Kom igång med Autoskalning av Lakebase

Viktigt!

Lakebase Autoscaling är den senaste versionen av Lakebase, med automatisk skalningsberäkning, skalning till noll, förgrening och omedelbar återställning. Information om regioner som stöds finns i Regiontillgänglighet. Om du är en Lakebase Provisioned-användare kan du läsa Lakebase Provisioned.

I slutet av den här guiden har du en Postgres-databas som körs med exempeldata, anslutna till Unity Catalog, med data som flödar mellan Lakebase och Databricks lakehouse.

Steg: (1) Skapa ett projekt → (2) Anslut → (3) Skapa en tabell → (4) Registrera dig i Unity Catalog → (5) Hantera data

Steg 1: Skapa ditt första projekt

Öppna Lakebase-appen från appväxlaren.

Appväxlare

Välj Autoskalning för att få åtkomst till lakebase autoskalningsgränssnittet.

Klicka på Nytt projekt. Ge projektet ett namn och välj din Postgres-version. Projektet skapas med en enda production gren, en standarddatabas databricks_postgres och beräkningsresurser som konfigurerats för grenen.

Dialogrutan Skapa projekt

Det kan ta en stund innan beräkningen aktiveras. Beräkningen för grenen production är alltid aktiverad som standard (skalning till noll är inaktiverad), men du kan konfigurera den här inställningen om det behövs.

Regionen för projektet anges automatiskt till din arbetsyteregion.

Läs mer: Skapa ett projekt | Autoskalning | Skalning till noll

Steg 2: Anslut till databasen

I projektet väljer du produktionsgrenen och klickar på Anslut. Anslutningssträngar fungerar med valfri Postgres-standardklient (psql, pgAdmin, DBeaver eller programramverk).

Dialogrutan Anslut

Om du vill ansluta med din Databricks-identitet kopierar du kodfragmentet psql från anslutningsdialogrutan och klistrar in OAuth-token när du uppmanas:

psql 'postgresql://your-email@databricks.com@ep-abc-123.databricks.com/databricks_postgres?sslmode=require'

Läs mer: Anslutning snabbstart | psql | pgAdmin | Postgres-klienter

Steg 3: Skapa din första tabell

Lakebase SQL-redigeraren är förinstallerad med SQL-exempel. I projektet väljer du produktionsgrenen , öppnar SQL-redigeraren och kör de angivna instruktionerna för att skapa en playing_with_lakebase tabell och infoga exempeldata.

SQL-redigerare med förinläst SQL-exempel

Läs mer: SQL Editor | Tables Editor | Postgres-klienter

Steg 4: Registrera dig i Unity Catalog

Lakebase-databasen körs, men den är osynlig för resten av Databricks-plattformen tills du registrerar den i Unity Catalog. När du har registrerat dig kan du fråga Lakebase-tabeller från Databricks SQL, koppla driftdata till Lakehouse-analys och tillämpa enhetlig styrning.

I Katalogutforskaren skapar du en ny katalog med Lakebase Autoscaling som typ och pekar på projektets production gren och databricks_postgres databas.

Registrera LKB-databas i Unity Catalog

Nu kan du fråga från ett SQL-lager:

SELECT * FROM lakebase_catalog.public.playing_with_lakebase;

Läs mer: Registrera dig i Unity Catalog

Steg 5: Hantera lakehouse-data i din app

Synkroniserade tabeller tar med sig analysdata från Unity Catalog till din Lakebase-databas så att program kan köra frågor mot dem med transaktionsläsningar med låg latens. Skapa en Unity Catalog-exempeltabell och synkronisera den sedan med Lakebase.

Skapa en källtabell i ett SQL-lager eller en notebook-fil:

CREATE TABLE main.default.user_segments AS
SELECT * FROM VALUES
  (1001, 'premium', 2500.00, 'high'),
  (1002, 'standard', 450.00, 'medium'),
  (1003, 'premium', 3200.00, 'high'),
  (1004, 'basic', 120.00, 'low')
AS segments(user_id, tier, lifetime_value, engagement);

Synkronisera nu den här tabellen till Lakebase. I Katalogutforskaren skapar du en synkroniserad tabell från user_segments med läget Ögonblicksbild och riktar in sig på projektets databricks_postgres databas. Ögonblicksbildsläget kopierar data en gång. För kontinuerliga uppdateringar, använd Triggered eller Continuous-läge.

När synkroniseringen är klar är data tillgängliga i Lakebase som default.user_segments_synced. Kör en fråga i Lakebase SQL-redigeraren:

SELECT * FROM "default".user_segments_synced WHERE engagement = 'high';

Anmärkning

default måste anges eftersom det är ett reserverat PostgreSQL-nyckelord. Det synkroniserade tabellschemat ärver schemanamnet för Unity-katalogen, så om schemat heter defaultmåste du alltid citera det i frågor. Citattecken runt andra identifierare är valfria.

Fråga efter synkroniserade användarsegment i Lakebase SQL-redigeraren

Din lakehouse-analys är nu redo att användas från transaktionsdatabasen.

Läs mer: Synkroniserade tabeller | Synkroniseringslägen | Datatypsmappning

Nästa steg

  • Last updated on