Executar consultas federadas no Amazon Redshift

  • Artigo

Importante

Esse recurso está em uma versão prévia.

Este artigo descreve como configurar a Federação do Lakehouse para executar consultas federadas nos dados do Executar consultas no Amazon Redshift que não sejam gerenciados pelo Azure Databricks. Para saber mais sobre a Lakehouse Federation, veja O que é a Lakehouse Federation.

Para conectar suas consultas de Execução a um banco de dados do Amazon Redshift usando a Federação do Lakehouse, você precisa criar o seguinte no metastore do Catálogo do Unity no Azure Databricks:

  • Uma conexão com seu banco de dados do Executar consultas no Amazon Redshift.
  • Um catálogo estrangeiro que espelhe seu banco de dados do Executar consultas no Amazon Redshift no Catálogo do Unity, para que você possa usar a sintaxe de consulta e as ferramentas de governança de dados do Catálogo do Unity 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 de CREATE 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

  1. No espaço de trabalho do Azure Databricks, clique em Ícone do catálogoCatálogo.
  2. No painel esquerdo, expanda o menu Dados Externos e selecione Conexões.
  3. Clique em Criar conexão.
  4. Insira um nome de conexão simples.
  5. Selecione um Tipo de Conexão do Redshift.
  6. Insira as propriedades de conexão a seguir para sua instância do Redshift.
    • Host: por exemplo, redshift-demo.us-west-2.redshift.amazonaws.com
    • Porta: por exemplo, 5439
    • Usuário: por exemplo, redshift_user
    • Senha: por exemplo, password123
  7. (Opcional) Clique em Testar conectividade para confirmar se está funcionando.
  8. (Opcional) Adicione um comentário.
  9. Clique em Criar.

Sql

Execute o comando a seguir em um notebook ou no editor de SQL do Databricks.

CREATE CONNECTION <connection-name> TYPE redshift
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 redshift
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

  1. No espaço de trabalho do Azure Databricks, clique em Ícone do catálogoCatálogo.
  2. Clique no botão Criar Catálogo.
  3. Na caixa de diálogo Criar um novo catálogo, insira um nome para o catálogo e selecione um Tipo de Estrangeiro.
  4. Selecione a Conexão que fornece acesso ao banco de dados que você deseja espelhar como um do Catálogo do Unity.
  5. Insira o nome do Banco de Dados que você deseja espelhar como um catálogo.
  6. 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

Há suporte para os seguintes pushdowns:

  • Filtros
  • Projeções
  • Limite
  • Junções
  • Agregações (Average, Count, Max, Min, StddevPop, StddevSamp, Sum, VarianceSamp)
  • Funções (funções de cadeia de caracteres e outras funções diversas, como Alias, Cast, SortOrder)
  • Classificação

Não há suporte para os seguintes pushdowns:

  • 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:

Tipo do Redshift Tipo do Spark
numeric DecimalType
int2, int4 IntegerType
int8, oid, xid LongType
float4 FloatType
precisão dupla, float8, dinheiro DoubleType
bpchar, char, character varying, name, super, text, tid, varchar 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

Quando você lê do Redshift, o Redshift Timestamp é mapeado para o Spark TimestampType e infer_timestamp_ntz_type = false (padrão). O Redshift Timestamp é mapeado para TimestampNTZType se infer_timestamp_ntz_type = true.