Share via

Executar consultas federadas no Amazon Redshift

  • Artigo

Importante

Esta funcionalidade está em Pré-visualização Pública.

Este artigo 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 com suas consultas Run no banco 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 Catálogo Unity.

Requisitos de computação:

  • Conectividade de rede do seu cluster Databricks Runtime ou SQL warehouse para os sistemas de banco de dados de destino. Consulte Recomendações de rede para a Lakehouse Federation.
  • 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 armazéns SQL devem ser Pro ou Serverless.

Permissões necessárias:

  • Para criar uma conexão, você deve ser um administrador de metastore ou um usuário com o CREATE CONNECTION privilégio no metastore do Unity Catalog anexado ao espaço de trabalho.
  • Para criar um catálogo estrangeiro, você deve ter a CREATE CATALOG permissão no metastore e ser o proprietário da conexão ou ter o CREATE FOREIGN CATALOG privilégio 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 CREATE CONNECTION comando SQL em um bloco de anotações do Azure Databricks ou no editor de consultas Databricks SQL.

Permissões necessárias: administrador do Metastore ou usuário com o CREATE CONNECTION privilégio.

Explorador de catálogos

  1. No seu 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 amigável.
  5. Selecione um tipo de conexão de Redshift.
  6. Insira as seguintes propriedades de conexão para 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
  7. (Opcional) Clique em Testar conexão para confirmar se ela funciona.
  8. (Opcional) Adicione um comentário.
  9. Clique em Criar.

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

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 CREATE FOREIGN CATALOG comando SQL em um bloco de anotações do Azure Databricks ou o editor de consultas Databricks SQL.

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

Explorador de catálogos

  1. No seu 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 catálogo do Catálogo Unity.
  5. Insira o nome do banco de dados que você deseja espelhar como um catálogo.
  6. Clique em Criar.

Sql

Execute o seguinte comando SQL em um bloco de anotações ou editor SQL Databricks. Os itens entre parênteses 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 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)
  • Classificação

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 StringType
bytea, geometria, varbyte BinaryType
bit, bool BooleanType
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.