共用方式為

在 Azure Synapse 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 Azure Synapse（SQL 数据仓库）运行联合查询。 若要详细了解 Lakehouse Federation，请参阅“什么是 Lakehouse Federation？”。

若使用 Lakehouse Federation 连接到 Azure Synapse（SQL 数据仓库），必须在 Azure Databricks Unity Catalog 元存储中创建以下内容：

  • 与 Azure Synapse（SQL 数据仓库）数据库的连接。
  • 用于镜像 Unity Catalog 中的 Azure Synapse（SQL 数据仓库）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：

  • 涵盖计算资源到目标数据库系统的网络连接。 请参阅 Lakehouse Federation 网络建议。
  • Azure Databricks 计算必须使用 Databricks Runtime 13.3 LTS 或更高版本以及 标准 或 专用 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 “数据”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. 在“设置连接”向导的“连接基本信息”页面上，输入用户友好的连接名称。

  4. 选择 SQLDW 的“连接类型”。

  5. （可选）添加注释。

  6. 单击 “下一步” 。

  7. 在 “身份验证 ”页上，输入 Azure Synapse 实例的以下连接属性：

    • 主机：例如 sqldws-demo.database.chinacloudapi.cn。
    • 端口：例如 1433
    • 用户
    • 密码
    • 信任服务器证书：默认情况下会取消选中此证书。 选中后，传输层使用 SSL 加密通道，并绕过证书链来验证信任。 除非有绕过信任验证的具体需求，否则请将此设置保留为默认值。

  8. 单击“ 创建连接”。

  9. 在 “目录基本信息 ”页上，输入外国目录的名称。 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。

  10. （可选）单击“测试连接”以确认它是否正常工作。

  11. 单击“创建目录”。

  12. 在 “访问 ”页上，选择用户可以在其中访问所创建的目录的工作区。 您可以选择所有工作区均具有访问权限，或单击分配到工作区，选择工作区，然后单击分配。

  13. 更改能够管理对目录中所有对象的访问的 所有者 。 开始在文本框中键入主体，然后单击返回的结果中的主体。

  14. 授予对目录的“特权”。 单击“授权”：

    1. 指定将有权访问目录中对象的 主体 。 开始在文本框中键入主体，然后单击返回的结果中的主体。

    2. 选择“特权预设”以对每个主体授权。 默认情况下，向所有帐户用户授予 BROWSE。

      • 从下拉菜单中选择 “数据读取者 ”，以授予 read 对目录中对象的权限。
      • 从下拉菜单中选择 “数据编辑器”，以向 read 和 modify 授予目录中对象的权限。
      • 手动选择要授予的权限。

    3. 单击授权。

  15. 单击 “下一步” 。

  16. 在“元数据”页上，指定标记键值对。 有关详细信息，请参阅 将标记应用于 Unity 目录安全对象。

  17. （可选）添加注释。

  18. 单击“ 保存”。

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 sqldw
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 sqldw
OPTIONS (
  host '<hostname>',
  port '<port>',
  user secret ('<secret-scope>','<secret-key-user>'),
  password secret ('<secret-scope>','<secret-key-password>')
)

有关设置机密的详细信息，请参阅机密管理。

创建外部目录

注意

如果使用 UI 创建与数据源的连接，则包含外部目录创建，你可以跳过此步骤。

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。

要创建外部目录，可以使用目录资源管理器，或在 Azure Databricks 笔记本或 SQL 查询编辑器中使用 CREATE FOREIGN CATALOG SQL 命令。 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 “数据”图标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 SQL 查询编辑器中运行以下 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。
  • <database-name>：要在 Azure Databricks 中镜像为目录的数据库的名称。
CREATE FOREIGN CATALOG [IF NOT EXISTS] <catalog-name> USING CONNECTION <connection-name>
OPTIONS (database '<database-name>');

支持的下推

支持以下下推：

  • 筛选器
  • 投影
  • 限制
  • 聚合（Average、Count、Max、Min、StddevPop、StddevSamp、Sum、VarianceSamp）
  • 函数（算术函数和其他杂项函数，例如 Alias、Cast、SortOrder）
  • 排序

不支持以下下推：

  • 联接
  • Windows 函数

数据类型映射

从 Synapse/SQL 数据仓库读取到 Spark 时，数据类型映射如下所示：

Synapse 类型 Spark 类型
decimal、money、numeric、smallmoney 十进制类型
smallint ShortType
tinyint 字节类型
整数 (int) 整数类型
bigint LongType
真实 浮点类型
float DoubleType
char、nchar、ntext、nvarchar、text、uniqueidentifier、varchar、xml 字符串类型
binary、geography、geometry、image、timestamp、udt、varbinary 二进制类型
比特 BooleanType
日期 日期类型
datetime、datetime2、smalldatetime、time 时间戳类型/时间戳NTZ类型*

*当需要从 Synapse/SQL 数据仓库 (SQLDW) 读取时，如果 datetimes（默认值），则 SQLDW TimestampType 映射到 Spark preferTimestampNTZ = false。 如果 datetimes，则 SQLDW TimestampNTZType 映射到 preferTimestampNTZ = true。