작업 영역 API를 사용하여 대시보드 관리

아티클
01/22/2025

이 자습서에서는 Lakeview API 및 작업 영역 API를 사용하여 대시보드를 관리하는 방법을 보여 줍니다. 각 단계에는 샘플 요청 및 응답과 API 도구 및 속성을 함께 사용하는 방법에 대한 설명이 포함됩니다. 각 단계는 자체적으로 참조할 수 있습니다. 순서대로 모든 단계를 수행하면 전체 워크플로를 안내합니다.

메모

이 워크플로는 작업 영역 API를 호출하여 AI/BI 대시보드를 일반 작업 영역 개체로 검색합니다. AI/BI 대시보드는 이전에 Lakeview 대시보드라고 했습니다. Lakeview API는 해당 이름을 유지합니다.

필수 구성 요소

작업 영역에 연결하려면 개인용 액세스 토큰이 필요합니다. Azure Databricks 개인용 액세스 토큰 인증을 참조하세요.
액세스하려는 작업 영역의 작업 영역 ID가 필요합니다. 작업 영역 인스턴스 이름, URL 및 ID 참조
Databricks REST API 참조대한 숙지.

1단계: 작업 영역 디렉터리 탐색

작업 영역 List API GET /api/2.0/workspace/list 사용하여 작업 영역의 디렉터리 구조를 탐색할 수 있습니다. 예를 들어, 현재 작업 영역의 모든 파일 및 디렉터리의 list를 검색할 수 있습니다.

다음 예제에서 요청의 path 속성은 사용자의 홈 폴더에 저장된 examples_folder 폴더를 가리킵니다. first.last@example.com경로에 사용자 이름이 제공됩니다.

응답은 폴더에 텍스트 파일, 디렉터리 및 AI/BI 대시보드가 포함되어 있음을 보여 줍니다.

GET /api/2.0/workspace/list

Query Parameters:
{
"path": "/Users/first.last@example.com/examples_folder"
}

Response:
{
  "objects": [
    {
      "object_type": "FILE",
      "path": "/Users/first.last@example.com/examples_folder/myfile.txt",
      "created_at": 1706822278103,
      "modified_at": 1706822278103,
      "object_id": 3976707922053539,
      "resource_id": "3976707922053539"
  },
  {
      "object_type": "DIRECTORY",
      "path": "/Users/first.last@example.com/examples_folder/another_folder",
      "object_id": 2514959868792596,
      "resource_id": "2514959868792596"
  },
  {
      "object_type": "DASHBOARD",
      "path": "/Users/first.last@example.com/examples_folder/mydashboard.lvdash.json",
      "object_id": 7944020886653361,
      "resource_id": "01eec14769f616949d7a44244a53ed10"
    }
  ]
}

2단계: 대시보드 내보내기

작업 영역 내보내기 API GET /api/2.0/workspace/export 사용하여 대시보드의 내용을 파일로 내보낼 수 있습니다. AI/BI 대시보드 파일은 대시보드의 초안 버전을 반영합니다. 다음 예제의 응답은 최소 대시보드 정의의 내용을 보여 줍니다. 더 많은 직렬화 세부 정보를 탐색하고 이해하려면 일부 대시보드를 내보내 보세요.

내보낸 파일 다운로드

다음 예제에서는 API를 사용하여 대시보드 파일을 다운로드하는 방법을 보여줍니다.

이 예제의 "path" 속성은 AI/BI 대시보드 파일 형식으로, 파일 확장명이 lvdash.json로 끝납니다. 파일 이름은 작업 영역에 표시되는 대로 확장자 앞에 옵니다. 이 경우에는 mydashboard입니다.

또한 이 요청의 "direct_download" 속성은 set에서 true로 설정되어 있으므로 응답이 내보낸 파일 자체이고 "format" 속성은 set에서 "AUTO"로 설정되어 있습니다.

메모

응답의 페이지 속성에 표시된 "displayName" 속성은 작업 영역에서 대시보드의 표시되는 이름을 반영하지 않습니다.

GET /api/2.0/workspace/export

Query parameters:
{
  "path": "/Users/first.last@example.com/examples_folder/mydashboard.lvdash.json",
  "direct_download": true,
  "format": "AUTO"
}

Response:
{
  "pages": [
    {
      "name": "880de22a",
      "displayName": "New Page"
    }
  ]
}

내보낸 파일 인코딩

다음 코드에서는 예제 응답 where"direct_download" 속성이 false로 set 보여 집니다. 응답에는 base64로 인코딩된 문자열로 콘텐츠가 포함됩니다.

GET /api/2.0/workspace/export

Query parameters:
{
    "path": "/Users/first.last@example.com/examples_folder/mydashboard.lvdash.json",
    "direct_download": false
}

Response:
{
    "content": "IORd/DYYsCNElspwM9XBZS/i5Z9dYgW5SkLpKJs48dR5p5KkIW8OmEHU8lx6CZotiCDS9hkppQG=",
    "file_type": "lvdash.json"
}

3단계: 대시보드 가져오기

작업 영역 가져오기 API POST /api/2.0/workspace/import 사용하여 초안 대시보드를 작업 영역으로 가져올 수 있습니다. 예를 들어 이전 예제와 같이 인코딩된 파일을 내보낸 후 해당 대시보드를 새 작업 영역으로 가져올 수 있습니다.

가져오기를 AI/BI 대시보드로 인식하려면 두 개의 parameters가 set이어야 합니다.

"format": "AUTO" - 이 설정을 사용하면 시스템에서 자산 유형을 자동으로 검색할 수 있습니다.
"path": ".lvdash.json"로 끝나는 파일 경로를 포함해야 합니다.

중요하다

이러한 설정이 제대로 구성되지 않은 경우 가져오기가 성공할 수 있지만 대시보드는 일반 파일처럼 처리됩니다.

다음 예제에서는 올바르게 구성된 가져오기 요청을 보여줍니다.


POST /api/2.0/workspace/import

Request body parameters:
{
        "path": "/Users/first.last@example.com/examples_folder/myseconddashboard.lvdash.json",
        "content": "IORd/DYYsCNElspwM9XBZS/i5Z9dYgW5SkLpKJs48dR5p5KkIW8OmEHU8lx6CZotiCDS9hkppQG=",
        "format": "AUTO"
}

Response:
{}

4단계: 가져오기 덮어쓰기 (선택 사항)

동일한 API 요청을 다시 실행하려고 시도하면 다음 오류가 발생합니다.

{
        "error_code": "RESOURCE_ALREADY_EXISTS",
        "message": "Path (/Users/first.last@example.com/examples_folder/myseconddashboard.lvdash.json) already exists."
}

중복 요청을 덮어쓰려면, 다음 예제와 같이 "overwrite" 속성을 set에서 true로 변경하십시오.


POST /api/2.0/workspace/import

Request body parameters:
{
        "path": /Users/first.last@example.com/examples_folder/myseconddashboard.lvdash.json",
        "content": "IORd/DYYsCNElspwM9XBZS/i5Z9dYgW5SkLpKJs48dR5p5KkIW8OmEHU8lx6CZotiCDS9hkppQG=",
        "format": "AUTO",
        "overwrite": true
}

Response:
{}

5단계: 메타데이터 검색

AI/BI 대시보드를 포함하여 모든 작업 영역 개체에 대한 메타데이터를 검색할 수 있습니다. GET /api/2.0/workspace/get-status항목을 참조하세요.

다음 예제에서는 이전 예제에서 가져온 대시보드에 대한 get-status 요청을 보여줍니다. 응답에는 파일이 "DASHBOARD"으로 성공적으로 가져와졌음을 확인하는 세부 정보가 포함됩니다. Lakeview API와 함께 identifier로 사용할 수 있는 "resource_id" 속성으로도 구성되어 있습니다.

GET /api/2.0/workspace/get-status

Query parameters:
{
        "path": "/Users/first.last@example.com/examples_folder/myseconddashboard.lvdash.json"
}

Response:
{
        "object_type": "DASHBOARD",
        "path": "/Users/first.last@example.com/examples_folder/myseconddashboard.lvdash.json",
        "object_id": 7616304051637820,
        "resource_id": "9c1fbf4ad3449be67d6cb64c8acc730b"
}

6단계: 대시보드 게시

이전 예제에서는 작업 영역 API를 사용하여 AI/BI 대시보드를 제네릭 작업 영역 개체로 사용할 수 있도록 했습니다. 다음 예제에서는 Lakeview API를 사용하여 AI/BI 대시보드와 관련된 게시 작업을 수행합니다. POST /api/2.0/lakeview/dashboards/{dashboard_id}/published을 참조하세요.

API 엔드포인트의 경로에는 이전 예제에서 반환된 "resource_id" 속성이 포함됩니다. 요청 parameters에서 게시자의 credentials가 대시보드에 포함되도록 "embed_credentials"는 set에서 true로 변경되었습니다. 이 경우 게시자는 권한 있는 API 요청을 만드는 사용자입니다. 게시자는 다른 사용자의 credentials포함할 수 없습니다. 포함 설정이 어떻게 작동하는지 알아보려면 대시보드을 게시한 내용을 참조하세요.

"warehouse_id" 속성은 게시된 대시보드에 사용할 웨어하우스를 설정합니다. 이 속성은 초안 대시보드에 지정된 웨어하우스를 재정의합니다(지정된 경우).

POST /api/2.0/lakeview/dashboards/9c1fbf4ad3449be67d6cb64c8acc730b/published

Request parameters
{
  "embed_credentials": true,
  "warehouse_id": "1234567890ABCD12"
}

Response:
{}

명령이 완료되면 브라우저에서 게시된 대시보드에 액세스할 수 있습니다. 다음 예제에서는 게시된 대시보드에 대한 링크를 생성하는 방법을 보여 줍니다.

https://<deployment-url>/dashboardsv3/<resource_id>/published

고유한 링크를 생성하려면 다음을 수행합니다.

<deployment-url> 배포 URL로 대체합니다. 이 링크는 Azure Databricks 작업 영역 홈페이지에 있는 경우 브라우저 주소 표시줄의 주소입니다.
<resource_id>을(를) 에서 식별한 "resource_id" 속성의 값으로 바꾸고메타데이터를 검색합니다.

7단계: 대시보드 삭제

대시보드를 삭제하려면 작업 영역 API를 사용합니다. POST /api/2.0/workspace/delete참조하세요.