Använda Azure Databricks-data på Microsoft Power Platform

Den här sidan förklarar hur du använder dina Azure Databricks-data från följande plattformar när du har skapat en anslutning:

• Power Apps: Skapa program som kan läsa från och skriva till Azure Databricks, samtidigt som du bevarar dina Styrningskontroller för Azure Databricks.
• Power Automate: Skapa flöden och lägg till åtgärder som gör det möjligt att köra anpassad SQL eller ett befintligt jobb och få tillbaka resultaten.
• Copilot Studio: Skapa anpassade agenter med dina Azure Databricks data som kunskapskälla eller anslut Genie-agenter som verktyg. Se Använda Azure Databricks data i Microsoft Copilot Studio.

Förutsättningar

Innan du ansluter till Azure Databricks från Power Platform måste du skapa en anslutning till Azure Databricks på Microsoft Power Platform.

Använd dina Azure Databricks-data för att bygga Power Canvas-appar

Gör följande för att lägga till dina Azure Databricks-data i ditt program:

1. Klicka på Skapa i det vänstra navigeringsfältet i Power Apps.
2. Klicka på Börja med en tom arbetsyta och välj önskad arbetsytestorlek för att skapa en ny arbetsyteapp.
3. Från ditt program klickar du på Lägg till dataanslutningsprogram >> Azure Databricks. Klicka på den Azure Databricks-anslutning som du skapade.
4. Välj en katalog i sidofältet Välj en datauppsättning .
5. I sidofältet Välj en datauppsättning väljer du alla tabeller som du vill ansluta din arbetsyteapp till.
6. Klicka på Anslut.

Dataåtgärder i Power Apps:

Anslutningsappen stöder åtgärder för att skapa, uppdatera och ta bort, men endast för tabeller som har en definierad primärnyckel. När du utför skapandeåtgärder måste du alltid ange primärnyckeln.

Azure Databricks stöder genererade identitetskolumner. I det här fallet genereras primärnyckelvärden automatiskt på servern när raden skapas och kan inte anges manuellt.

Använda dina Azure Databricks-data för att skapa Power Automate-flöden

API:et för körning av Azure Databricks Statement Execution API och Jobs API:et exponeras i Power Automate-flöden, så att du kan skriva SQL-instruktioner och köra befintliga jobb. Om du vill skapa ett Power Automate-flöde med hjälp av Azure Databricks som en åtgärd, gör följande:

1. Klicka på Skapa i det vänstra navigeringsfältet i Power Automate.

2. Skapa ett flöde och lägg till valfri utlösartyp.

3. Från det nya flödet klickar du på + och söker efter "Databricks" för att se tillgängliga åtgärder.

4. Om du vill skriva en SQL-fråga väljer du någon av följande åtgärder:

   • Kör en SQL-instruktion: Skriv och kör en SQL-instruktion. Ange följande:

     • För Brödtext/warehouse_id anger du ID för det lager där SQL-instruktionen ska köras.
     • För Brödtext/statement_id anger du ID för SQL-instruktionen som ska köras.

     Mer information om avancerade parametrar finns i API-dokumentationen.

   • Kontrollera status och få resultat: Kontrollera statusen för en SQL-instruktion och samla in resultat. Ange följande:

     • För Instruktions-ID anger du det ID som returnerades när SQL-instruktionen kördes.

     Mer information om parametern finns i API-dokumentationen.

   • Avbryt körningen av en -instruktion: Avsluta körningen av en SQL-instruktion. Ange följande:

     • För Instruktions-ID anger du ID för SQL-instruktionen som ska avslutas.

     Mer information om parametern finns i API-dokumentationen.

   • Hämta resultat efter segmentindex: Hämta resultat efter segmentindex, vilket är lämpligt för stora resultatuppsättningar. Ange följande:

     • För Instruktions-ID anger du ID för SQL-instruktionen vars resultat du vill hämta.
     • För Segmentindex anger du målsegmentindexet.

     Mer information om parametrarna finns i API-dokumentationen.

5. Om du vill interagera med ett befintligt Azure Databricks-jobb väljer du någon av följande åtgärder:

   • Listjobb: Hämtar en lista över jobb. Mer information finns i API-dokumentationen.
   • Utlös en ny jobbkörning: Kör ett jobb och returnerar den run_id utlösta körningen. Mer information finns i API-dokumentationen.
   • Hämta en enda jobbkörning: Returnerar metadata om en körning, inklusive körningsstatus (t.ex. , RUNNING, SUCCESS, FAILED), start- och sluttid, körningsvaraktighet, klusterinformation och så vidare. Mer information finns i API-dokumentationen.
   • Avbryt en körning: Avbryter en jobbkörning eller en aktivitetskörning. Mer information finns i API-dokumentationen.
   • Hämta utdata för en enda körning: Hämtar utdata och metadata för ett enda jobb eller en aktivitetskörning. Mer information finns i API-dokumentationen.

Skapa virtuella Dataverse-tabeller med dina Azure Databricks-data

Du kan också skapa virtuella Dataverse-tabeller med Azure Databricks-anslutningsappen. Virtuella tabeller, även kallade virtuella entiteter, integrerar data från externa system med Microsoft Dataverse. En virtuell tabell definierar en tabell i Dataverse utan att den fysiska tabellen lagras i Dataverse-databasen. Mer information om virtuella tabeller finns i Komma igång med virtuella tabeller (entiteter).

Du måste ha rollen Systemanpassare eller Systemadministratör. Mer information finns i säkerhetsroller för Power Platform.

Följ dessa steg för att skapa en virtuell Dataverse-tabell:

1. I Power Apps går du till sidofältet och klickar på Tabeller.
2. Klicka på + Ny tabell i menyraden och välj Skapa en virtuell tabell.
3. Välj en befintlig Azure Databricks-anslutning eller skapa en ny anslutning till Azure Databricks. Information om hur du lägger till en ny anslutning finns i Skapa en Azure Databricks-anslutning på Microsoft Power Platform.
   • Databricks rekommenderar att du använder en tjänsthuvudnamnsanslutning för att skapa en virtuell tabell.
4. Klicka på Nästa.
5. Välj de tabeller som ska representeras som en virtuell Dataverse-tabell.

   Note

   Virtuella Dataverse-tabeller kräver en primärnyckel. Nyckeln måste antingen vara ett GUID (sträng), bigInt eller ett heltal. Vyer kan inte vara virtuella tabeller, men materialiserade vyer kan vara det.

6. Klicka på Nästa.
7. Konfigurera den virtuella tabellen genom att uppdatera informationen i tabellen om det behövs.
8. Klicka på Nästa.
9. Bekräfta informationen om datakällan och klicka på Slutför.
10. Använd den virtuella Dataverse-tabellen i Power Apps, Power Automate och Copilot Studio.

En lista över kända begränsningar för virtuella Dataverse-tabeller finns i Kända begränsningar och felsökning.

Ska du använda virtuella tabeller eller en direktanslutning?

Dataverse virtuella tabeller och en direktanslutning erbjuder olika fördelar. Vilken metod du väljer beror på ditt användningsfall. Tabellen nedan sammanfattar de viktigaste funktionerna för varje metod.

Genomföra batchuppdateringar

Om du behöver utföra massskapande,uppdaterings- eller borttagningsåtgärder som svar på Power Apps-indata rekommenderar Databricks att implementera ett Power Automate-flöde. Gör följande för att åstadkomma detta:

1. Skapa en canvasapp med din Azure Databricks-anslutning i Power Apps.

2. Skapa ett Power Automate-flöde med hjälp av Azure Databricks-anslutningen och använd Power Apps som utlösare.

3. I Power Automate-utlösaren lägger du till de indatafält som du vill skicka från Power Apps till Power Automate.

4. Skapa ett samlingsobjekt i Power Apps för att samla in alla dina ändringar.

5. Lägg till Power Automate-flödet i din canvas-app.

6. Anropa Power Automate-flödet från din arbetsyteapp och iterera över samlingen med hjälp av ett ForAll kommando.

   ForAll(collectionName, FlowName.Run(input field 1, input field 2, input field 3, …)
   

Samtidiga skrivoperationer

Samtidighet på radnivå minskar konflikterna mellan samtidiga skrivåtgärder genom att identifiera ändringar på radnivå och automatiskt lösa konflikter som uppstår när samtidiga skrivningar uppdaterar eller tar bort olika rader i samma datafil.

Samtidighet på radnivå ingår i Databricks Runtime 14.2 eller senare. Samtidighet på radnivå stöds som standard för följande typer av tabeller:

• Tabeller med borttagningsvektorer aktiverade och utan partitionering
• Tabeller med flytande klustring, såvida inte borttagningsvektorer är inaktiverade

Om du vill aktivera borttagningsvektorer kör du följande SQL-kommando.

ALTER TABLE table_name SET TBLPROPERTIES ('delta.enableDeletionVectors' = true);

Mer information om samtidiga skrivkonflikter i Azure Databricks finns i Isoleringsnivåer och skrivkonflikter.

Limitations

Begränsningar i Power Apps

Följande PowerFx-formler beräknar värden med endast de data som hämtas lokalt: