Databricks で SAP HANA テーブル、SQL ビュー、および計算ビューを連携させるには、複数のアプローチを利用できます。しかし、最も手っ取り早い方法はSparkJDBCを使用することです。最も大きな利点は、SparkJDBCがSparkワーカーノードからリモートHANAエンドポイントへの並列JDBC接続をサポートしていることです。
Figure 1: Architecture
SAP HANAとDatabricksの統合から始めよう。
このDatabricksとの統合をテストするために、SAP HANA 2.0がAzureクラウドにインストールされた。
Installed SAP HANA info in Azure:
version
2.00.061.00.1644229038
branch
fa/hana2sp06
Operating System
SUSE Linux Enterprise Server 15 SP1
以下は、この統合のさまざまなステップを示すハイレベルなワークフローです。
SparkJDBC を使用して SAP HANA の計 算ビューとテーブルから Databricks にデータを抽出する詳細な手順については、添付のノートブックを参照してください。
df_vbap_table = (spark.read
.format("jdbc")
.option("driver","com.sap.db.jdbc.Driver")
.option("url", "jdbc:sap://20.XX.XXX.XXX:39015/?autocommit=false")
.option("dbtable", "ECC_DATA.VBAP")
.option("user", "******") ## should be using databricks secrets instead of putting credentials in code .option("password", "******") ## should be using databricks secrets instead of putting credentials in code .load()
)
また、dbtableオプションにSQL文を渡すことで、フィルタのプッシュダウンを行うこともできる。
.option("dbtable", "(select country, sales from ECC_DATA.VBAP where country = 'USA')")
calc_view = '"_SYS_BIC"."ecc-data-cv/CV_VBAP"'
df_sap_ecc_hana_cv_vbap = (spark.read
.format("jdbc")
.option("driver","com.sap.db.jdbc.Driver")
.option("url", "jdbc:sap://20.XXX.XXX.XXX:39015/?autocommit=false")
.option("dbtable", calc_view)
.option("user", "*******") ## should be using databricks secrets instead of putting credentials in code .option("password", "*******") ## should be using databricks secrets instead of putting credentials in code .load()
)
Original Blog : Developing an Open Data Ecosystem with SAP 翻訳： junichi.maruyama 製造業、エネルギー、ライフサイエンス、小売業など、さまざまな業界で、企業がビジネスの耐久性、回復力、持続可能性を重視し、重要な意思決定にデータを活用するようになってきています。これらの業界の企業における重要なデータの大半は、SAPアプリケーションからもたらされています。 SAP Datasphere は、財務、サプライチェーン、CRM、人事など、ERPやその他の機能アプリケーション群にまたがるSAPデータへのシームレスかつスケーラブルなアクセスを可能にする包括的なデータサービスで、DatabricksはSAPの4つのローンチパートナーに加わったことを発表できることを嬉しく思っています。SAP Datasphereは、 ビ ジネスデータファブリックアーキテクチャ を実現し、ビジネスコンテキストやデータモデルビューをそのままにSAPデータを提供し、SAPデータの
Introducing MLflow 2.3: Enhanced with Native LLM Support and New Features 翻訳： junichi.maruyama MLflow は月間 1,300 万ダウンロードを超え、エンドツーエンドの MLOps の主要なプラットフォームとしての地位を確立しており、あらゆる規模のチームがバッチおよびリアルタイム推論用のモデルを追跡、共有、パッケージ化、およびデプロイできるようにしました。MLflowは、何千もの組織で日々採用され、多様なプロダクション機械学習アプリケーションを推進しており、産業界と学界から500人以上の貢献者からなる活発なコミュニティによって活発に開発されています。 今日、私たちはこのオープンソースの機械学習プラットフォームの最新版であるMLflow 2.3を発表することができ、大規模言語モデル（LLM）の管理・導入能力を向上させる革新的な機能が満載されていることに興奮しています。この強化されたLLMサポートは、以下のような形で提供さ
