Executar consultas federadas no PostgreSQL
Importante
Esse recurso está em uma versão prévia.
Este artigo descreve como configurar 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 Federação do Lakehouse, confira O que é a Federação do Lakehouse.
Para se conectar a um banco de dados Executar consultas no PostgreSQL usando a Lakehouse Federation, você precisa criar o seguinte no metastore do Catálogo do Unity do Azure Databricks:
- Uma conexão com seu banco de dados Executar consultas no PostgreSQL.
- Um catálogo estrangeiro que espelha seu banco de dados Executar consultas no PostgreSQL no Catálogo do Unity para que você possa usar a sintaxe de consulta do Catálogo do Unity e as ferramentas de governança de dados para gerenciar o acesso do usuário do Azure Databricks ao banco de dados.
Antes de começar
Requisitos do workspace:
- Workspace habilitado para o Catálogo do Unity.
Requisitos de computação:
- Conectividade de rede do cluster do Databricks Runtime ou do Warehouse SQL para os sistemas de banco de dados de destino. Confira Recomendações de rede para a Federação de Lakehouse.
- Os clusters do Azure Databricks devem usar o Databricks Runtime 13.3 LTS ou superior e o modo de acesso compartilhado ou de usuário único.
- Os Warehouses SQL devem ser Pro ou Sem Servidor.
Permissões necessárias:
- Para criar uma conexão, você deve ser um administrador de metastore ou um usuário com o privilégio de
CREATE CONNECTION
no metastore do Catálogo do Unity anexado ao workspace. - Para criar um catálogo estrangeiro, você deve ter a permissão de
CREATE CATALOG
no metastore e ser o proprietário da conexão ou ter o privilégio deCREATE FOREIGN CATALOG
na conexão.
Requisitos de permissão adicionais são especificados em cada seção baseada em tarefa a seguir.
Criar uma conexão
Uma conexão especifica um caminho e credenciais para acessar um sistema de banco de dados externo. Para criar uma conexão, você pode usar o Explorador do Catálogo ou o comando SQL CREATE CONNECTION
em um notebook do Azure Databricks, ou o editor de consulta do Databricks SQL.
Permissões necessárias: administrador ou usuário do metastore com o privilégio de CREATE CONNECTION
.
Explorador do Catálogo
- No espaço de trabalho do Azure Databricks, clique em Catálogo.
- No painel esquerdo, expanda o menu Dados Externos e selecione Conexões.
- Clique em Criar conexão.
- Insira um Nome de Conexão simples.
- Selecione um Tipo de Conexão do PostgreSQL.
- Insira as propriedades de conexão a seguir para sua instância do PostgreSQL.
- Host: por exemplo,
postgres-demo.lb123.us-west-2.rds.amazonaws.com
- Porta: por exemplo,
5432
- Usuário: por exemplo,
postgres_user
- Senha: por exemplo,
password123
- Host: por exemplo,
- (Opcional) Clique em Testar conectividade para confirmar se está funcionando.
- (Opcional) Adicione um comentário.
- Clique em Criar.
Sql
Execute o comando a seguir em um notebook ou no editor de SQL do Databricks.
CREATE CONNECTION <connection-name> TYPE postgresql
OPTIONS (
host '<hostname>',
port '<port>',
user '<user>',
password '<password>'
);
Recomendamos usar segredos do Azure Databricks em vez de cadeias de caracteres de texto não criptografado para valores confidenciais, como credenciais. 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 configuração de segredos, confira Gestão de segredos.
Criar um catálogo estrangeiro
Um catálogo estrangeiro espelha um banco de dados em um sistema de dados externo para que você possa consultar e gerenciar o acesso aos dados nesse banco de dados usando o Azure Databricks e o Catálogo do Unity. Para criar um catálogo estrangeiro, use uma conexão com a fonte de dados que já foi definida.
Para criar um catálogo estrangeiro, você pode usar o Explorador do Catálogo ou o comando SQL CREATE FOREIGN CATALOG
em um notebook do Azure Databricks ou o editor de consulta do Databricks SQL.
Permissões necessárias: permissão de CREATE CATALOG
no metastore e a propriedade da conexão ou o privilégio de CREATE FOREIGN CATALOG
na conexão.
Explorador do Catálogo
- No espaço de trabalho do Azure Databricks, clique em Catálogo.
- Clique no botão Criar Catálogo.
- Na caixa de diálogo Criar um novo catálogo, insira um nome para o catálogo e selecione um Tipo de Estrangeiro.
- Selecione a Conexão que fornece acesso ao banco de dados que você deseja espelhar como um do Catálogo do Unity.
- Insira o nome do Banco de Dados que você deseja espelhar como um catálogo.
- Clicar em Criar.
Sql
Execute o comando SQL a seguir em um notebook ou no editor de SQL do Databricks. Os itens entre colchetes são opcionais. Substitua os valores de espaço reservado:
<catalog-name>
: nome do catálogo no Azure Databricks.<connection-name>
: o objeto de conexão que especifica a fonte de dados, o caminho e as credenciais de acesso.<database-name>
: nome do banco de dados que você deseja espelhar como um catálogo no Azure Databricks.
CREATE FOREIGN CATALOG [IF NOT EXISTS] <catalog-name> USING CONNECTION <connection-name>
OPTIONS (database '<database-name>');
Pushdowns com suporte
Os seguintes pushdowns são compatíveis com toda a computação:
- Filtros
- Projeções
- Limite
- Funções: parcial, somente para expressões de filtro. (Funções de cadeia de caracteres, funções matemáticas, dados, tempo e carimbo de data/hora e outras funções diversas, como Alias, Cast, SortOrder)
Os seguintes pushdowns têm suporte para o Databricks Runtime 13.3 LTS e versões posteriores e para SQL warehouses:
- 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 há suporte para elas se o ANSI estiver desabilitado): +, -, *, %, /
- Operadores diversos | e ~
- Classificação, quando usada com limite
Não há suporte para os seguintes pushdowns:
- Junções
- 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:
Tipo postgreSQL | Tipo do Spark |
---|---|
numeric | DecimalType |
int2 | ShortType |
int4 (se não estiver assinado) | IntegerType |
int8, oid, xid, int4 (se assinado) | LongType |
float4 | FloatType |
double precision, float8 | DoubleType |
char | CharType |
name, varchar, tid | VarcharType |
bpchar, character varying, json, money, point, super, text | StringType |
bytea, geometry, varbyte | BinaryType |
bit, bool | BooleanType |
date | DateType |
tabstime, time, time with time zone, timetz, timetz, time without time zone, timestamp with time zone, timestamp, timestamptz, timestamp without time zone* | TimestampType/TimestampNTZType |
Tipo de matriz Postgresql** | ArrayType |
*Quando você lê do Postgresql, o Timestamp
Postgresql é mapeado para TimestampType
Spark se preferTimestampNTZ = false
(padrão). O Timestamp
Postgresql será mapeado para TimestampNTZType
se preferTimestampNTZ = true
.
**Há suporte para tipos de matriz limitados.