通过

在 MySQL 上运行联合查询

  • 项目

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

  1. 在 Azure Databricks 工作区中，单击 “目录”图标“目录”。

  2. 在“目录”窗格顶部，单击 添加或加号图标“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”。

  3. 输入用户友好的连接名称。

  4. 选择 MySQL 的“连接类型”。

  5. 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

  6. （可选）单击“测试连接”以确认它是否正常工作。

  7. （可选）添加注释。

  8. 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

  1. 在 Azure Databricks 工作区中，单击 “目录”图标“目录”以打开目录资源管理器。

  2. 在“目录”窗格顶部，单击 添加或加号图标“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。

  3. 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。