Copiar dados do Cassandra usando o Azure Data Factory ou o Synapse Analytics

APLICA-SE A: Azure Data Factory Azure Synapse Analytics

Este artigo descreve como usar a Atividade de Cópia em um pipeline do Azure Data Factory ou do Synapse Analytics para copiar dados de um banco de dados Cassandra. Ele se baseia no artigo de visão geral da atividade de cópia que apresenta uma visão geral da atividade de cópia.

Capacidades suportadas

Este conector Cassandra suporta as seguintes funcionalidades:

(1) Tempo de execução de integração do Azure (2) Tempo de execução de integração auto-hospedado

Para obter uma lista de armazenamentos de dados suportados como fontes/coletores, consulte a tabela Armazenamentos de dados suportados.

Especificamente, este conector Cassandra suporta:

• Cassandra versões 3.x.x e 4.x.x para a versão 2.0.
• Cassandra versões 2.x e 3.x para a versão 1.0.
• Cópia de dados usando autenticação básica ou anônima .

Pré-requisitos

Se o seu armazenamento de dados estiver localizado dentro de uma rede local, uma rede virtual do Azure ou uma Amazon Virtual Private Cloud, é necessário configurar um tempo de execução de integração auto-hospedado para se conectar a ele.

Se o seu armazenamento de dados for um serviço de dados de nuvem gerenciado, você poderá usar o Tempo de Execução de Integração do Azure. Se o acesso for restrito a IPs aprovados nas regras de firewall, você poderá adicionar IPs do Azure Integration Runtime à lista de permissões.

Você também pode usar o recurso tempo de execução de integração de rede virtual gerida no Azure Data Factory para aceder à rede local sem instalar e configurar um tempo de execução de integração auto-hospedado.

Para obter mais informações sobre os mecanismos de segurança de rede e as opções suportadas pelo Data Factory, consulte Estratégias de acesso a dados.

O Integration Runtime fornece um driver Cassandra integrado, portanto, você não precisa instalar manualmente nenhum driver ao copiar dados de/para Cassandra.

Iniciar

Para executar a atividade de cópia com um pipeline, você pode usar uma das seguintes ferramentas ou SDKs:

• Ferramenta Copiar dados
• portal do Azure
• SDK do .NET
• Python SDK
• Azure PowerShell
• API REST
• Modelo Azure Resource Manager

Criar um serviço vinculado ao Cassandra usando a interface do usuário

Use as etapas a seguir para criar um serviço vinculado a Cassandra na interface do usuário do portal do Azure.

1. Navegue até a guia Gerenciar em seu espaço de trabalho do Azure Data Factory ou Synapse e selecione Serviços Vinculados e clique em Novo:

   • Fábrica de Dados do Azure
   • Sinapse do Azure

   

2. Procure Cassandra e selecione o conector Cassandra.

   

3. Configure os detalhes do serviço, teste a conexão e crie o novo serviço vinculado.

   

Detalhes de configuração do conector

As seções a seguir fornecem detalhes sobre as propriedades usadas para definir entidades do Data Factory específicas para o conector Cassandra.

Propriedades do serviço vinculado

As seguintes propriedades são suportadas para o serviço vinculado Cassandra:

Exemplo: versão 2.0

{
    "name": "CassandraLinkedService",
    "properties": {
        "type": "Cassandra",
        "version": "2.0", 
        "typeProperties": {
            "host": "<host>",
            "authenticationType": "Basic",
            "username": "<username>",
            "password": {
                "type": "SecureString",
                "value": "<password>"
            }
        },
        "connectVia": {
            "referenceName": "<name of Integration Runtime>",
            "type": "IntegrationRuntimeReference"
        }
    }
}

Exemplo: versão 1.0

{
    "name": "CassandraLinkedService",
    "properties": {
        "type": "Cassandra",
        "typeProperties": {
            "host": "<host>",
            "authenticationType": "Basic",
            "username": "<username>",
            "password": {
                "type": "SecureString",
                "value": "<password>"
            }
        },
        "connectVia": {
            "referenceName": "<name of Integration Runtime>",
            "type": "IntegrationRuntimeReference"
        }
    }
}

Propriedades do conjunto de dados

Para obter uma lista completa de seções e propriedades disponíveis para definir conjuntos de dados, consulte o artigo sobre conjuntos de dados. Esta seção fornece uma lista de propriedades suportadas pelo conjunto de dados Cassandra.

Para copiar dados de Cassandra, defina a propriedade type do conjunto de dados como CassandraTable. As seguintes propriedades são suportadas:

Exemplo:

{
    "name": "CassandraDataset",
    "properties": {
        "type": "CassandraTable",
        "typeProperties": {
            "keySpace": "<keyspace name>",
            "tableName": "<table name>"
        },
        "schema": [],
        "linkedServiceName": {
            "referenceName": "<Cassandra linked service name>",
            "type": "LinkedServiceReference"
        }
    }
}

Propriedades da atividade de cópia

Para obter uma lista completa de seções e propriedades disponíveis para definir atividades, consulte o artigo Pipelines . Esta seção fornece uma lista de propriedades suportadas pela fonte Cassandra.

Cassandra como fonte

Se você usar a versão 2.0 para copiar dados de Cassandra, defina o tipo de origem na atividade de cópia como CassandraSource. As seguintes propriedades são suportadas na seção de origem da atividade de cópia:

Exemplo:

"activities":[
    {
        "name": "CopyFromCassandra",
        "type": "Copy",
        "inputs": [
            {
                "referenceName": "<Cassandra input dataset name>",
                "type": "DatasetReference"
            }
        ],
        "outputs": [
            {
                "referenceName": "<output dataset name>",
                "type": "DatasetReference"
            }
        ],
        "typeProperties": {
            "source": {
                "type": "CassandraSource",
                "query": "select id, firstname, lastname from mykeyspace.mytable",
                "consistencyLevel": "one"
            },
            "sink": {
                "type": "<sink type>"
            }
        }
    }
]

Se você usar a versão 1.0 para copiar dados de Cassandra, defina o tipo de origem na atividade de cópia como CassandraSource. As seguintes propriedades são suportadas na seção de origem da atividade de cópia:

Mapeamento de tipo de dados para Cassandra

Ao copiar dados do Cassandra, os seguintes mapeamentos são utilizados para converter tipos de dados do Cassandra em tipos de dados provisórios usados internamente no serviço. Consulte Mapeamentos de esquema e tipo de dados para entender como a atividade de cópia mapeia o esquema de origem e o tipo de dados para o destino.

Trabalhar com coleções ao usar a versão 2.0

Ao usar a versão 2.0 para copiar dados do banco de dados Cassandra, nenhuma tabela virtual para tipos de coleção é criada. Você pode copiar uma tabela de origem para o coletor em seu tipo original no formato JSON.

Exemplo

Por exemplo, o seguinte "ExampleTable" é uma tabela de banco de dados Cassandra que contém uma coluna de chave primária inteira chamada "pk_int", uma coluna de texto chamada value, uma coluna de lista, uma coluna de mapa e uma coluna de conjunto (chamada "StringSet").

Os dados podem ser lidos diretamente de uma tabela de origem, e os valores de coluna são preservados em seus tipos originais no formato JSON, conforme ilustrado na tabela a seguir:

Trabalhar com coleções usando tabela virtual ao usar a versão 1.0

O serviço usa um driver ODBC interno para se conectar e copiar dados do seu banco de dados Cassandra. Para tipos de coleção, incluindo mapa, conjunto e lista, o driver renormaliza os dados em tabelas virtuais correspondentes. Especificamente, se uma tabela contiver colunas de coleção, o driver gerará as seguintes tabelas virtuais:

• Uma tabela base, que contém os mesmos dados que a tabela real, exceto para as colunas de coleção. A tabela base usa o mesmo nome que a tabela real que ela representa.
• Uma tabela virtual para cada coluna da coleção, que expande os dados aninhados. As tabelas virtuais que representam coleções são nomeadas usando o nome da tabela real, um separador "vt" e o nome da coluna.

As tabelas virtuais referem-se aos dados na tabela real, permitindo que o driver acesse os dados desnormalizados. Consulte a seção Exemplo para obter detalhes. Você pode acessar o conteúdo das coleções Cassandra consultando e juntando as tabelas virtuais.

Exemplo

Por exemplo, o seguinte "ExampleTable" é uma tabela de banco de dados Cassandra que contém uma coluna de chave primária inteira chamada "pk_int", uma coluna de texto chamada value, uma coluna de lista, uma coluna de mapa e uma coluna de conjunto (chamada "StringSet").

O driver geraria várias tabelas virtuais para representar essa única tabela. As colunas de chave estrangeira nas tabelas virtuais referenciam as colunas de chave primária na tabela concreta e indicam a que linha da tabela concreta corresponde a linha da tabela virtual.

A primeira tabela virtual é a tabela base chamada "ExampleTable" é mostrada na tabela a seguir:

A tabela base contém os mesmos dados que a tabela de banco de dados original, exceto para as coleções, que são omitidas dessa tabela e expandidas em outras tabelas virtuais.

As tabelas a seguir mostram as tabelas virtuais que renormalizam os dados das colunas List, Map e StringSet. As colunas com nomes que terminam com "_index" ou "_key" indicam a posição dos dados dentro da lista ou mapa original. As colunas com nomes que terminam com "_value" contêm os dados expandidos da coleção.

Tabela "ExampleTable_vt_List":

Quadro "ExampleTable_vt_Map":

Quadro "ExampleTable_vt_StringSet":

Propriedades da atividade de consulta

Para saber detalhes sobre as propriedades, verifique Atividade de pesquisa.

Atualize o conector Cassandra

Aqui estão as etapas que ajudam você a atualizar o conector Cassandra:

1. Na página Editar serviço vinculado , selecione a versão 2.0 e configure o serviço vinculado consultando as propriedades do serviço vinculado.

2. Na versão 2.0, o query na fonte de atividade de cópia suporta apenas a consulta CQL, não a consulta SQL-92. Para obter mais informações, consulte Cassandra como fonte.

3. O mapeamento de tipo de dados para a versão 2.0 é diferente do da versão 1.0. Para saber o mapeamento de tipo de dados mais recente, consulte Mapeamento de tipo de dados para Cassandra.

Diferenças entre Cassandra versão 2.0 e versão 1.0

O conector Cassandra versão 2.0 oferece novas funcionalidades e é compatível com a maioria dos recursos da versão 1.0. A tabela abaixo mostra as diferenças de recursos entre a versão 2.0 e a versão 1.0.

Conteúdos relacionados

Para obter uma lista de armazenamentos de dados suportados como fontes e destinos pela atividade de cópia, consulte armazenamentos de dados suportados.