Databricks OpenSharing
Mit Databricks OpenSharing (ehemals Delta Sharing) können Sie Live-Engagement- und Kampagnendaten von Braze sicher in Ihrer Databricks-Umgebung freigeben. In diesem Artikel erfahren Sie, wie die Freigabe von Braze als Datenanbieter an Ihr Databricks-Konto als Empfänger funktioniert und wie Sie freigegebene Tabellen abfragen.

Databricks OpenSharing mit Braze ist für Kund:innen verfügbar, die auf unseren US- und EU-Clustern gehostet werden. Wenn Sie nicht auf unseren US- oder EU-Clustern gehostet werden, wenden Sie sich an Ihren Customer-Success-Manager.
Databricks OpenSharing ist Teil von Braze Data Distribution. Eine vollständige Übersicht über die Optionen von Data Distribution finden Sie unter Data Distribution.
Voraussetzungen
| Anforderung | Beschreibung |
|---|---|
| Berechtigungen für den Braze-Workspace | Currents-Integrationen anzeigen, um Data Sharing anzuzeigen. Currents-Integrationen bearbeiten, um einen Databricks-Share zu erstellen, zu aktualisieren oder zu löschen. |
Databricks OpenSharing einrichten
Bei Databricks erfolgt die Datenfreigabe zwischen einem Datenanbieter und einem Datenempfänger. Ihr Braze-Konto ist der Datenanbieter, da es die Freigabe erstellt und sendet. 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 zum Lesen von Daten, die über Databricks-to-Databricks OpenSharing freigegeben wurden (für Empfänger:innen).
Schritt 1: Freigabe in Braze konfigurieren
- Gehen Sie in Braze zu Partnerintegrationen > Direct Data Sharing und wählen Sie dann Neu erstellen > Databricks OpenSharing aus.
- Geben Sie Ihren Databricks-Freigabe-Bezeichner ein.
- Wenn Sie fertig sind, wählen Sie Datashare erstellen aus. Braze sendet die Freigabe an Ihr Databricks-Konto.
Schritt 2: Katalog in Databricks erstellen
- Nach einigen Minuten sollten Sie die eingehende Freigabe in Ihrem Databricks-Konto erhalten.
-
Erstellen Sie mit der eingehenden Freigabe einen Katalog, um die Tabellen anzuzeigen und abzufragen. Zum Beispiel:
CREATE CATALOG [IF NOT EXISTS] <catalog-name> USING SHARE braze.<share-name>;
- Vergeben Sie Berechtigungen, damit die richtigen Nutzer:innen und Gruppen den neuen Katalog abfragen können.

Freigegebene Daten sind in Ihrem Databricks-Workspace schreibgeschützt. Sie können sie wie andere Daten abfragen, aber Sie können über die Freigabe keine Zeilen in den freigegebenen Tabellen ändern oder löschen.
Nutzung und Visualisierung
Ähnlich wie bei Currents können Sie Databricks OpenSharing für Folgendes nutzen:
- 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 in Databricks verfügbaren Tabellen und Spalten erhalten Sie, wenn Sie die Databricks-Rohtabellenschemata als Textdatei herunterladen. Diese Datei bildet das Databricks-OpenSharing-Schema ab (zum Beispiel DB_CREATED_AT für den Zeitpunkt der Aufnahme). Sie ist nicht austauschbar mit den Snowflake-Rohtabellenschemata oder der SQL-Tabellenreferenz, die Snowflake-Benennungen und -Felder beschreiben.

Spaltennamen und -typen können sich von Snowflake Data Sharing unterscheiden (zum Beispiel DB_CREATED_AT statt SF_CREATED_AT).
Schema für Nutzer-IDs
Beachten Sie die folgenden Unterschiede zwischen den Namenskonventionen von Braze und Databricks für Nutzer-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 Nutzerprofils, den Sie in Braze festlegen. |
Einschränkungen und Hinweise
Breaking Changes und Non-Breaking Changes
Non-Breaking Changes
Non-Breaking Changes können jederzeit auftreten und bieten in der Regel zusätzliche Funktionen. Beispiele für Non-Breaking Changes:
- Hinzufügen einer neuen Tabelle oder View
- Hinzufügen einer Spalte zu einer bestehenden Tabelle oder View

Da neue Spalten als Non-Breaking Changes gelten, empfiehlt Braze dringend, die relevanten Spalten in jeder Abfrage explizit aufzuführen, anstatt SELECT *-Abfragen zu verwenden. Alternativ können Sie Views erstellen, die Spalten explizit benennen, und diese Views abfragen, anstatt die freigegebenen Tabellen direkt abzufragen.
Breaking Changes
Wenn möglich, wird Breaking Changes eine Ankündigung und ein Migrationszeitraum vorangestellt. Beispiele für Breaking Changes:
- Entfernen einer Tabelle oder View
- Entfernen einer Spalte aus einer bestehenden Tabelle oder View
- Ändern des Typs oder der Nullbarkeit einer bestehenden Spalte
Aufbewahrungsrichtlinie
Sie können die Daten der letzten zwei Jahre für jedes Event in der entsprechenden USERS_*_SHARED-View abfragen.
Einhaltung der Datenschutz-Grundverordnung (DSGVO)
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
Event-Daten in den Data-Sharing-Views (zum Beispiel USERS_BEHAVIORS_CUSTOMEVENT_SHARED) sind nach dem Feld TIME geclustert. Wenn Sie danach filtern, wann das Event aufgetreten ist, verwenden Sie bevorzugt TIME als Filter. Abfragen, die Zeilen über TIME einschränken, sind in der Regel performanter als Abfragen, die nach DB_CREATED_AT filtern, da das Clustering am Event-Zeitpunkt ausgerichtet ist.
| Feld | Bedeutung |
|---|---|
TIME |
Unix-Zeitstempel, zu dem das Event stattgefunden hat. Verwenden Sie dieses Feld bevorzugt, wenn Sie nach dem Zeitpunkt des Vorkommens filtern. |
DB_CREATED_AT |
Zeitstempel, zu dem die Zeile in Databricks geladen wurde (Erfassungszeitpunkt). |
Geschwindigkeit, Performance und Kosten von Abfragen
Geschwindigkeit, Performance und Kosten jeder Abfrage, die Sie auf den Daten ausführen, hängen von der Größe des verwendeten SQL-Warehouse ab. Je nachdem, auf wie viele Daten Sie zugreifen, benötigen Sie möglicherweise ein größeres Warehouse, damit die Abfrage erfolgreich abgeschlossen wird. Weitere Informationen finden Sie in der Databricks-Dokumentation zum Erstellen und Konfigurieren eines SQL-Warehouse (einschließlich Clustergröße und Skalierung).