Controle de acesso ABAC entre motores agora está disponível no Databricks
O controle de acesso baseado em atributos (ABAC) entre motores está geral e permite aplicar políticas, filtros de linha e máscaras de coluna ao ler tabelas do Unity Catalog de fora do Databricks.
O que mudou
O controle de acesso baseado em atributos (ABAC) entre motores já está disponível em GA. Motores externos podem ler tabelas do Unity Catalog aplicando políticas de acesso, filtros de linha e máscaras de coluna de forma dinâmica, com o processamento executado por uma camada de computação serverless do Databricks.
Para que serve
Imagine que você precisa consultar dados do Unity Catalog a partir de um motor externo como Apache Spark ou Iceberg, mas mantendo regras estritas de segurança e privacidade. Com esta novidade, você pode:
- Consultar tabelas do Unity Catalog a partir de ferramentas e motores externos.
- Garantir que políticas de ABAC, filtros de linha e máscaras de coluna sejam aplicados de forma consistente.
- Auditar os custos de computação serverless usados para processar essas políticas.
Como usar
Para habilitar o recurso em uma tabela Delta gerenciada nova, utilize o comando SQL:
CREATE TABLE meu_catalogo.meu_schema.minha_tabela (id INT, name STRING)
USING delta
TBLPROPERTIES ('delta.feature.catalogManaged' = 'supported');
O que acontece nesse código:
- Cria uma nova tabela Delta gerenciada.
- Habilita a propriedade de commits do catálogo necessária para o suporte a ABAC.
Para atualizar uma tabela existente, execute:
ALTER TABLE meu_catalogo.meu_schema.minha_tabela
SET TBLPROPERTIES ('delta.feature.catalogManaged' = 'supported');
O que acontece nesse código:
- Altera as propriedades de uma tabela Delta gerenciada existente.
- Adiciona o suporte ao recurso de commits do catálogo.
Para consultar a tabela usando Apache Spark com Delta, configure as propriedades de sessão e o catálogo:
"spark.sql.extensions": "io.delta.sql.DeltaSparkSessionExtension",
"spark.sql.catalog.spark_catalog": "org.apache.spark.sql.delta.catalog.DeltaCatalog",
"spark.sql.catalog.meu_catalogo": "io.unitycatalog.spark.UCSingleCatalog",
"spark.sql.catalog.meu_catalogo.uri": "https://workspace-url.cloud.databricks.com",
"spark.sql.catalog.meu_catalogo.ServerSidePlanning.enabled": "true",
"spark.sql.defaultCatalog": "meu_catalogo"
O que acontece nesse código:
- Configura as extensões e catálogos do Spark para usar o Unity Catalog.
- Habilita o planejamento no lado do servidor (
ServerSidePlanning.enabled) para enforcement de segurança.
Limitações e requisitos
- Disponível de forma geral (GA).
- É necessário habilitar o acesso externo a dados no metastore do Unity Catalog e conceder a permissão
EXTERNAL_USE_SCHEMA. - Apenas operações de leitura são suportadas quando controles de acesso granular estão ativos.
- Visualizações dinâmicas, projeção de colunas
VARIANT, filtragem em colunasBINARYe funções de máscara de coluna com tipo de retorno diferente da coluna original não são suportadas.
- unity catalog
- abac
- governance
- delta lake
- serverless
Cross-engine attribute-based access controls (ABAC) is now generally available
Resumo e explicação gerados por IA a partir da release note oficial. Em caso de dúvida, a documentação oficial da plataforma prevalece.
Relacionadas
- DatabricksGA
Repositórios de pacotes em nível de workspace para Databricks Apps
Administradores de workspace podem configurar repositórios padrão de pacotes Python e npm para Databricks Apps.
databricks apps · workspace settings - DatabricksGA
Redimensione partições de stateful streaming sem perder o checkpoint no Databricks
Agora é possível alterar o número de partições de shuffle em queries Structured Streaming e pipelines Lakeflow sem descartar o estado do checkpoint.
structured streaming · lakeflow - DatabricksAtualização
Google Gemini 4 Argon disponível no Unity Gateway do Databricks
O modelo multimodal Google Gemini 4 Argon já pode ser acessado via Foundation Model APIs e Unity Gateway.
unity catalog · foundation model apis