Databricks Delta Sharing

Zum Inhalt springen

Diese Seite wurde automatisch übersetzt und kann Ungenauigkeiten enthalten. Um einen Übersetzungsfehler zu melden, nutzen Sie das Feedback unten im Inhaltsverzeichnis rechts auf der Seite.

Databricks Delta Sharing ermöglicht es Ihnen, Live-Daten zu Braze-Engagement und Campaigns sicher in Ihre Databricks-Umgebung zu teilen. Dieser Artikel beschreibt, wie die Datenfreigabe von Braze als Datenanbieter an Ihr Databricks-Konto als Empfänger:in funktioniert und wie Sie freigegebene Tabellen abfragen können.

Wichtig

Databricks Delta Sharing mit Braze ist nur für Kund:innen verfügbar, die auf unseren US-Clustern gehostet werden. Die Unterstützung für weitere Regionen ist in Arbeit. Wenn Sie an Delta Sharing interessiert sind, aber nicht auf unserem US-Cluster gehostet werden, wenden Sie sich an Ihren Customer-Success-Manager.

Databricks Delta Sharing ist Teil der Braze-Datenverteilung. Einen vollständigen Überblick über die Optionen der Datenverteilung finden Sie unter Datenverteilung.

Voraussetzungen

Anforderung	Beschreibung
Verfügbarkeit	Kund:innen, die auf unseren US-Clustern gehostet werden. Wenn Sie an Delta Sharing interessiert sind, aber nicht auf unserem US-Cluster gehostet werden, wenden Sie sich an Ihren Customer-Success-Manager.
Braze-Workspace-Berechtigungen	Currents-Integrationen anzeigen, um Data Sharing einzusehen. Currents-Integrationen bearbeiten, um einen Delta Share zu erstellen, zu aktualisieren oder zu löschen.

Für Databricks erfolgt die Datenfreigabe zwischen einem Datenanbieter und einem Datenempfänger. Ihr Braze-Konto ist der Datenanbieter, da es die Freigabe erstellt und sendet, und Ihr Databricks-Konto ist der Datenempfänger, da es die Freigabe nutzt, um einen Katalog zu erstellen, den Sie abfragen können. Weitere Informationen finden Sie in der Databricks-Dokumentation unter Lesen von Daten, die über Databricks-zu-Databricks Delta Sharing geteilt werden (für Empfänger:innen).

Gehen Sie in Braze zu Partnerintegrationen > Data Sharing > Databricks Delta Sharing.
Geben Sie Ihren Databricks-Freigabebezeichner ein.
Wenn Sie fertig sind, wählen Sie Create Datashare aus. Braze sendet die Freigabe an Ihr Databricks-Konto.

Schritt 2: Einen Katalog in Databricks erstellen

Nach einigen Minuten sollten Sie die eingehende Freigabe in Ihrem Databricks-Konto erhalten.

Verwenden Sie die eingehende Freigabe, um einen Katalog zu erstellen, mit dem Sie die Tabellen anzeigen und abfragen können. Zum Beispiel:

 CREATE CATALOG [IF NOT EXISTS] <catalog-name> USING SHARE braze.<share-name>;

Gewähren Sie Berechtigungen, damit die richtigen Nutzer:innen und Gruppen den neuen Katalog abfragen können.

Warnung

Freigegebene Daten sind in Ihrem Databricks-Workspace schreibgeschützt. Sie können sie wie andere Daten abfragen, aber Sie können Zeilen in den freigegebenen Tabellen nicht über die Freigabe ändern oder löschen.

Nutzung und Visualisierung

Nachdem die Datenfreigabe bereitgestellt wurde, erstellen Sie einen Katalog aus der eingehenden Freigabe, damit freigegebene Tabellen in Ihrem Databricks-Workspace erscheinen und wie andere dort gespeicherte Daten abgefragt werden können. Die freigegebenen Daten bleiben schreibgeschützt.

Ähnlich wie bei Currents können Sie Databricks Delta Sharing verwenden, um:

Komplexe Berichte erstellen
Attribution-Modellierung durchführen
Sicheres Teilen innerhalb Ihres eigenen Unternehmens
Rohe Event- oder Nutzerdaten einem CRM zuordnen (wie Salesforce)
Und mehr

Eine vollständige Liste der verfügbaren Tabellen und Spalten in Databricks finden Sie im Download der Databricks-Rohtabellenschemata als Textdatei. Diese Datei spiegelt das Databricks-Delta-Sharing-Schema wider (zum Beispiel DB_CREATED_AT für die Aufnahmezeit). Sie ist nicht austauschbar mit den Snowflake-Rohtabellenschemata oder der SQL-Tabellenreferenz, die Snowflake-Benennung und -Felder beschreiben.

Hinweis

Spaltennamen und -typen können von Snowflake Data Sharing abweichen (zum Beispiel DB_CREATED_AT statt SF_CREATED_AT).

Nutzer:innen-ID-Schema

Beachten Sie die folgenden Unterschiede zwischen den Namenskonventionen von Braze und Databricks für Nutzer:innen-IDs.

Braze-Schema	Databricks-Schema	Beschreibung
`braze_id`	`USER_ID`	Der eindeutige Bezeichner, den Braze automatisch zuweist.
`external_id`	`EXTERNAL_USER_ID`	Der eindeutige Bezeichner eines Nutzer:innen-Profils, den Sie in Braze festlegen.

Wichtige Informationen und Einschränkungen

Verfügbarkeit

Databricks Delta Sharing ist nur für Kund:innen verfügbar, die auf unseren US-Clustern gehostet werden. Die Unterstützung für weitere Regionen wird derzeit entwickelt. Wenn Sie an Delta Sharing interessiert sind, aber nicht auf unserem US-Cluster gehostet werden, wenden Sie sich an Ihren Customer-Success-Manager.

Kritische und nicht-kritische Änderungen

Nicht-kritische Änderungen

Nicht-kritische Änderungen können jederzeit auftreten und bieten in der Regel zusätzliche Funktionalität. Beispiele für nicht-kritische Änderungen:

Hinzufügen einer neuen Tabelle oder Ansicht
Hinzufügen einer Spalte zu einer bestehenden Tabelle oder Ansicht

Wichtig

Da neue Spalten als nicht-kritische Änderungen gelten, empfiehlt Braze dringend, die gewünschten Spalten in jeder Abfrage explizit aufzulisten, anstatt SELECT *-Abfragen zu verwenden. Alternativ können Sie Ansichten erstellen, die Spalten explizit benennen, und diese Ansichten abfragen, anstatt die freigegebenen Tabellen direkt abzufragen.

Kritische Änderungen

Wenn möglich, werden kritische Änderungen durch eine Ankündigung und eine Migrationsphase eingeleitet. Beispiele für kritische Änderungen:

Entfernen einer Tabelle oder Ansicht
Entfernen einer Spalte aus einer bestehenden Tabelle oder Ansicht
Ändern des Typs oder der Nullbarkeit einer bestehenden Spalte

Aufbewahrungsrichtlinie

Sie können die Daten der letzten zwei Jahre für jedes Ereignis in der entsprechenden USERS_*_SHARED-Ansicht abfragen.

Nahezu jeder Ereignisdatensatz, den Braze speichert, enthält einige Felder, die Nutzer:innen persönlich identifizierbare Informationen (PII) liefern. Einige Ereignisse können E-Mail Adresse, Telefonnummer, ID des Geräts, Sprache, Geschlecht und Standortinformationen enthalten. Wenn die Anfrage eines Nutzers auf Vergessenwerden an Braze übermittelt wird, löschen wir diese PII-Felder für alle Ereignisse, die diesen Nutzer:innen gehören. Auf diese Weise wird die historische Aufzeichnung des Ereignisses nicht gelöscht, aber das Ereignis kann nun nicht mehr mit einer bestimmten Person in Verbindung gebracht werden.

Abfragen freigegebener Daten: `TIME` und Abfrage-Performance

Ereignisdaten in den Data-Sharing-Ansichten (zum Beispiel USERS_BEHAVIORS_CUSTOMEVENT_SHARED) sind nach dem Feld TIME geclustert. Wenn Sie nach dem Zeitpunkt des Ereignisses filtern, verwenden Sie TIME als bevorzugten Filter. Abfragen, die Zeilen mithilfe von TIME einschränken, sind in der Regel performanter als Abfragen, die nach DB_CREATED_AT filtern, da das Clustering auf der Ereigniszeit basiert.

Feld	Bedeutung
`TIME`	Unix-Zeitstempel, zu dem das Ereignis stattgefunden hat. Bevorzugen Sie dieses Feld beim Filtern nach Vorkommen.
`DB_CREATED_AT`	Zeitstempel, wann die Zeile in Databricks geladen wurde (Ingestion-Zeitpunkt).

Geschwindigkeit, Performance und Kosten von Abfragen

Die Geschwindigkeit, Performance und Kosten jeder Abfrage, die Sie auf den Daten ausführen, hängen von der Größe des SQL-Warehouse ab, das Sie verwenden. Je nachdem, auf wie viele Daten Sie zugreifen, benötigen Sie möglicherweise ein größeres Warehouse, damit die Abfrage erfolgreich abgeschlossen werden kann. Weitere Informationen finden Sie in der Databricks-Dokumentation zum Erstellen und Konfigurieren eines SQL-Warehouse (einschließlich Cluster-Größe und Skalierung).

New Stuff!