Databricks OpenSharing
O OpenSharing do Databricks (antigo Delta Sharing) permite compartilhar com segurança dados de engajamento e de campanhas da Braze em tempo real no seu ambiente Databricks. Este artigo descreve como funciona o compartilhamento, com a Braze como provedora de dados e sua conta Databricks como destinatária, e como consultar as tabelas compartilhadas.

O Databricks OpenSharing com a Braze está disponível para clientes hospedados em nossos clusters dos EUA e da UE. Se você não estiver hospedado em nossos clusters dos EUA ou da UE, entre em contato com seu gerente de sucesso do cliente.
O Databricks OpenSharing faz parte da Distribuição de Dados da Braze. Para uma visão geral completa das opções de Distribuição de Dados, consulte Distribuição de Dados.
Pré-requisitos
| Requisito | Descrição |
|---|---|
| Permissões do espaço de trabalho da Braze | Visualizar integrações do Currents para visualizar o compartilhamento de dados. Editar integrações do Currents para criar, atualizar ou excluir um compartilhamento do Databricks. |
Configurar o Databricks OpenSharing
No Databricks, o compartilhamento de dados acontece entre um provedor de dados e um destinatário de dados. Sua conta da Braze é o provedor de dados, pois cria e envia o compartilhamento. Sua conta do Databricks é o destinatário de dados, pois consome o compartilhamento para criar um catálogo que você pode consultar. Para saber mais, consulte a documentação do Databricks sobre leitura de dados compartilhados usando o Databricks-to-Databricks OpenSharing (para destinatários).
Etapa 1: Configurar o compartilhamento na Braze
- Na Braze, acesse Integrações de parceiros > Compartilhamento direto de dados e selecione Criar novo > Databricks OpenSharing.
- Insira seu identificador de compartilhamento do Databricks.
- Quando terminar, selecione Criar Datashare. A Braze envia o compartilhamento para sua conta do Databricks.
Etapa 2: Criar um catálogo no Databricks
- Depois de alguns minutos, você deverá receber o compartilhamento de entrada na sua conta do Databricks.
-
Usando o compartilhamento de entrada, crie um catálogo para visualizar e consultar as tabelas. Por exemplo:
CREATE CATALOG [IF NOT EXISTS] <catalog-name> USING SHARE braze.<share-name>;
- Conceda privilégios para que os usuários e grupos certos possam consultar o novo catálogo.

Os dados compartilhados são somente leitura no seu espaço de trabalho do Databricks. Você pode consultá-los como qualquer outro dado, mas não pode modificar nem excluir linhas nas tabelas compartilhadas por meio do compartilhamento.
Uso e visualização
Assim como no Currents, você pode usar o Databricks OpenSharing para:
- Criar relatórios complexos
- Realizar modelagem de atribuição
- Compartilhar dados de forma segura dentro da sua empresa
- Mapear dados brutos de eventos ou dados de usuários para um CRM (como o Salesforce)
- E muito mais
Para ver a lista completa de tabelas e colunas disponíveis no Databricks, baixe os esquemas de tabelas brutas do Databricks como um arquivo de texto. Esse arquivo reflete o esquema do Databricks OpenSharing (por exemplo, DB_CREATED_AT para o horário de ingestão). Ele não é intercambiável com os esquemas de tabelas brutas do Snowflake nem com a referência de tabelas SQL, que descrevem os nomes e campos do Snowflake.

Os nomes e tipos de colunas podem ser diferentes dos usados no Snowflake Data Sharing (por exemplo, DB_CREATED_AT em vez de SF_CREATED_AT).
Esquema de ID do usuário
Observe as seguintes diferenças entre as convenções de nomenclatura da Braze e do Databricks para IDs de usuário.
| Esquema da Braze | Esquema do Databricks | Descrição |
|---|---|---|
braze_id |
USER_ID |
O identificador exclusivo que a Braze atribui automaticamente. |
external_id |
EXTERNAL_USER_ID |
O identificador exclusivo do perfil de um usuário que você define na Braze. |
Limitações e considerações
Alterações com e sem quebra de compatibilidade
Alterações sem quebra de compatibilidade
Alterações sem quebra de compatibilidade podem acontecer a qualquer momento e geralmente oferecem funcionalidades adicionais. Exemplos de alterações sem quebra de compatibilidade:
- Adicionar uma nova tabela ou visualização
- Adicionar uma coluna a uma tabela ou visualização existente

Como novas colunas são consideradas alterações sem quebra de compatibilidade, a Braze recomenda fortemente listar explicitamente as colunas de interesse em cada consulta, em vez de usar consultas SELECT *. Outra opção é criar visualizações que nomeiem explicitamente as colunas e consultar essas visualizações, em vez de consultar diretamente as tabelas compartilhadas.
Alterações com quebra de compatibilidade
Sempre que possível, alterações com quebra de compatibilidade são precedidas por um anúncio e um período de migração. Exemplos de alterações com quebra de compatibilidade:
- Remover uma tabela ou visualização
- Remover uma coluna de uma tabela ou visualização existente
- Alterar o tipo ou a nulidade de uma coluna existente
Política de retenção
Você pode consultar os dados dos últimos dois anos de cada evento na visualização USERS_*_SHARED correspondente.
Conformidade com o Regulamento Geral sobre a Proteção de Dados (GDPR)
Quase todos os registros de eventos armazenados pelo Braze incluem alguns campos que representam informações de identificação pessoal (IPI) dos usuários. Alguns eventos podem incluir endereço de e-mail, número de telefone, ID do dispositivo, idioma, gênero e local. Se a solicitação de esquecimento de um usuário for enviada ao Braze, anularemos esses campos de IPI para qualquer evento pertencente a esses usuários. Dessa forma, não removemos o registro histórico do evento, mas agora o evento jamais poderá ser vinculado a um indivíduo específico.
Consulta de dados compartilhados: TIME e performance das consultas
Os dados de eventos nas visualizações de compartilhamento de dados (por exemplo, USERS_BEHAVIORS_CUSTOMEVENT_SHARED) são agrupados (clustered) pelo campo TIME. Ao filtrar pelo momento em que o evento ocorreu, use TIME como filtro preferencial. Consultas que restringem linhas usando TIME geralmente têm melhor performance do que consultas que filtram por DB_CREATED_AT, porque o agrupamento está alinhado com o horário do evento.
| Campo | Significado |
|---|---|
TIME |
Carimbo de data/hora Unix em que o evento aconteceu. Dê preferência a este campo ao filtrar pelo momento da ocorrência. |
DB_CREATED_AT |
Carimbo de data/hora em que a linha foi carregada no Databricks (horário de ingestão). |
Velocidade, performance e custo das consultas
A velocidade, a performance e o custo de qualquer consulta que você executar sobre os dados dependem do tamanho do SQL warehouse que você usa. Dependendo da quantidade de dados acessados, talvez você precise de um warehouse maior para que a consulta seja concluída com sucesso. Para saber mais, consulte a documentação do Databricks sobre como criar e configurar um SQL warehouse (incluindo tamanho e escalonamento do cluster).