Copiar dados do Cassandra usando o Azure Data Factory ou o Synapse Analytics

  • Artigo

APLICA-SE A: Azure Data Factory Azure Synapse Analytics

Gorjeta

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

Este artigo descreve como usar a Atividade de Cópia em um pipeline do Azure Data Factory ou Synapse Analytics para copiar dados de um banco de dados Cassandra. Ele se baseia no artigo de visão geral da atividade de cópia que apresenta uma visão geral da atividade de cópia.

Capacidades suportadas

Este conector Cassandra é suportado para os seguintes recursos:

Capacidades suportadas IR
Atividade de cópia (fonte/-) ① ②
Atividade de Pesquisa ① ②

(1) Tempo de execução de integração do Azure (2) Tempo de execução de integração auto-hospedado

Para obter uma lista de armazenamentos de dados suportados como fontes/coletores, consulte a tabela Armazenamentos de dados suportados.

Especificamente, este conector Cassandra suporta:

  • Cassandra versões 2.x e 3.x.
  • Cópia de dados usando autenticação básica ou anônima .

Nota

Para atividades executadas no Self-hosted Integration Runtime, Cassandra 3.x é suportado desde IR versão 3.7 e superior.

Pré-requisitos

Se seu armazenamento de dados estiver localizado dentro de uma rede local, uma rede virtual do Azure ou a Amazon Virtual Private Cloud, você precisará configurar um tempo de execução de integração auto-hospedado para se conectar a ele.

Se o seu armazenamento de dados for um serviço de dados de nuvem gerenciado, você poderá usar o Tempo de Execução de Integração do Azure. Se o acesso for restrito a IPs aprovados nas regras de firewall, você poderá adicionar IPs do Azure Integration Runtime à lista de permissões.

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

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

O Integration Runtime fornece um driver Cassandra integrado, portanto, você não precisa instalar manualmente nenhum driver ao copiar dados de/para Cassandra.

Introdução

Para executar a atividade Copiar com um pipeline, você pode usar uma das seguintes ferramentas ou SDKs:

Criar um serviço vinculado a Cassandra usando a interface do usuário

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

  1. Navegue até a guia Gerenciar em seu espaço de trabalho do Azure Data Factory ou Synapse e selecione Serviços Vinculados e clique em Novo:

  2. Procure Cassandra e selecione o conector Cassandra.

    Screenshot of the Cassandra connector.

  3. Configure os detalhes do serviço, teste a conexão e crie o novo serviço vinculado.

    Screenshot of linked service configuration for Cassandra.

Detalhes de configuração do conector

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

Propriedades do serviço vinculado

As seguintes propriedades são suportadas para o serviço vinculado Cassandra:

Propriedade Descrição Necessário
tipo A propriedade type deve ser definida como: Cassandra Sim
host Um ou mais endereços IP ou nomes de host de servidores Cassandra.
Especifique uma lista separada por vírgulas de endereços IP ou nomes de host para se conectar a todos os servidores simultaneamente.		 Sim
porta A porta TCP que o servidor Cassandra usa para escutar conexões de cliente. Não (o padrão é 9042)
authenticationType Tipo de autenticação usado para se conectar ao banco de dados Cassandra.
Os valores permitidos são: Básico e Anônimo.		 Sim
nome de utilizador Especifique o nome de usuário para a conta de usuário. Sim, se authenticationType estiver definido como Basic.
password Especifique a senha para a conta de usuário. Marque este campo como um SecureString para armazená-lo com segurança ou faça referência a um segredo armazenado no Cofre de Chaves do Azure. Sim, se authenticationType estiver definido como Basic.
ConecteVia O tempo de execução de integração a ser usado para se conectar ao armazenamento de dados. Saiba mais na seção Pré-requisitos . Se não for especificado, ele usará o Tempo de Execução de Integração do Azure padrão. Não

Nota

Atualmente, a conexão com Cassandra usando TLS não é suportada.

Exemplo:

{
    "name": "CassandraLinkedService",
    "properties": {
        "type": "Cassandra",
        "typeProperties": {
            "host": "<host>",
            "authenticationType": "Basic",
            "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 de seções e propriedades disponíveis para definir conjuntos de dados, consulte o artigo sobre conjuntos de dados. Esta seção fornece uma lista de propriedades suportadas pelo conjunto de dados Cassandra.

Para copiar dados de Cassandra, defina a propriedade type do conjunto de dados como CassandraTable. As seguintes propriedades são suportadas:

Propriedade Descrição Necessário
tipo A propriedade type do conjunto de dados deve ser definida como: CassandraTable Sim
espaço chave Nome do keyspace ou esquema no banco de dados Cassandra. Não (se "query" para "CassandraSource" for especificado)
tableName Nome da tabela no banco de dados Cassandra. Não (se "query" para "CassandraSource" for especificado)

Exemplo:

{
    "name": "CassandraDataset",
    "properties": {
        "type": "CassandraTable",
        "typeProperties": {
            "keySpace": "<keyspace name>",
            "tableName": "<table name>"
        },
        "schema": [],
        "linkedServiceName": {
            "referenceName": "<Cassandra linked service name>",
            "type": "LinkedServiceReference"
        }
    }
}

Propriedades da atividade Copy

Para obter uma lista completa de seções e propriedades disponíveis para definir atividades, consulte o artigo Pipelines . Esta seção fornece uma lista de propriedades suportadas pela fonte Cassandra.

Cassandra como fonte

Para copiar dados de Cassandra, defina o tipo de origem na atividade de cópia como CassandraSource. As seguintes propriedades são suportadas na seção de origem da atividade de cópia:

Propriedade Descrição Necessário
tipo A propriedade type da fonte de atividade de cópia deve ser definida como: CassandraSource Sim
query Use a consulta personalizada para ler dados. Consulta SQL-92 ou consulta CQL. Consulte a referência CQL.

Ao usar a consulta SQL, especifique keyspace name.table name para representar a tabela que você deseja consultar.		 Não (se "tableName" e "keyspace" no conjunto de dados forem especificados).
nível de consistência O nível de consistência especifica quantas réplicas devem responder a uma solicitação de leitura antes de retornar dados ao aplicativo cliente. Cassandra verifica o número especificado de réplicas em busca de dados para satisfazer a solicitação de leitura. Consulte Configurando a consistência de dados para obter detalhes.

Os valores permitidos são: ONE, TWO, THREE, QUORUM, ALL, LOCAL_QUORUM, EACH_QUORUM e LOCAL_ONE.		 Não (o padrão é ONE)

Exemplo:

"activities":[
    {
        "name": "CopyFromCassandra",
        "type": "Copy",
        "inputs": [
            {
                "referenceName": "<Cassandra input dataset name>",
                "type": "DatasetReference"
            }
        ],
        "outputs": [
            {
                "referenceName": "<output dataset name>",
                "type": "DatasetReference"
            }
        ],
        "typeProperties": {
            "source": {
                "type": "CassandraSource",
                "query": "select id, firstname, lastname from mykeyspace.mytable"
            },
            "sink": {
                "type": "<sink type>"
            }
        }
    }
]

Mapeamento de tipo de dados para Cassandra

Ao copiar dados de Cassandra, os mapeamentos a seguir são usados de tipos de dados Cassandra para tipos de dados provisórios usados internamente no serviço. Consulte Mapeamentos de esquema e tipo de dados para saber como a atividade de cópia mapeia o esquema de origem e o tipo de dados para o coletor.

Tipo de dados Cassandra Tipo de dados de serviço provisório
ASCII String
BIGINT Int64
BLOB Byte[]
BOOLEANO Boolean
DECIMAL Decimal
DUPLO Duplo
FLUTUAR Única
INET String
INT Int32
TEXTO String
CARIMBO DE DATA/HORA DateTime
TIMEUUID GUID
UUID GUID
VARCHAR String
VARINT Decimal

Nota

Para tipos de coleção (mapa, conjunto, lista, etc.), consulte a seção Trabalhar com tipos de coleção Cassandra usando tabela virtual.

Não há suporte para tipos definidos pelo usuário.

O comprimento dos comprimentos de coluna binária e coluna de cadeia de caracteres não pode ser maior que 4000.

Trabalhar com coleções usando tabela virtual

O serviço usa um driver ODBC interno para se conectar e copiar dados do seu banco de dados Cassandra. Para tipos de coleção, incluindo mapa, conjunto e lista, o driver renormaliza os dados em tabelas virtuais correspondentes. Especificamente, se uma tabela contiver colunas de coleção, o driver gerará as seguintes tabelas virtuais:

  • Uma tabela base, que contém os mesmos dados que a tabela real, exceto para as colunas de coleção. A tabela base usa o mesmo nome que a tabela real que ela representa.
  • Uma tabela virtual para cada coluna de coleção, que expande os dados aninhados. As tabelas virtuais que representam coleções são nomeadas usando o nome da tabela real, um separador "vt" e o nome da coluna.

As tabelas virtuais referem-se aos dados na tabela real, permitindo que o driver acesse os dados desnormalizados. Consulte a seção Exemplo para obter detalhes. Você pode acessar o conteúdo das coleções Cassandra consultando e juntando as tabelas virtuais.

Exemplo

Por exemplo, o seguinte "ExampleTable" é uma tabela de banco de dados Cassandra que contém uma coluna de chave primária inteira chamada "pk_int", uma coluna de texto chamada value, uma coluna de lista, uma coluna de mapa e uma coluna de conjunto (chamada "StringSet").

pk_int valor Lista Mapa Conjunto de Strings
1 "Valor da amostra 1" ["1", "2", "3"] {"S1": "a", "S2": "b"} {"A", "B", "C"}
3 "Valor da amostra 3" ["100", "101", "102", "105"] {"S1": "t"} {"A", "E"}

O driver geraria várias tabelas virtuais para representar essa única tabela. As colunas de chave estrangeira nas tabelas virtuais fazem referência às colunas de chave primária na tabela real e indicam a qual linha de tabela real a linha da tabela virtual corresponde.

A primeira tabela virtual é a tabela base chamada "ExampleTable" é mostrada na tabela a seguir:

pk_int Valor
1 "Valor da amostra 1"
3 "Valor da amostra 3"

A tabela base contém os mesmos dados que a tabela de banco de dados original, exceto para as coleções, que são omitidas dessa tabela e expandidas em outras tabelas virtuais.

As tabelas a seguir mostram as tabelas virtuais que renormalizam os dados das colunas List, Map e StringSet. As colunas com nomes que terminam com "_index" ou "_key" indicam a posição dos dados dentro da lista ou mapa original. As colunas com nomes que terminam com "_value" contêm os dados expandidos da coleção.

Tabela "ExampleTable_vt_List":

pk_int List_index List_value
1 0 1
1 5 2
1 2 3
3 0 100
3 1 101
3 2 102
3 3 103

Quadro "ExampleTable_vt_Map":

pk_int Map_key Map_value
1 S1 A
1 S2 b
3 S1 t

Quadro "ExampleTable_vt_StringSet":

pk_int StringSet_value
1 A
1 N
1 C
3 A
3 E

Propriedades da atividade de pesquisa

Para saber detalhes sobre as propriedades, verifique Atividade de pesquisa.

Conteúdos relacionados

Para obter uma lista de armazenamentos de dados suportados como fontes e coletores pela atividade de cópia, consulte Armazenamentos de dados suportados.