Databricks のデータフレームにて Azure Event Hubs へ SAS 認証によりデータを書き込む方法

概要

Databricks のデータフレームにて Azure Event Hubs へ SAS 認証によりデータを書き込む方法を紹介します。

前提条件

下記を構築します。

• Databricks
• Azure Event Hubs 名前空間（本手順ではkafka-test-01という名称）
• Azure Event Hubs インスタンス （本手順ではdbx-to-eh-11という名称）

手順

1. Databricks ソースのテーブルと Volumes を作成

カレントカタログを設定します。

%sql
USE CATALOG manabian_test_01;

スキーマを作成します。

%sql
CREATE SCHEMA IF NOT EXISTS eh_test_01;

ソースのテーブルを作成します。

%sql
CREATE OR REPLACE TABLE eh_test_01.table_01
AS
SELECT
  1 AS id,
  'John' AS string_col,
  CAST('2025-01-01' AS TIMESTAMP) AS ingest_ts
  ;
SELECT * FROM eh_test_01.table_01;

Volume を作成し、初期化します。

%sql
CREATE VOLUME IF NOT EXISTS eh_test_01.volume_01;

volume_path = "/Volumes/manabian_test_01/eh_test_01/volume_01"
dbutils.fs.rm(volume_path, True)

2. Azure Event Hubs にて SAS を取得

Azure Event Hubs 名前空間（あるいは、 Azure Event Hubs インスタンス）にて、共有アクセス ポリシー -> + 追加を選択します。

dbx-to-eh-10というポリシー名を入力し、送信をチェックした上で作成を選択します。

作成したポリシーを表示し、プライマリ接続文字列をコピーします。

3. Databriks にて Azure Event Hubs へデータの書き込み

Azure Event Hubs に接続するための設定値をセットします。

# Azure Event Hubs に接続するための設定値をセット
eh_namespace_name = "kafka-test-01"  ## Azure Event Hubs の名前空間をセット
ehi_name = topic_name = "dbx-to-eh-01"  ## Azure Event Hubs のEvent Hubs のインスタンスをセット
connection_string = "Endpoint=sb://kafka-test-01.servicebus.windows.net/;SharedAccessKeyName=dbt-to-eh-01;SharedAccessKey=hnyXXXX="  ## SAS 接続文字列をセット

Azure Event Hubs からデータを取得できることを確認します。

# Databricks から Azure Event Hubs に設定する際の設定をセット
eh_sasl = (
    "kafkashaded.org.apache.kafka.common.security.plain.PlainLoginModule "
    f'required username="$ConnectionString" password="{connection_string}";'
)
bootstrap_servers = f"{eh_namespace_name}.servicebus.windows.net:9093"
kafka_options = {
    "kafka.bootstrap.servers": bootstrap_servers,
    "kafka.sasl.mechanism": "PLAIN",
    "kafka.security.protocol": "SASL_SSL",
    "kafka.sasl.jaas.config": eh_sasl,
}

# Azure Event Hubs からデータを取得
from pyspark.sql.functions import col, expr, from_json

df = spark.readStream.table("eh_test_01.table_01")
df = df.selectExpr("to_json(struct(id, string_col, ingest_ts)) AS value")


_ = (
    df.writeStream.format("kafka")
    .options(**kafka_options)
    .option("topic", "hub01")
    .option("checkpointLocation", volume_path+"/table_01")
    .trigger(availableNow=True)
    .start()
)

Azure Event Hubs の Data Explorere にてデータが書き込まれていることを確認します。