Copiar dados do PostgreSQL usando o Azure Data Factory ou o Synapse Analytics
APLICA-SE A: Azure Data Factory Azure Synapse Analytics
Gorjeta
Experimente o Data Factory no Microsoft Fabric, uma solução de análise tudo-em-um para empresas. O Microsoft Fabric abrange tudo, desde a movimentação de dados até ciência de dados, análises em tempo real, business intelligence e relatórios. Saiba como iniciar uma nova avaliação gratuitamente!
Este artigo descreve como usar a Atividade de Cópia no Azure Data Factory e os pipelines do Synapse Analytics para copiar dados de um banco de dados PostgreSQL. Ele se baseia no artigo de visão geral da atividade de cópia que apresenta uma visão geral da atividade de cópia.
Importante
O novo conector PostgreSQL oferece suporte nativo aprimorado ao PostgreSQL. Se você estiver usando o conector PostgreSQL herdado em sua solução, atualize seu conector PostgreSQL antes de 31 de outubro de 2024. Consulte esta seção para obter detalhes sobre a diferença entre a versão herdada e a versão mais recente.
Capacidades suportadas
Este conector PostgreSQL é suportado para os seguintes recursos:
Capacidades suportadas | IR |
---|---|
Atividade de cópia (fonte/-) | (1) (2) |
Atividade de Pesquisa | (1) (2) |
(1) Tempo de execução de integração do Azure (2) Tempo de execução de integração auto-hospedado
Para obter uma lista de armazenamentos de dados suportados como fontes/coletores pela atividade de cópia, consulte a tabela Armazenamentos de dados suportados.
Especificamente, este conector PostgreSQL suporta PostgreSQL versão 12 e superior.
Pré-requisitos
Se seu armazenamento de dados estiver localizado dentro de uma rede local, uma rede virtual do Azure ou a Amazon Virtual Private Cloud, você precisará configurar um tempo de execução de integração auto-hospedado para se conectar a ele.
Se o seu armazenamento de dados for um serviço de dados de nuvem gerenciado, você poderá usar o Tempo de Execução de Integração do Azure. Se o acesso for restrito a IPs aprovados nas regras de firewall, você poderá adicionar IPs do Azure Integration Runtime à lista de permissões.
Você também pode usar o recurso de tempo de execução de integração de rede virtual gerenciada no Azure Data Factory para acessar a rede local sem instalar e configurar um tempo de execução de integração auto-hospedado.
Para obter mais informações sobre os mecanismos de segurança de rede e as opções suportadas pelo Data Factory, consulte Estratégias de acesso a dados.
O Integration Runtime fornece um driver PostgreSQL integrado a partir da versão 3.7, portanto, você não precisa instalar manualmente nenhum driver.
Introdução
Para executar a atividade Copiar com um pipeline, você pode usar uma das seguintes ferramentas ou SDKs:
- A ferramenta Copiar dados
- O portal do Azure
- O SDK do .NET
- O SDK do Python
- Azure PowerShell
- A API REST
- O modelo do Azure Resource Manager
Criar um serviço vinculado ao PostgreSQL usando a interface do usuário
Use as etapas a seguir para criar um serviço vinculado ao PostgreSQL na interface do usuário do portal do Azure.
Navegue até a guia Gerenciar em seu espaço de trabalho do Azure Data Factory ou Synapse e selecione Serviços Vinculados e clique em Novo:
Procure Postgre e selecione o conector PostgreSQL.
Configure os detalhes do serviço, teste a conexão e crie o novo serviço vinculado.
Detalhes de configuração do conector
As seções a seguir fornecem detalhes sobre as propriedades usadas para definir entidades do Data Factory específicas para o conector PostgreSQL.
Propriedades do serviço vinculado
As seguintes propriedades são suportadas para o serviço vinculado PostgreSQL:
Property | Descrição | Obrigatório |
---|---|---|
tipo | A propriedade type deve ser definida como: PostgreSqlV2 | Sim |
servidor | Especifica o nome do host - e, opcionalmente, a porta - na qual o PostgreSQL está sendo executado. | Sim |
porta | A porta TCP do servidor PostgreSQL. | Não |
base de dados | O banco de dados PostgreSQL ao qual se conectar. | Sim |
nome de utilizador | O nome de usuário com o qual se conectar. Não é necessário se estiver usando IntegratedSecurity. | Sim |
password | A senha com a qual se conectar. Não é necessário se estiver usando IntegratedSecurity. | Sim |
sslMode | Controla se o SSL é usado, dependendo do suporte ao servidor. - Desativar: SSL está desativado. Se o servidor exigir SSL, a conexão falhará. - Permitir: Prefira conexões não SSL se o servidor permitir, mas permita conexões SSL. - Preferir: Prefira conexões SSL se o servidor permitir, mas permita conexões sem SSL. - Exigir: Falha na conexão se o servidor não suportar SSL. - Verify-ca: Falha na conexão se o servidor não suportar SSL. Também verifica o certificado do servidor. - Verificação completa: falha na conexão se o servidor não suportar SSL. Também verifica o certificado do servidor com o nome do host. Opções: Desativar (0) / Permitir (1) / Preferir (2) (Padrão) / Exigir (3) / Verificar-ca (4) / Verificar-completo (5) |
Não |
authenticationType | Tipo de autenticação para conexão com o banco de dados. Suporta apenas Basic. | Sim |
ConecteVia | O tempo de execução de integração a ser usado para se conectar ao armazenamento de dados. Saiba mais na seção Pré-requisitos . Se não for especificado, ele usará o Tempo de Execução de Integração do Azure padrão. | Não |
Propriedades de conexão adicionais: | ||
esquema | Define o caminho de pesquisa do esquema. | Não |
Agrupamento | Se o pool de conexões deve ser usado. | Não |
connectionTimeout | O tempo de espera (em segundos) ao tentar estabelecer uma conexão antes de encerrar a tentativa e gerar um erro. | Não |
commandTimeout | O tempo de espera (em segundos) ao tentar executar um comando antes de encerrar a tentativa e gerar um erro. Defina como zero para o infinito. | Não |
trustServerCertificate | Se o certificado do servidor deve ser confiado sem validá-lo. | Não |
sslCertificado | Localização de um certificado de cliente a ser enviado para o servidor. | Não |
sslKey | Localização de uma chave de cliente para um certificado de cliente a ser enviado para o servidor. | Não |
sslPalavra-passe | Senha para uma chave para um certificado de cliente. | Não |
readBufferSize | Determina o tamanho do buffer interno que o Npgsql usa durante a leitura. Aumentar pode melhorar o desempenho se transferir grandes valores do banco de dados. | Não |
logParâmetros | Quando ativado, os valores dos parâmetros são registrados quando os comandos são executados. | Não |
timezone | Obtém ou define o fuso horário da sessão. | Não |
codificação | Obtém ou define a codificação .NET que será usada para codificar/decodificar dados de cadeia de caracteres PostgreSQL. | Não |
Nota
Para ter uma verificação SSL completa por meio da conexão ODBC ao usar o Self Hosted Integration Runtime, você deve usar uma conexão do tipo ODBC em vez do conector PostgreSQL explicitamente e concluir a seguinte configuração:
- Configure o DSN em qualquer servidor SHIR.
- Coloque o certificado adequado para PostgreSQL em C:\Windows\ServiceProfiles\DIAHostService\AppData\Roaming\postgresql\root.crt nos servidores SHI. É aqui que o driver ODBC procura > o certificado SSL para verificar quando ele se conecta ao banco de dados.
- Na conexão de fábrica de dados, use uma conexão do tipo ODBC, com a cadeia de conexão apontando para o DSN criado nos servidores SHIRE.
Exemplo:
{
"name": "PostgreSqlLinkedService",
"properties": {
"type": "PostgreSqlV2",
"typeProperties": {
"server": "<server>",
"port": 5432,
"database": "<database>",
"username": "<username>",
"password": {
"type": "SecureString",
"value": "<password>"
},
"sslmode": <sslmode>,
"authenticationType": "Basic"
},
"connectVia": {
"referenceName": "<name of Integration Runtime>",
"type": "IntegrationRuntimeReference"
}
}
}
Exemplo: armazenar senha no Cofre da Chave do Azure
{
"name": "PostgreSqlLinkedService",
"properties": {
"type": "PostgreSqlV2",
"typeProperties": {
"server": "<server>",
"port": 5432,
"database": "<database>",
"username": "<username>",
"password": {
"type": "AzureKeyVaultSecret",
"store": {
"referenceName": "<Azure Key Vault linked service name>",
"type": "LinkedServiceReference"
},
"secretName": "<secretName>"
}
"sslmode": <sslmode>,
"authenticationType": "Basic"
},
"connectVia": {
"referenceName": "<name of Integration Runtime>",
"type": "IntegrationRuntimeReference"
}
}
}
Propriedades do conjunto de dados
Para obter uma lista completa de seções e propriedades disponíveis para definir conjuntos de dados, consulte o artigo sobre conjuntos de dados. Esta seção fornece uma lista de propriedades suportadas pelo conjunto de dados PostgreSQL.
Para copiar dados do PostgreSQL, as seguintes propriedades são suportadas:
Property | Descrição | Obrigatório |
---|---|---|
tipo | A propriedade type do conjunto de dados deve ser definida como: PostgreSqlV2Table | Sim |
esquema | Nome do esquema. | Não (se "consulta" na fonte da atividade for especificado) |
tabela | Nome da tabela. | Não (se "consulta" na fonte da atividade for especificado) |
Exemplo
{
"name": "PostgreSQLDataset",
"properties":
{
"type": "PostgreSqlV2Table",
"linkedServiceName": {
"referenceName": "<PostgreSQL linked service name>",
"type": "LinkedServiceReference"
},
"annotations": [],
"schema": [],
"typeProperties": {
"schema": "<schema name>",
"table": "<table name>"
}
}
}
Se você estava usando RelationalTable
o conjunto de dados digitado, ele ainda é suportado no estado em que se encontra, enquanto você é sugerido para usar o novo no futuro.
Propriedades da atividade Copy
Para obter uma lista completa de seções e propriedades disponíveis para definir atividades, consulte o artigo Pipelines . Esta seção fornece uma lista de propriedades suportadas pela fonte PostgreSQL.
PostgreSQL como fonte
Para copiar dados do PostgreSQL, as seguintes propriedades são suportadas na seção copiar fonte de atividade:
Property | Descrição | Obrigatório |
---|---|---|
tipo | A propriedade type da fonte de atividade de cópia deve ser definida como: PostgreSqlV2Source | Sim |
query | Use a consulta SQL personalizada para ler dados. Por exemplo: "query": "SELECT * FROM \"MySchema\".\"MyTable\"" . |
Não (se "tableName" no conjunto de dados for especificado) |
queryTimeout | O tempo de espera antes de encerrar a tentativa de executar um comando e gerar um erro, o padrão é de 120 minutos. Se o parâmetro for definido para essa propriedade, os valores permitidos serão de intervalo de tempo, como "02:00:00" (120 minutos). Para obter mais informações, consulte CommandTimeout. Se ambos commandTimeout e queryTimeout estão configurados, queryTimeout tem precedência. |
Não |
Nota
Os nomes de esquema e tabela diferenciam maiúsculas de minúsculas. Coloque-os entre ""
aspas (aspas duplas) na consulta.
Exemplo:
"activities":[
{
"name": "CopyFromPostgreSQL",
"type": "Copy",
"inputs": [
{
"referenceName": "<PostgreSQL input dataset name>",
"type": "DatasetReference"
}
],
"outputs": [
{
"referenceName": "<output dataset name>",
"type": "DatasetReference"
}
],
"typeProperties": {
"source": {
"type": "PostgreSqlV2Source",
"query": "SELECT * FROM \"MySchema\".\"MyTable\"",
"queryTimeout": "00:10:00"
},
"sink": {
"type": "<sink type>"
}
}
}
]
Se você estava usando RelationalSource
fonte digitada, ela ainda é suportada como está, enquanto você é sugerido para usar a nova no futuro.
Mapeamento de tipo de dados para PostgreSQL
Ao copiar dados do PostgreSQL, os mapeamentos a seguir são usados de tipos de dados PostgreSQL para tipos de dados provisórios usados pelo serviço internamente. Consulte Mapeamentos de esquema e tipo de dados para saber como a atividade de cópia mapeia o esquema de origem e o tipo de dados para o coletor.
Tipo de dados PostgreSql | Tipo de dados de serviço provisório | Tipo de dados de serviço provisório para PostgreSQL (legado) |
---|---|---|
SmallInt |
Int16 |
Int16 |
Integer |
Int32 |
Int32 |
BigInt |
Int64 |
Int64 |
Decimal (Precisão <= 28) |
Decimal |
Decimal |
Decimal (Precisão > 28) |
Sem suporte | String |
Numeric |
Decimal |
Decimal |
Real |
Single |
Single |
Double |
Double |
Double |
SmallSerial |
Int16 |
Int16 |
Serial |
Int32 |
Int32 |
BigSerial |
Int64 |
Int64 |
Money |
Decimal |
String |
Char |
String |
String |
Varchar |
String |
String |
Text |
String |
String |
Bytea |
Byte[] |
Byte[] |
Timestamp |
DateTime |
DateTime |
Timestamp with time zone |
DateTime |
String |
Date |
DateTime |
DateTime |
Time |
TimeSpan |
TimeSpan |
Time with time zone |
DateTimeOffset |
String |
Interval |
TimeSpan |
String |
Boolean |
Boolean |
Boolean |
Point |
String |
String |
Line |
String |
String |
Iseg |
String |
String |
Box |
String |
String |
Path |
String |
String |
Polygon |
String |
String |
Circle |
String |
String |
Cidr |
String |
String |
Inet |
String |
String |
Macaddr |
String |
String |
Macaddr8 |
String |
String |
Tsvector |
String |
String |
Tsquery |
String |
String |
UUID |
Guid |
Guid |
Json |
String |
String |
Jsonb |
String |
String |
Array |
String |
String |
Bit |
Byte[] |
Byte[] |
Bit varying |
Byte[] |
Byte[] |
XML |
String |
String |
IntArray |
String |
String |
TextArray |
String |
String |
NumericArray |
String |
String |
DateArray |
String |
String |
Range |
String |
String |
Bpchar |
String |
String |
Propriedades da atividade de pesquisa
Para saber detalhes sobre as propriedades, verifique Atividade de pesquisa.
Atualizar o conector PostgreSQL
Aqui estão as etapas que ajudam você a atualizar seu conector PostgreSQL:
Crie um novo serviço vinculado PostgreSQL e configure-o consultando as propriedades do serviço vinculado.
O mapeamento de tipo de dados para o serviço vinculado PostgreSQL mais recente é diferente do da versão herdada. Para saber o mapeamento de tipo de dados mais recente, consulte Mapeamento de tipo de dados para PostgreSQL.
Diferenças entre PostgreSQL e PostgreSQL (legado)
A tabela abaixo mostra as diferenças de mapeamento de tipo de dados entre PostgreSQL e PostgreSQL (legado).
Tipo de dados PostgreSQL | Tipo de dados de serviço provisório para PostgreSQL | Tipo de dados de serviço provisório para PostgreSQL (legado) |
---|---|---|
Dinheiro | Decimal | String |
Carimbo de data/hora com fuso horário | DateTime | String |
Hora com fuso horário | DateTimeOffset | String |
Intervalo | TimeSpan | String |
BigDecimal | Não suportado. Como alternativa, utilize to_char() a função para converter BigDecimal em String. |
String |
Conteúdos relacionados
Para obter uma lista de armazenamentos de dados suportados como fontes e coletores pela atividade de cópia, consulte Armazenamentos de dados suportados.