閱讀英文

共用方式為

在 Azure Databricks 上装载云对象存储

  • 發行項
  • 2024/12/02

重要

装载是旧的访问模式。 Databricks 建议使用 Unity Catalog 来管理所有数据访问权限。 请参阅使用 Unity Catalog 连接到云对象存储和服务。

Azure Databricks 使用户能够将云对象存储装载到 Databricks 文件系统 (DBFS)，以简化不熟悉云概念的用户的数据访问模式。 装载的数据不适用于 Unity Catalog，Databricks 建议不要使用挂载迁移，而是使用 Unity Catalog 管理数据治理。

Azure Databricks 如何装载云对象存储？

Azure Databricks 装载在工作区和云对象存储之间创建一个链接，这使你能够使用与 Databricks 文件系统相关的熟悉文件路径与云对象存储进行交互。 装载的工作原理是，在存储以下信息的 /mnt 目录中创建本地别名：

  • 云对象存储的位置。
  • 用于连接到存储帐户或容器的驱动程序规范。
  • 访问数据所需的安全凭据。

装载存储的语法是什么？

source 指定对象存储的 URI（并且可以选择对安全凭据进行编码）。 mount_point 指定 /mnt 目录中的本地路径。 某些对象存储源支持可选的 encryption_type 参数。 对于某些访问模式，你可以将其他配置规范作为字典传递给 extra_configs。

注意

Databricks 建议使用 extra_configs 将特定于装载的 Spark 和 Hadoop 配置设置为选项。 这样可以确保配置绑定到装载而不是群集或会话。

dbutils.fs.mount(
  source: str,
  mount_point: str,
  encryption_type: Optional[str] = "",
  extra_configs: Optional[dict[str:str]] = None
)

在配置或更改数据装载之前，请咨询工作区和云管理员，因为配置不当可能会为工作区中的所有用户提供不安全的访问。

注意

除本文中所述的方法外，还可使用 Databricks Terraform 提供程序和 databricks_mount 自动装载存储桶。

卸载装入点

若要卸载装入点，请使用以下命令：

dbutils.fs.unmount("/mnt/<mount-name>")

警告

为了避免错误，切勿在其他作业正在读取或写入装入点时修改装入点。 修改装载后，请始终在所有其他正在运行的群集上运行 dbutils.fs.refreshMounts()，以传播任何装载更新。 请参阅 refreshMounts 命令 (dbutils.fs.refreshMounts)。

使用 ABFS 装载 ADLS Gen2 或 Blob 存储

你可以使用 Microsoft Entra ID 应用程序服务主体进行身份验证，在 Azure 存储帐户中装载数据。 有关详细信息，请参阅使用服务主体和 Microsoft Entra ID (Azure Active Directory) 访问存储。

重要

  • Azure Databricks 工作区中的所有用户都有权访问已装载的 ADLS Gen2 帐户。 应仅向用于访问 ADLS Gen2 帐户的服务主体授予对该 ADLS Gen2 帐户的访问权限，不应授予对其他 Azure 资源的访问权限。
  • 通过群集创建装入点后，群集用户可立即访问装入点。 若要在另一个正在运行的群集中使用装入点，则必须在运行的群集上运行 dbutils.fs.refreshMounts()，使新创建的装入点可供使用。
  • 在作业运行时卸载装入点可能会导致错误。 确保生产作业不会在处理过程中卸载存储。
  • 使用机密的装入点不会自动刷新。 如果装载的存储依赖于轮换、过期或删除的机密，则可能会发生错误，例如 401 Unauthorized。 要解决此类错误，必须卸载并重新装载存储。
  • 必须启用分层命名空间 (HNS)，才能使用 ABFS 终结点成功装载 Azure Data Lake Storage Gen2 存储帐户。

在笔记本中运行以下命令，以验证并创建装入点。

configs = {"fs.azure.account.auth.type": "OAuth",
          "fs.azure.account.oauth.provider.type": "org.apache.hadoop.fs.azurebfs.oauth2.ClientCredsTokenProvider",
          "fs.azure.account.oauth2.client.id": "<application-id>",
          "fs.azure.account.oauth2.client.secret": dbutils.secrets.get(scope="<scope-name>",key="<service-credential-key-name>"),
          "fs.azure.account.oauth2.client.endpoint": "https://login.chinacloudapi.cn/<directory-id>/oauth2/token"}

# Optionally, you can add <directory-name> to the source URI of your mount point.
dbutils.fs.mount(
  source = "abfss://<container-name>@<storage-account-name>.dfs.core.chinacloudapi.cn/",
  mount_point = "/mnt/<mount-name>",
  extra_configs = configs)

val configs = Map(
  "fs.azure.account.auth.type" -> "OAuth",
  "fs.azure.account.oauth.provider.type" -> "org.apache.hadoop.fs.azurebfs.oauth2.ClientCredsTokenProvider",
  "fs.azure.account.oauth2.client.id" -> "<application-id>",
  "fs.azure.account.oauth2.client.secret" -> dbutils.secrets.get(scope="<scope-name>",key="<service-credential-key-name>"),
  "fs.azure.account.oauth2.client.endpoint" -> "https://login.chinacloudapi.cn/<directory-id>/oauth2/token")
// Optionally, you can add <directory-name> to the source URI of your mount point.
dbutils.fs.mount(
  source = "abfss://<container-name>@<storage-account-name>.dfs.core.chinacloudapi.cn/",
  mountPoint = "/mnt/<mount-name>",
  extraConfigs = configs)

Replace

  • 将 <application-id> 替换为 Azure Active Directory 应用程序的“应用程序(客户端) ID”。
  • 将 <scope-name> 替换为 Databricks 机密范围名称。
  • 将 <service-credential-key-name> 替换为包含客户端密码的密钥的名称。
  • 将 <directory-id> 替换为 Azure Active Directory 应用程序的“目录(租户) ID”。
  • 将 <container-name> 替换为 ADLS Gen2 存储帐户中的容器的名称。
  • 将 <storage-account-name> 替换为 ADLS Gen2 存储帐户名称。
  • 将 <mount-name> 替换为 DBFS 中的预期装入点的名称。