apache-spark - databricks 集群中的通用元数据

Question

我在 Azure 云平台的 databricks 实例中有 3-4 个集群。我想为所有集群维护一个公共元存储。让我知道是否有人实现了这一点。

标签： apache-sparkdatabricksazure-databricksdatabricks-connect

Answer 1

我建议配置一个外部 Hive 元存储。默认情况下，Detabricks 在幕后旋转自己的元存储。但是您可以创建自己的数据库（Azure SQL 也可以，MySQL 或 Postgres 也可以）并在集群启动期间指定它。

以下是详细步骤： https ://docs.microsoft.com/en-us/azure/databricks/data/metastores/external-hive-metastore

需要注意的事项：

• Databricks 中的数据选项卡 - 您可以选择集群并查看不同的元存储。
• 为避免使用 SQL 用户和密码，请查看托管身份https://docs.microsoft.com/en-us/azure/stream-analytics/sql-database-output-managed-identity
• 使用集群的初始化脚本自动化外部 Hive 元存储连接
• 对您的来源进行权限管理。对于 ADLS Gen 2，考虑使用密码直通