Teilen über

Herstellen einer Verbindung mit Und Verwalten von Azure Databricks in Microsoft Purview

  • Artikel

In diesem Artikel wird beschrieben, wie Sie Azure Databricks registrieren und wie Sie sich in Microsoft Purview authentifizieren und mit Azure Databricks interagieren. Weitere Informationen zu Microsoft Purview finden Sie im Einführungsartikel.

Unterstützte Funktionen

Metadatenextraktion Vollständiger Scan Inkrementelle Überprüfung Bereichsbezogene Überprüfung Klassifizierung Bezeichnen Zugriffsrichtlinie Herkunft Datenfreigabe Live-Ansicht
Ja Ja Nein Ja Nein Nein Nein Ja Nein Nein

Hinweis

Dieser Connector enthält Metadaten aus dem Hive-Metastore im Arbeitsbereich von Azure Databricks. Informationen zum Überprüfen von Metadaten in Azure Databricks Unity Catalog finden Sie unter Azure Databricks Unity Catalog-Connector.

Beim Überprüfen des Azure Databricks Hive-Metastores unterstützt Microsoft Purview Folgendes:

  • Extrahieren von technischen Metadaten, einschließlich:

    • Azure Databricks-Arbeitsbereich
    • Hive-Server
    • Datenbanken
    • Tabellen, einschließlich der Spalten, Fremdschlüssel, Eindeutigkeitseinschränkungen und Speicherbeschreibung
    • Ansichten, einschließlich der Spalten und der Speicherbeschreibung

  • Abrufen der Beziehung zwischen externen Tabellen und Azure Data Lake Storage Gen2-/Azure-Blobressourcen (externe Speicherorte).

  • Abrufen der statischen Herkunft zwischen Tabellen und Sichten basierend auf der Ansichtsdefinition.

Beim Einrichten der Überprüfung können Sie den gesamten Hive-Metastore überprüfen oder die Überprüfung auf eine Teilmenge von Schemas festlegen.

Vergleich mit der Überprüfung über einen generischen Hive-Metastore-Connector für den Fall, dass Sie ihn zuvor zum Scannen von Azure Databricks verwenden:

  • Sie können die Überprüfung für Azure Databricks-Arbeitsbereiche ohne direkten HMS-Zugriff direkt einrichten. Es verwendet das persönliche Databricks-Zugriffstoken für die Authentifizierung und stellt eine Verbindung mit einem Cluster her, um die Überprüfung durchzuführen.
  • Die Databricks-Arbeitsbereichsinformationen werden erfasst.
  • Die Beziehung zwischen Tabellen und Speicherressourcen wird erfasst.

Bekannte Einschränkungen

Wenn das Objekt aus der Datenquelle gelöscht wird, wird das entsprechende Objekt in Microsoft Purview bei der nachfolgenden Überprüfung derzeit nicht automatisch entfernt.

Voraussetzungen

Registrieren

In diesem Abschnitt wird beschrieben, wie Sie einen Azure Databricks-Arbeitsbereich in Microsoft Purview mithilfe des Microsoft Purview-Governanceportals registrieren.

  1. Wechseln Sie zu Ihrem Microsoft Purview-Konto.

  2. Wählen Sie im linken Bereich Data Map aus.

  3. Wählen Sie Registrieren aus.

  4. Wählen Sie unter Quellen registrieren die Option Azure Databricks>Weiter aus.

  5. Gehen Sie auf dem Bildschirm Quellen registrieren (Azure Databricks) wie folgt vor:

    1. Geben Sie unter Name einen Namen ein, den Microsoft Purview als Datenquelle auflistet.

    2. Wählen Sie unter Name des Azure-Abonnements und Databricks-Arbeitsbereichs in der Dropdownliste das Abonnement und den Arbeitsbereich aus, den Sie überprüfen möchten. Die Databricks-Arbeitsbereichs-URL wird automatisch aufgefüllt.

    3. Wählen Sie eine Sammlung aus der Liste aus.

    Screenshot: Registrieren der Azure Databricks-Quelle

  6. Klicken Sie auf Fertigstellen.

Überprüfung

Tipp

So beheben Sie Probleme mit der Überprüfung:

  1. Vergewissern Sie sich, dass Sie alle Voraussetzungen erfüllt haben.
  2. Lesen Sie unsere Dokumentation zur Problembehandlung bei Der Überprüfung.

Führen Sie die folgenden Schritte aus, um Azure Databricks zu überprüfen, um Ressourcen automatisch zu identifizieren. Weitere Informationen zum Scannen im Allgemeinen finden Sie unter Scans und Erfassung in Microsoft Purview.

  1. Wählen Sie im Management Center Integration Runtimes aus. Stellen Sie sicher, dass eine selbstgehostete Integration Runtime eingerichtet ist. Wenn sie nicht eingerichtet ist, führen Sie die Schritte unter Erstellen und Verwalten einer selbstgehosteten Integration Runtime aus.

  2. Wechseln Sie zu Quellen.

  3. Wählen Sie die registrierte Azure Databricks-Instanz aus.

  4. Wählen Sie + Neuer Scan aus.

  5. Geben Sie die folgenden Details an:

    1. Name: Geben Sie einen Namen für die Überprüfung ein.

    2. Extraktionsmethode: Geben Sie an, dass Metadaten aus Hive Metastore oder Unity Catalog extrahiert werden sollen. Wählen Sie Hive-Metastore aus.

    3. Herstellen einer Verbindung über Integration Runtime: Wählen Sie die konfigurierte selbstgehostete Integration Runtime aus.

    4. Anmeldeinformationen: Wählen Sie die Anmeldeinformationen aus, um eine Verbindung mit Ihrer Datenquelle herzustellen. Stellen Sie folgendes sicher:

      • Wählen Sie Beim Erstellen von Anmeldeinformationen Zugriffstokenauthentifizierung aus.
      • Geben Sie den geheimen Namen des persönlichen Zugriffstokens an, das Sie unter Voraussetzungen im entsprechenden Feld erstellt haben.

      Weitere Informationen finden Sie unter Anmeldeinformationen für die Quellauthentifizierung in Microsoft Purview.

    5. Cluster-ID: Geben Sie die Cluster-ID an, mit der Microsoft Purview eine Verbindung herstellt und die Überprüfung unterstützt. Sie finden sie im Azure Databricks-Arbeitsbereich –> Compute –> Ihr Cluster –> Tags –> Automatisch hinzugefügte Tags .>ClusterId

    6. Bereitstellungspunkte: Geben Sie den Bereitstellungspunkt und die Azure Storage-Quellspeicherortzeichenfolge an, wenn Sie externen Speicher manuell in Databricks eingebunden haben. Verwenden Sie das Format /mnt/<path>=abfss://<container>@<adls_gen2_storage_account>.dfs.core.windows.net/;/mnt/<path>=wasbs://<container>@<blob_storage_account>.blob.core.windows.net. Es wird verwendet, um die Beziehung zwischen Tabellen und den entsprechenden Speicherressourcen in Microsoft Purview zu erfassen. Diese Einstellung ist optional. Wenn sie nicht angegeben ist, wird eine solche Beziehung nicht abgerufen.

      Sie können die Liste der Bereitstellungspunkte in Ihrem Databricks-Arbeitsbereich abrufen, indem Sie den folgenden Python-Befehl in einem Notebook ausführen:

      dbutils.fs.mounts()

      Alle Bereitstellungspunkte werden wie folgt gedruckt:

      [MountInfo(mountPoint='/databricks-datasets', source='databricks-datasets', encryptionType=''),
MountInfo(mountPoint='/mnt/ADLS2', source='abfss://samplelocation1@azurestorage1.dfs.core.windows.net/', encryptionType=''),
MountInfo(mountPoint='/databricks/mlflow-tracking', source='databricks/mlflow-tracking', encryptionType=''), 
MountInfo(mountPoint='/mnt/Blob', source='wasbs://samplelocation2@azurestorage2.blob.core.windows.net', encryptionType=''),
MountInfo(mountPoint='/databricks-results', source='databricks-results', encryptionType=''),
MountInfo(mountPoint='/databricks/mlflow-registry', source='databricks/mlflow-registry', encryptionType=''), MountInfo(mountPoint='/', source='DatabricksRoot', encryptionType='')] 

      Geben Sie in diesem Beispiel Folgendes als Bereitstellungspunkte an:

      /mnt/ADLS2=abfss://samplelocation1@azurestorage1.dfs.core.windows.net/;/mnt/Blob=wasbs://samplelocation2@azurestorage2.blob.core.windows.net

    7. Schema: Die Teilmenge der zu importierenden Schemas, ausgedrückt als durch Semikolons getrennte Liste von Schemas. Beispiel: schema1;schema2. Alle Benutzerschemas werden importiert, wenn diese Liste leer ist. Alle Systemschemas und -objekte werden standardmäßig ignoriert.

      Zulässige Schemanamensmuster können statische Namen sein oder Denkplatzhalter %enthalten. Beispiel: A%;%B;%C%;D

      • Beginnen Sie mit A oder
      • Enden Sie mit B oder
      • C oder enthalten
      • Gleich D

      Die Verwendung von NOT- und Sonderzeichen ist nicht zulässig.

      Hinweis

      Dieser Schemafilter wird für selbstgehostete Integration Runtime Version 5.32.8597.1 und höher unterstützt.

    8. Maximal verfügbarer Arbeitsspeicher: Maximal verfügbarer Arbeitsspeicher (in Gigabyte) auf dem Computer des Kunden für die Überprüfungsprozesse. Dieser Wert hängt von der Größe von Azure Databricks ab, die gescannt werden soll.

      Hinweis

      Geben Sie als Faustregel 1 GB Arbeitsspeicher für jeweils 1.000 Tabellen an.

    Screenshot: Einrichten der Azure Databricks-Überprüfung

  6. Wählen Sie Weiter.

  7. Wählen Sie für Scantrigger aus, ob Sie einen Zeitplan einrichten oder die Überprüfung einmal ausführen möchten.

  8. Überprüfen Sie Ihre Überprüfung, und wählen Sie Speichern und ausführen aus.

Nachdem die Überprüfung erfolgreich abgeschlossen wurde, erfahren Sie, wie Sie Azure Databricks-Ressourcen durchsuchen und durchsuchen.

Anzeigen Ihrer Überprüfungen und Überprüfungsausführungen

So zeigen Sie vorhandene Überprüfungen an:

  1. Wechseln Sie zum Microsoft Purview-Portal. Wählen Sie im linken Bereich Data Map aus.
  2. Wählen Sie die Datenquelle aus. Sie können eine Liste der vorhandenen Überprüfungen für diese Datenquelle unter Zuletzt verwendete Überprüfungen anzeigen, oder Sie können alle Überprüfungen auf der Registerkarte Scans anzeigen.
  3. Wählen Sie die Überprüfung aus, die Ergebnisse enthält, die Sie anzeigen möchten. Im Bereich werden alle vorherigen Überprüfungsausführungen zusammen mit den status und Metriken für jede Überprüfungsausführung angezeigt.
  4. Wählen Sie die Ausführungs-ID aus, um die Details der Überprüfungsausführung zu überprüfen.

Verwalten ihrer Überprüfungen

So bearbeiten, abbrechen oder löschen Sie eine Überprüfung:

  1. Wechseln Sie zum Microsoft Purview-Portal. Wählen Sie im linken Bereich Data Map aus.

  2. Wählen Sie die Datenquelle aus. Sie können eine Liste der vorhandenen Überprüfungen für diese Datenquelle unter Zuletzt verwendete Überprüfungen anzeigen, oder Sie können alle Überprüfungen auf der Registerkarte Scans anzeigen.

  3. Wählen Sie die Überprüfung aus, die Sie verwalten möchten. Anschließend können Sie:

    • Bearbeiten Sie die Überprüfung, indem Sie Überprüfung bearbeiten auswählen.
    • Brechen Sie eine laufende Überprüfung ab, indem Sie Überprüfungsausführung abbrechen auswählen.
    • Löschen Sie Ihre Überprüfung, indem Sie Überprüfung löschen auswählen.

Hinweis

  • Durch das Löschen Ihrer Überprüfung werden keine Katalogressourcen gelöscht, die aus vorherigen Überprüfungen erstellt wurden.

Durchsuchen und Durchsuchen von Ressourcen

Nachdem Sie Ihre Azure Databricks-Instanz überprüft haben, können Sie den Datenkatalog durchsuchen oder den Datenkatalog durchsuchen , um die Ressourcendetails anzuzeigen.

In der Databricks-Arbeitsbereichsressource finden Sie den zugeordneten Hive-Metastore und die Tabellen/Sichten, umgekehrt gilt ebenfalls.

Screenshot: Durchsuchen von Ressourcen nach Quelltyp

Screenshot: Navigieren zu Details zum Azure Databricks-Quellobjekt

Screenshot: Suchen des zugeordneten Hive-Metastores mit Azure Databricks-Quelle

Herkunft

Informationen zu den unterstützten Azure Databricks-Szenarien finden Sie im Abschnitt Unterstützte Funktionen . Weitere Informationen zur Herkunft im Allgemeinen finden Sie im Benutzerhandbuch zur Datenherkunft und -herkunft.

Wechseln Sie zur Registerkarte Hive-Tabelle/Ansichtsobjekt –> Herkunft. Sie können die Ressourcenbeziehung anzeigen, falls zutreffend. Für die Beziehung zwischen Tabellen- und externen Speicherressourcen wird das Hive-Tabellenobjekt angezeigt, und das Speicherasset ist direkt bidirektional verbunden, da sie sich gegenseitig beeinflussen. Wenn Sie den Bereitstellungspunkt in der Create Table-Anweisung verwenden, müssen Sie die Bereitstellungspunktinformationen in den Überprüfungseinstellungen angeben, um eine solche Beziehung zu extrahieren.

Screenshot: Beispiel für die Azure Databricks-Herkunft

Nächste Schritte

Nachdem Sie Ihre Quelle registriert haben, verwenden Sie die folgenden Leitfäden, um mehr über Microsoft Purview und Ihre Daten zu erfahren: