在 MySQL 上运行联合查询
本文介绍如何设置 Azure Databricks Lakehouse Federation,以便对不受 Azure Databricks 管理的 MySQL 数据运行联合查询。 若要详细了解 Lakehouse Federation,请参阅“什么是 Lakehouse Federation?”。
若要使用 Lakehouse Federation 连接到 MySQL 数据库,必须在 Azure Databricks Unity Catalog 元存储中创建以下内容:
- 与你的 MySQL 数据库的连接。
- 镜像 Unity Catalog 中的 MySQL 数据库的外部目录,可让你使用 Unity Catalog 查询语法和数据治理工具来管理 Azure Databricks 用户对数据库的访问。
开始之前
工作区要求:
- 已为 Unity Catalog 启用工作区。
计算要求:
从 Databricks Runtime 群集或 SQL 仓库到目标数据库系统的网络连接。 请参阅 Lakehouse Federation 网络建议。
Azure Databricks 群集必须使用 Databricks Runtime 13.3 LTS(或更高版本)和共享或单用户访问模式。
SQL 仓库必须是专业版,并且必须使用 2023.40 或更高版本。
所需的权限:
- 若要创建连接,你必须是元存储管理员或对附加到工作区的 Unity Catalog 元存储具有
CREATE CONNECTION
权限的用户。 - 若要创建外部目录,必须对元存储具有
CREATE CATALOG
权限,并且是连接的所有者或对连接具有CREATE FOREIGN CATALOG
特权。
后面的每个基于任务的部分中都指定了其他权限要求。
创建连接
连接指定用于访问外部数据库系统的路径和凭据。 若要创建连接,可以使用目录资源管理器,或者使用 Azure Databricks 笔记本或 Databricks SQL 查询编辑器中的 CREATE CONNECTION
SQL 命令。
注意
你还可以使用 Databricks REST API 或 Databricks CLI 来创建连接。 请参阅 POST /api/2.1/unity-catalog/connections 和 Unity Catalog 命令。
所需的权限:具有 CREATE CONNECTION
特权的元存储管理员或用户。
目录资源管理器
在 Azure Databricks 工作区中,单击 “目录”。
在“目录”窗格顶部,单击 “添加”图标,然后从菜单中选择“添加连接”。
也可在“快速访问”页中单击“外部数据 >”按钮,转到“连接”选项卡,然后单击“创建连接”。
输入用户友好的连接名称。
选择 MySQL 的“连接类型”。
输入你的 MySQL 实例的以下连接属性。
- 主机:例如
mysql-demo.lb123.cn-north-2.rds.amazonaws.com
- 端口:例如
3306
- 用户:例如
mysql_user
- 密码:例如
password123
- 主机:例如
(可选)单击“测试连接”以确认它是否正常工作。
(可选)添加注释。
单击“创建”。
SQL
在笔记本或 Databricks SQL 查询编辑器中运行以下命令。
CREATE CONNECTION <connection-name> TYPE mysql
OPTIONS (
host '<hostname>',
port '<port>',
user '<user>',
password '<password>'
);
建议对凭据等敏感值使用 Azure Databricks 机密而不是纯文本字符串。 例如:
CREATE CONNECTION <connection-name> TYPE mysql
OPTIONS (
host '<hostname>',
port '<port>',
user secret ('<secret-scope>','<secret-key-user>'),
password secret ('<secret-scope>','<secret-key-password>')
)
如果必须在笔记本 SQL 命令中使用纯文本字符串,请避免通过使用 \
将特殊字符(如 $
)进行转义来截断字符串。 例如:\$
。
有关设置机密的详细信息,请参阅机密管理。
创建外部目录
外部目录镜像外部数据系统中的数据库,以便可以使用 Azure Databricks 和 Unity Catalog 查询和管理对该数据库中数据的访问。 若要创建外部目录,请使用与已定义的数据源的连接。
若要创建外部目录,可以使用目录资源管理器,或者使用 Azure Databricks 笔记本或 Databricks SQL 查询编辑器中的 CREATE FOREIGN CATALOG
SQL 命令。
注意
你还可以使用 Databricks REST API 或 Databricks CLI 来创建目录。 请参阅 POST /api/2.1/unity-catalog/catalogs 和 Unity Catalog 命令。
所需的权限:对元存储具有 CREATE CATALOG
权限,并且具有连接的所有权或对连接具有 CREATE FOREIGN CATALOG
权限。
目录资源管理器
在 Azure Databricks 工作区中,单击 “目录”以打开目录资源管理器。
在“目录”窗格顶部,单击 “添加”图标,然后从菜单中选择“添加目录”。
也可在“快速访问”页中单击“目录”按钮,然后单击“创建目录”按钮。
按照创建目录中的说明创建外部目录。
SQL
在笔记本或 Databricks SQL 编辑器中运行以下 SQL 命令。 括号中的项是可选的。 替换占位符值替:
<catalog-name>
:Azure Databricks 中目录的名称。<connection-name>
:指定数据源、路径和访问凭据的连接对象。
CREATE FOREIGN CATALOG [IF NOT EXISTS] <catalog-name> USING CONNECTION <connection-name>;
支持的下推
所有计算均支持以下下推:
- 筛选器
- 投影
- 限制
- 函数:部分,仅适用于筛选器表达式。 (字符串函数、数学函数、日期、时间和时间戳函数以及其他杂项函数,例如 Alias、Cast、SortOrder)
Databricks Runtime 13.3 LTS 及更高版本和 SQL 仓库支持下列下推:
- 聚合
- 布尔运算符
- 以下数学函数(在禁用了 ANSI 时不受支持):+、-、*、%、/
- 排序,与限制一起使用时
不支持以下下推:
- 联接
- Windows 函数
数据类型映射
从 MySQL 读取到 Spark 时,数据类型映射如下所示:
MySQL 类型 | Spark 类型 |
---|---|
bigint(如果无符号),十进制 | DecimalType |
tinyint*、int、integer、mediumint、smallint | IntegerType |
bigint(如果有符号) | LongType |
FLOAT | FloatType |
double | DoubleType |
char、enum、set | CharType |
varchar | VarcharType |
json、longtext、mediumtext、text、tinytext | StringType |
binary、blob、varbinary、varchar binary | BinaryType |
bit、boolean | BooleanType |
date、year | DateType |
datetime、time、timestamp** | TimestampType/TimestampNTZType |
*tinyint(1) signed
和 tinyint(1) unsigned
被视为布尔值并转换为 BooleanType
。 请参阅 MySQL 文档中的连接器/J 参考。
** 从 MySQL 读取时,如果 preferTimestampNTZ = false
(默认),MySQL Timestamp
会映射到 Spark TimestampType
。 如果 preferTimestampNTZ = true
,MySQL Timestamp
会映射到 TimestampNTZType
。