Copiar dados do Impala utilizando o Azure Data Factory ou Synapse Analytics

Artigo
10/20/2023

APLICA-SE A: Azure Data Factory Azure Synapse Analytics

Dica

Experimente o Data Factory no Microsoft Fabric, uma solução de análise tudo-em-um para empresas. O Microsoft Fabric abrange desde movimentação de dados até ciência de dados, análise em tempo real, business intelligence e relatórios. Saiba como iniciar uma avaliação gratuita!

Este artigo descreve como usar a atividade de cópia nos pipelines do Azure Data Factory ou do Azure Synapse Analytics para copiar dados de uma tabela do Impala. Ele amplia o artigo Visão geral da Atividade de Cópia que apresenta uma visão geral da atividade de cópia.

Funcionalidades com suporte

Há suporte para este conector do Impala para as seguintes funcionalidade:

Funcionalidades com suporte	IR
Atividade de cópia (origem/-)	6/6
Atividade de pesquisa	6/6

① Runtime de integração do Azure ② Runtime de integração auto-hospedada

Para obter uma lista de armazenamentos de dados que têm suporte como fontes ou coletores da atividade de cópia, confira a tabela Armazenamentos de dados com suporte.

O serviço fornece um driver interno para habilitar a conectividade. Portanto, você não precisa instalar manualmente um driver para usar esse conector.

Pré-requisitos

Se o armazenamento de dados estiver localizado dentro de uma rede local, em uma rede virtual do Azure ou na Amazon Virtual Private Cloud, você precisará configurar um runtime de integração auto-hospedada para se conectar a ele.

Se o armazenamento de dados for um serviço de dados de nuvem gerenciado, você poderá usar o Azure Integration Runtime. Se o acesso for restrito aos IPs que estão aprovados nas regras de firewall, você poderá adicionar IPs do Azure Integration Runtime à lista de permissões.

Você também pode usar o recurso de runtime de integração da rede virtual gerenciada no Azure Data Factory para acessar a rede local sem instalar e configurar um runtime de integração auto-hospedada.

Para obter mais informações sobre os mecanismos de segurança de rede e as opções compatíveis com o Data Factory, consulte Estratégias de acesso a dados.

Introdução

Para executar a atividade de Cópia com um pipeline, será possível usar as ferramentas ou os SDKs abaixo:

Criar um serviço vinculado para Impala usando a interface do usuário

Use as etapas a seguir para criar um serviço vinculado ao Impala na interface do usuário do portal do Microsoft Azure.

Navegue até a guia Gerenciar no workspace do Azure Data Factory ou do Synapse, selecione Serviços Vinculados e clique em Novo:
- Azure Data Factory
- Azure Synapse
Pesquise por Impala e selecione o conector do Impala.
Configure os detalhes do serviço, teste a conexão e crie o novo serviço vinculado.

Detalhes da configuração do conector

As seções a seguir fornecem detalhes sobre as propriedades usadas para definir entidades do Data Factory específicas ao conector do Impala.

Propriedades do serviço vinculado

As propriedades a seguir têm suporte no serviço vinculado do Impala.

Propriedade	Descrição	Obrigatório
type	A propriedade type deve ser definida como Impala.	Sim
host	O endereço IP ou nome do host do servidor Impala (que é 192.168.222.160).	Sim
porta	A porta TCP usada pelo servidor Impala para ouvir conexões de cliente. O valor padrão é 21050.	Não
authenticationType	O tipo de autenticação a ser usado. Valores permitidos são: Anônimo, SASLUsername e UsernameAndPassword.	Sim
Nome de Usuário	O nome de usuário usado para acessar o servidor Impala. O valor padrão é anônimo quando você usa SASLUsername.	Não
password	A senha que corresponde ao nome de usuário quando você usa UsernameAndPassword. Marque este campo como um SecureString para armazená-lo com segurança ou referencie um segredo armazenado no Azure Key Vault.	Não
enableSsl	Especifica se as conexões com o servidor devem ser criptografadas usando TLS. O valor padrão é false.	Não
trustedCertPath	O caminho completo do arquivo .pem que contém certificados AC confiáveis usados para verificar o servidor ao se conectar via TLS. Essa propriedade pode ser definida somente quando você usa o TLS em um runtime de integração auto-hospedada. O valor padrão é o arquivo de cacerts.pem instalado com o runtime de integração.	Não
useSystemTrustStore	Especifica se deve usar um certificado de autoridade de certificação do repositório de confiança de sistema ou de um arquivo PEM especificado. O valor padrão é false.	Não
allowHostNameCNMismatch	Especifica se o nome do certificado TLS/SSL emitido pela AC deve corresponder ao nome do host do servidor ao se conectar via TLS. O valor padrão é false.	Não
allowSelfSignedServerCert	Especifica se deve permitir os certificados autoassinados do servidor. O valor padrão é false.	Não
connectVia	O runtime de integração a ser usado para se conectar ao armazenamento de dados. Saiba mais na seção Pré-requisitos. Se não for especificado, ele usa o Integration Runtime padrão do Azure.	Não

Exemplo:

{
    "name": "ImpalaLinkedService",
    "properties": {
        "type": "Impala",
        "typeProperties": {
            "host" : "<host>",
            "port" : "<port>",
            "authenticationType" : "UsernameAndPassword",
            "username" : "<username>",
            "password": {
                "type": "SecureString",
                "value": "<password>"
            }
        },
        "connectVia": {
            "referenceName": "<name of Integration Runtime>",
            "type": "IntegrationRuntimeReference"
        }
    }
}

Propriedades do conjunto de dados

Para obter uma lista completa das seções e propriedades disponíveis para definir os conjuntos de dados, confira o artigo sobre Conjuntos de Dados. Esta seção fornece uma lista das propriedades com suporte pelo conjunto de dados do Impala.

Para copiar dados do Impala, defina a propriedade type do conjunto de dados como ApacheImpalaObject. Há suporte para as seguintes propriedades:

Propriedade	Descrição	Obrigatório
type	A propriedade type do conjunto de dados precisa ser definida como ImpalaObject	Sim
esquema	Nome do esquema.	Não (se "query" na fonte da atividade for especificada)
tabela	Nome da tabela.	Não (se "query" na fonte da atividade for especificada)
tableName	Nome da tabela com esquema. Essa propriedade é compatível com versões anteriores. Use `schema` e `table` para uma nova carga de trabalho.	Não (se "query" na fonte da atividade for especificada)

Exemplo

{
    "name": "ImpalaDataset",
    "properties": {
        "type": "ImpalaObject",
        "typeProperties": {},
        "schema": [],
        "linkedServiceName": {
            "referenceName": "<Impala linked service name>",
            "type": "LinkedServiceReference"
        }
    }
}

Propriedades da atividade de cópia

Para obter uma lista completa das seções e propriedades disponíveis para definir atividades, confia o artigo Pipelines. Esta seção fornece uma lista das propriedades com suporte pelo tipo de fonte do Impala.

Impala como um tipo de fonte

Para copiar dados do Impala, defina o tipo de fonte na atividade de cópia como ImpalaSource. As propriedades a seguir têm suporte na seção source da atividade de cópia.

Propriedade	Descrição	Obrigatório
type	A propriedade type da fonte da atividade de cópia deve ser definida como ImpalaSource.	Sim
Consulta	Utiliza a consulta SQL personalizada para ler os dados. Um exemplo é `"SELECT * FROM MyTable"`.	Não (se "tableName" no conjunto de dados for especificado)