Executar consultas federadas no Amazon Redshift

Esta página descreve como configurar a Lakehouse Federation para executar consultas federadas em Executar consultas em dados do Amazon Redshift que não são gerenciados pelo Azure Databricks. Para saber mais sobre a Lakehouse Federation, consulte O que é a Lakehouse Federation?

Para se conectar às consultas Run no banco de dados do Amazon Redshift usando o Lakehouse Federation, você deve criar o seguinte no metastore do Azure Databricks Unity Catalog:

• Uma conexão para executar consultas na base de dados do Amazon Redshift.
• Um catálogo estrangeiro que espelha suas consultas Run no banco de dados do Amazon Redshift no Unity Catalog para que você possa usar a sintaxe de consulta do Unity Catalog 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 espaço de trabalho:

• Espaço de trabalho habilitado para o Unity Catalog.

Requisitos de computação:

• Conectividade de rede do seu recurso de computação para os sistemas de banco de dados de destino. Consulte Recomendações de rede para a Lakehouse Federation.
• A computação do Azure Databricks deve usar o Databricks Runtime 13.3 LTS ou superior e acesso Standard ou Dedicado.
• Os armazéns SQL devem ser profissionais ou sem servidor e devem usar 2023.40 ou superior.

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 Unity Catalog anexado ao espaço de trabalho.
• Para criar um catálogo estrangeiro, você deve ter a permissão CREATE CATALOG no metastore e ser o proprietário da conexão ou ter o privilégio de CREATE FOREIGN CATALOG na conexão.

Os requisitos de permissão adicionais são especificados em cada seção baseada em tarefas 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 Gerenciador de Catálogos ou o comando CREATE CONNECTION SQL em um bloco de anotações do Azure Databricks ou no editor de consultas Databricks SQL.

Nota

Você também pode usar a API REST do Databricks ou a CLI do Databricks para criar uma conexão. Consulte os comandos POST /api/2.1/unity-catalog/connections e Unity Catalog.

Permissões necessárias: Administrador ou usuário da Metastore com o CREATE CONNECTION privilégio.

Explorador de Catálogos

1. No seu espaço de trabalho do Azure Databricks, clique no Catálogo.

2. Na parte superior do painel Catálogo , clique no Adicionar e selecione Adicionar uma conexão no menu.

   Como alternativa, na página Acesso rápido , clique no botão Dados externos > , vá para a guia Conexões e clique em Criar conexão.

3. Na página Detalhes da conexão do assistente Configurar de conexão, insira um nome de de fácil utilização.

4. Selecione um tipo de conexão de Redshift.

5. (Opcional) Adicione um comentário.

6. Clique em Avançar.

7. Na página de Autenticação , insira as seguintes propriedades de conexão para a sua instância do Redshift.

   • Anfitrião: Por exemplo, redshift-demo.us-west-2.redshift.amazonaws.com
   • Porto: Por exemplo, 5439
   • Usuário: Por exemplo, redshift_user
   • Palavra-passe: Por exemplo, password123

8. (Opcional) Desative a verificação de nome de host SSL.

9. Clique em Criar conexão.

10. Na página Noções básicas do catálogo , insira um nome para o 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 Unity Catalog.

11. (Opcional) Clique em Testar conexão para confirmar se ela funciona.

12. Clique em Criar catálogo.

13. Na página Access , selecione os espaços de trabalho onde os utilizadores podem aceder ao catálogo que criou. Você pode selecionar Todos os espaços de trabalho têm acesso ou clicar em Atribuir a espaços de trabalho, selecionar os espaços de trabalho e clicar em Atribuir.

14. Altere o Proprietário que poderá gerenciar o acesso a todos os objetos no catálogo. Comece a digitar um principal na caixa de texto e, em seguida, clique no principal nos resultados retornados.

15. Conceder privilégios no catálogo. Selecionar Conceder:

    1. Especifique os Diretores que terão acesso aos objetos no catálogo. Comece a digitar um principal na caixa de texto e, em seguida, clique no principal nos resultados retornados.
    2. Selecione as predefinições de privilégio para conceder a cada principal. Todos os usuários da conta recebem BROWSE por padrão.
       • Selecione Leitor de dados no menu suspenso para conceder read privilégios em objetos no catálogo.
       • Selecione Editor de dados no menu suspenso para conceder privilégios de read e modify sobre objetos no catálogo.
       • Selecione manualmente os privilégios a conceder.
    3. Clique em Conceder.

16. Clique em Avançar.

17. Na página Metadados, especifique os pares chave-valor de tags. Para obter mais informações, consulte Aplicar tags a objetos protegíveis do Unity Catalog.

18. (Opcional) Adicione um comentário.

19. Clique em Salvar.

SQL

Execute o seguinte comando em um bloco de anotações ou no editor de consultas Databricks SQL.

CREATE CONNECTION <connection-name> TYPE redshift
OPTIONS (
  host '<hostname>',
  port '<port>',
  user '<user>',
  password '<password>'
);

Recomendamos que você use segredos do Azure Databricks em vez de cadeias de caracteres de texto sem formatação 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 como configurar segredos, consulte Gerenciamento de segredos.

Criar um catálogo estrangeiro

Nota

Se você usar a interface do usuário para criar uma conexão com a fonte de dados, a criação de catálogo estrangeiro será incluída e você poderá ignorar esta etapa.

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 Unity Catalog. 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 Gerenciador de Catálogos ou o comando CREATE FOREIGN CATALOG SQL em um bloco de anotações do Azure Databricks ou no editor de consultas SQL. Você também pode usar a API REST do Databricks ou a CLI do Databricks para criar um catálogo. Consulte POST /api/2.1/unity-catalog/catalogs e comandos do Unity Catalog.

Permissões necessárias:CREATE CATALOG permissão no metastore e propriedade da conexão ou privilégio na conexão.

Explorador de Catálogos

1. No seu espaço de trabalho do Azure Databricks, clique no Catálogo para abrir o Catalog Explorer.

2. Na parte superior do painel Catálogo , clique no Adicionar e selecione Adicionar um catálogo no menu.

   Como alternativa, na página Acesso rápido , clique no botão Catálogos e, em seguida, clique no botão Criar catálogo .

3. Siga as instruções para criar catálogos estrangeiros em Criar catálogos.

SQL

Execute o seguinte comando SQL em um bloco de anotações ou editor de consultas SQL. Os itens entre parênteses são opcionais. Substitua os valores dos espaços reservados:

• <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 suportados

As seguintes flexões são suportadas:

• Filtros
• Projeções
• Limite
• Associações
• Agregados (Média, Contagem, Max, Min, StddevPop, StddevSamp, Soma, VarianceSamp)
• Funções (funções String e outras funções diversas, como Alias, Cast, SortOrder)
• Ordenar

As seguintes flexões não são suportadas:

• 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 Redshift	Tipo de faísca
numérico	Tipo decimal
int2, int4	Tipo inteiro
int8, óide, xid	Tipo Longo
flutuação4	Tipo de flutuação
precisão dupla, float8, dinheiro	Tipo Duplo
bpchar, char, caractere variando, nome, super, texto, tid, varchar	TipoString
bytea, geometria, varbyte	TipoBinário
bit, bool	Tipo Booleano
data	Tipo de Data
tabstime, time, hora com fuso horário, timetz, hora sem fuso horário, timestamp com fuso horário, timestamp, timestamptz, timestamp sem fuso horário*	TimestampType/TimestampNTZTipe

*Quando você lê a partir do Redshift, o Redshift Timestamp é mapeado para o Spark TimestampType if infer_timestamp_ntz_type = false (padrão). Redshift Timestamp é mapeado para TimestampNTZType if infer_timestamp_ntz_type = true.

Limitações

• Não é possível executar consultas federadas em dados externos do Amazon Redshift.