaceClient;
import com.databricks.sdk.service.postgres.*;
import java.util.List;

WorkspaceClient w = new WorkspaceClient();

SyncedTable syncedTable = w.postgres().createSyncedTable(
    new CreateSyncedTableRequest()
        .setSyncedTableId("my-catalog.sales.orders")
        .setSyncedTable(new SyncedTable()
            .setSpec(new SyncedTableSyncedTableSpec()
                .setSourceTableFullName("main.sales.orders")
                .setBranch("projects/my-project/branches/production")
                .setPrimaryKeyColumns(List.of("order_id"))
                .setSchedulingPolicy(SyncedTableSyncedTableSpecSyncedTableSchedulingPolicy.SNAPSHOT)
                .setPostgresDatabase("mydb")
                .setCreateDatabaseObjectsIfMissing(true))))
    .waitForCompletion();

System.out.println("Synced table created: " + syncedTable.getName());

kroucení

curl -X POST "https://your-workspace.cloud.databricks.com/api/2.0/postgres/synced_tables?synced_table_id=my-catalog.sales.orders" \
  -H "Authorization: Bearer ${DATABRICKS_TOKEN}" \
  -H "Content-Type: application/json" \
  -d '{
    "spec": {
      "source_table_full_name": "main.sales.orders",
      "branch": "projects/my-project/branches/production",
      "primary_key_columns": ["order_id"],
      "scheduling_policy": "SNAPSHOT",
      "postgres_database": "mydb",
      "create_database_objects_if_missing": true
    }
  }'

Tím se vrátí dlouhotrvající operace. Opakovaně dotazujte vrácené pole name dokud nedojde k done: true. Viz dlouhotrvající operace. Nastavení ověřování najdete v tématu Ověřování.

Naplánování nebo aktivace následných synchronizací

Počáteční snímek se automaticky spustí při vytváření. V případě režimů Snapshot a Triggered je nutné následné synchronizace explicitně aktivovat. Průběžný režim je automaticky řízený.

Úloha procesu synchronizace tabulky databáze

Úloha potrubí synchronizace tabulek databáze v úlohách Lakeflow spouští potrubí synchronizované tabulky jako krok pracovního postupu. Nakonfigurujte úlohu pomocí triggeru aktualizace tabulky nebo plánu.

Aktivace aktualizací zdrojové tabulky

Aktivuje úlohu při aktualizaci zdrojové tabulky katalogu Unity. V režimu Aktivované se postupně použijí pouze nové změny, které poskytují aktuálnost téměř v reálném čase bez nepřetržitých nákladů na nepřetržitý režim.

1. Na bočním panelu klikněte na Pracovní postupy.
2. Klikněte na Vytvořit úlohu nebo otevřete existující úlohu.
3. Na kartě Úkoly klikněte na + Přidat další typ úkolu.
4. V části Příjem dat a transformace vyberte kanál Synchronizace tabulek databáze.
5. V poli Kanál vyberte kanál přidružený k synchronizované tabulce.
6. V části Plány a triggery klikněte na Přidat aktivační událost.
7. Jako typ triggeru vyberte Aktualizovat tabulku .
8. V části Tabulky vyberte zdrojovou tabulku katalogu Unity, která se má monitorovat.
9. Klikněte na Uložit.

Aktivace podle plánu

Spustí synchronizaci s pevným tempem. Vhodné pro režim Snapshot, kdy noční nebo týdenní úplná aktualizace je obvykle nejúčinnější postup.

1. Pokud chcete do úlohy přidat úlohu kanálu synchronizace tabulek databáze , postupujte podle kroků 1 až 5 výše.
2. V části Plány a triggery klikněte na Přidat aktivační událost.
3. Jako typ triggeru vyberte Scheduled (Naplánovano ).
4. Nastavte plán cron a časové pásmo a potom klikněte na Uložit.

Kontrola stavu synchronizace

Kontrola aktuálního stavu a času poslední synchronizace synchronizované tabulky:

uživatelské rozhraní

V katalogu přejděte do synchronizované tabulky a vyberte kartu Přehled . Zobrazuje aktuální stav synchronizace, stav kanálu a časové razítko poslední synchronizace.

Python SDK

from databricks.sdk import WorkspaceClient

w = WorkspaceClient()

table = w.postgres.get_synced_table("synced_tables/my-catalog.sales.orders")
print(f"State: {table.status.detailed_state}")
print(f"Last sync: {table.status.last_sync_time}")
print(f"Message: {table.status.message}")

Java SDK

import com.databricks.sdk.WorkspaceClient;
import com.databricks.sdk.service.postgres.SyncedTable;

WorkspaceClient w = new WorkspaceClient();

SyncedTable table = w.postgres().getSyncedTable("synced_tables/my-catalog.sales.orders");
System.out.println("State: " + table.getStatus().getDetailedState());
System.out.println("Last sync: " + table.getStatus().getLastSyncTime());
System.out.println("Message: " + table.getStatus().getMessage());

kroucení

curl "https://your-workspace.cloud.databricks.com/api/2.0/postgres/synced_tables/my-catalog.sales.orders" \
  -H "Authorization: Bearer ${DATABRICKS_TOKEN}"

Datové typy a kompatibilita

Datové typy Katalogu Unity se při vytváření synchronizovaných tabulek mapují na typy Postgres. Komplexní typy (ARRAY, MAP, STRUCT) se ukládají jako JSONB v Postgresu.

Typ zdrojového sloupce	Typ sloupce Postgres
BIGINT	BIGINT
BINARY	BYTEA
BOOLEAN	BOOLEAN
DATE	DATE
DECIMAL(p;s)	ČÍSELNÝ
DVOJITÝ	DVOJITÁ PŘESNOST
FLOAT	SKUTEČNÝ
INT	INTEGER
INTERVAL	INTERVAL
SMALLINT	SMALLINT
STRING	TEXT
ČASOVÁ ZNAČKA	ČASOVÉ RAZÍTKO S ČASOVÝM PÁSMEM
TIMESTAMP_NTZ	ČASOVÉ RAZÍTKO BEZ ČASOVÉHO PÁSMA
TINYINT	SMALLINT
ARRAY< elementType>	JSONB
MAP<keyType, valueType>	JSONB
STRUCT<fieldName:fieldType[, ...]>	JSONB

Poznámka:

Typy GEOGRAPHY, GEOMETRY, VARIANT a OBJECT nejsou podporovány.

Zpracování neplatných znaků

Některé znaky, jako jsou bajty null (0x00), jsou povolené ve sloupcích Unity Catalog STRING, ARRAY, MAP nebo STRUCT, ale nejsou podporované ve sloupcích Postgres TEXT nebo JSONB. To může způsobit selhání synchronizace s chybami, jako jsou:

ERROR: invalid byte sequence for encoding "UTF8": 0x00
ERROR: unsupported Unicode escape sequence DETAIL: \u0000 cannot be converted to text

• První chyba nastane, když se v řetězcovém sloupci nejvyšší úrovně zobrazí bajt null, který se mapuje přímo na Postgres TEXT.
• Druhá chyba nastane, když se v řetězci vnořeném do komplexního typu (STRUCT, ARRAY nebo MAP), který je serializován jako JSONB, objeví nulový bajt. Během serializace se všechny řetězce přetypují na datový typ Postgres TEXT, kde \u0000 není povolen.

Řešení:

• Sanitize string fields: Před synchronizací odeberte nepodporované znaky. Pro bajty null ve sloupcích STRING:

  SELECT REPLACE(column_name, CAST(CHAR(0) AS STRING), '') AS cleaned_column FROM your_table
  

• Převést na BINARY: Pro sloupce STRING, kde je nutné zachovat nezpracované bajty, převeďte na BINÁRNÍ typ.

Plánování kapacity

Při plánování implementace synchronizovaných tabulek zvažte tyto požadavky na prostředky:

• Využití připojení: Každá synchronizovaná tabulka používá až 16 připojení k databázi Lakebase, která se počítá do limitu připojení instance.
• Kvóta velikosti: Celková logická data ve všech synchronizovaných tabulkách mají kvótu 16 TB. Pokud potřebujete větší kvótu, obraťte se na podporu Databricks. Jednotlivé tabulky nemají kvótu, ale Databricks doporučuje, aby tabulky vyžadující aktualizace nepřekračovaly 1 TB.
• Velikost úplné aktualizace: Při aktivaci úplné aktualizace se stará verze v Postgres neodstraní, dokud se nová synchronizace nedokončí. Obě verze se během aktualizace dočasně započítávají do kvóty velikosti logické databáze.
• Tabulky na zdroj: Jedna zdrojová tabulka může mít až 20 synchronizovaných tabulek.
• Požadavky na pojmenování: Názvy databází, schémat a tabulek můžou obsahovat pouze alfanumerické znaky a podtržítka ([A-Za-z0-9_]+).
• Pokyny k identifikátoru zdroje: Nepoužívejte velká písmena nebo speciální znaky v názvech sloupců nebo tabulek ve zdrojové tabulce Katalogu Unity. Pokud je ponecháte, musíte tyto identifikátory při odkazování na ně v PostgreSQL uzavírat do uvozovek.
• Vývoj schématu: Pro režimy Triggered a Continuous jsou podporovány pouze přidávací změny schématu (například přidávání sloupců).
• Duplicitní klíče: Pokud dva řádky mají stejný primární klíč ve zdrojové tabulce, kanál synchronizace selže, pokud nenakonfigurujete odstranění duplicitních dat pomocí klíče timeseries.
• Idempotentnost API: API synchronizovaných tabulek jsou idempotentní, proto při přechodných chybách požadavek opakujte, aby operace proběhly včas.
• Rychlost aktualizace: U automatického škálování Lakebase podporuje synchronizační kanál průběžné a spouštěné zápisy rychlostí přibližně 150 řádků za sekundu na jednotku kapacity (CU) a zápisy snímků rychlostí až 2 000 řádků za sekundu na CU.

Operace povolené u synchronizovaných tabulek v Postgresu

Azure Databricks doporučuje provádět pouze následující operace v Postgres pro synchronizované tabulky, aby se zabránilo nechtěným přepisům nebo nekonzistencí dat:

• Dotazy jen pro čtení
• Vytváření indexů
• Vyřazení tabulky (uvolnění místa po odebrání synchronizované tabulky z katalogu Unity)

I když je možné synchronizované tabulky v Postgresu upravovat jinými způsoby, koliduje s kanálem synchronizace.

Vlastnictví a oprávnění

Synchronizovanou tabulku vlastní interní databricks_writer_<dbid> role, ne uživatel, který ji vytvořil, protože ji spravuje kanál synchronizace (viz role Postgres). Příkazy pouze vlastníka, například konfigurace zabezpečení na úrovni řádků, nejde spustit přímo v synchronizované tabulce.

Poznámka:

Toto je výjimka z obecného pravidla v Postgresu, podle kterého objekty, které sami vytvoříte, patří vaší identitě Azure Databricks, pokud její přihlášení existuje v Postgresu jako role. Pipeline za vás vytvoří synchronizované tabulky.

Přístup pro uživatele, který vytvoří synchronizovanou tabulku

Při vytváření synchronizované tabulky se identitě Azure Databricks automaticky udělí přístup k jeho použití. Není vyžadována žádná akce databricks_superuser. Vaší identitě se u synchronizované tabulky udělí následující oprávnění:

Objekt	Privilegia	Purpose
Synchronizovaná tabulka	SELECT, DELETE, TRUNCATE	Přečíst nebo vymazat tabulku
Schema	USAGE, CREATE	Použití schématu a vytváření objektů, jako jsou indexy

Nebyla vám udělena oprávnění INSERT ani UPDATE. Kanál zpracování spravuje data tabulky, takže přímé zápisy budou při příští aktualizaci přepsány. DELETE a TRUNCATE pouze vymažou tabulku. Další aktualizace znovu naplní tabulku ze zdroje.

Tento přístup je odvozený z oprávnění katalogu Unity pro synchronizovanou tabulku a spravuje se v katalogu Unity. Pokud ho chcete změnit, aktualizujte oprávnění katalogu Unity uživatele. Nemůžete to REVOKE přímo v PostgreSQL pomocí identity Azure Databricks.

Poznámka:

Tento přístup je svázaný s identitou, která vytvořila synchronizovanou tabulku. Změna identity v poli Spustit jako u pipeline nezpůsobí její opětovné přiřazení. Pokud chcete použít jinou vlastnící identitu, znovu vytvořte synchronizovanou tabulku pod danou identitou.

Spravovat synchronizovaný přístup k tabulce

Po vytvoření synchronizované tabulky může databricks_superuser číst synchronizovanou tabulku z Postgresu. databricks_superuser má pg_read_all_data, což této roli umožňuje číst ze všech tabulek. Má také pg_write_all_data oprávnění, které této roli umožňuje zapisovat do všech tabulek. To znamená, že databricks_superuser může také zapisovat do synchronizované tabulky v Postgresu. Lakebase podporuje toto chování při psaní v případě, že potřebujete v cílové tabulce provést naléhavé změny. Azure Databricks ale doporučuje místo toho provádět opravy ve zdrojové tabulce.

• Tato databricks_superuser oprávnění můžete také udělit ostatním uživatelům:

  GRANT USAGE ON SCHEMA synced_table_schema TO user;
  

  GRANT SELECT ON synced_table_name TO user;
  

• databricks_superuser může tato oprávnění odvolat:

  REVOKE USAGE ON SCHEMA synced_table_schema FROM user;
  

  REVOKE {SELECT | INSERT | UPDATE | DELETE} ON synced_table_name FROM user;
  

Spravovat synchronizované tabulkové operace

Může databricks_superuser spravovat, kteří uživatelé mají oprávnění provádět konkrétní operace v synchronizované tabulce. Podporované operace pro synchronizované tabulky jsou:

• CREATE INDEX
• ALTER INDEX
• DROP INDEX
• DROP TABLE

Všechny ostatní operace DDL jsou pro synchronizované tabulky odepřeny.

Pokud chcete udělit tato oprávnění dalším uživatelům, databricks_superuser musíte nejprve vytvořit rozšíření pro databricks_auth:

CREATE EXTENSION IF NOT EXISTS databricks_auth;

databricks_superuser Potom může přidat uživatele pro správu synchronizované tabulky:

SELECT databricks_synced_table_add_manager('"synced_table_schema"."synced_table"'::regclass, '[user]');

databricks_superuser může odebrat uživatele ze správy synchronizované tabulky.

SELECT databricks_synced_table_remove_manager('[table]', '[user]');

Mohou se zobrazit všichni manažeři:

SELECT * FROM databricks_synced_table_managers;

Odstranění synchronizované tabulky

Odstranění synchronizované tabulky z katalogu Unity také zahodí odpovídající tabulku Postgres.

uživatelské rozhraní

V katalogu najděte synchronizovanou tabulku, klikněte na Nabídka a vyberte Odstranit.

Python SDK

from databricks.sdk import WorkspaceClient

w = WorkspaceClient()

w.postgres.delete_synced_table("synced_tables/my-catalog.sales.orders").wait()

Java SDK

import com.databricks.sdk.WorkspaceClient;

WorkspaceClient w = new WorkspaceClient();

w.postgres().deleteSyncedTable("synced_tables/my-catalog.sales.orders").waitForCompletion();

kroucení

curl -X DELETE "https://your-workspace.cloud.databricks.com/api/2.0/postgres/synced_tables/my-catalog.sales.orders" \
  -H "Authorization: Bearer ${DATABRICKS_TOKEN}"

Další informace

Úkol	Description
Vytvoření projektu	Nastavení projektu Lakebase
Připojení k databázi	Informace o možnostech připojení pro Lakebase
Zaregistrovat databázi v Unity Catalog	Umožněte, aby data Lakebase byla viditelná v katalogu Unity pro sjednocenou správu a dotazy napříč zdroji.
Integrace katalogu Unity	Porozumění řízení a oprávněním

Integrace katalogu

• Duplikace katalogu: Vytvoření synchronizované tabulky ve standardním katalogu zaměřeném na databázi Postgres, která je zaregistrovaná také jako samostatný katalog databází, způsobí, že se synchronizovaná tabulka zobrazí v katalogu Unity v rámci standardního i databázového katalogu.

Další možnosti

Informace o synchronizaci dat do jiných systémů než Databricks najdete v tématu Reverzní řešení ETL služby Partner Connect , jako jsou Census nebo Hightouch.