Query tags no Databricks SQL agora estão geralmente disponíveis

O recurso de query tags permite anexar pares de chave-valor personalizados a cargas de trabalho SQL no Databricks. Isso facilita o agrupamento por contexto de negócios, a auditoria de custos por equipe e a identificação de consultas demoradas diretamente no histórico do sistema. ### Para que serve Imagine que você precisa auditar quanto cada departamento gasta em consultas no warehouse ou quer rastrear quais queries vieram de um modelo específico do dbt. Com as tags, você consegue: - Agrupar consultas por equipe, projeto ou ambiente. - Rastrear custos de warehouses usando metadados personalizados. - Identificar a origem de consultas lentas na interface ou na tabela do sistema. ### Como usar Você pode definir tags no nível de sessão ou de comando utilizando conectores ou parâmetros de conexão. O exemplo abaixo mostra como usar o conector Python para definir tags em uma sessão. python from databricks import sql import os with sql.connect( server_hostname = os.getenv("DATABRICKS_SERVER_HOSTNAME"), http_path = os.getenv("DATABRICKS_HTTP_PATH"), access_token = os.getenv("DATABRICKS_TOKEN"), query_tags = {"team": "engineering", "dashboard": "abc123"} ) as connection: with connection.cursor() as cursor: cursor.execute("SELECT * FROM samples.nyctaxi.trips LIMIT 10") result = cursor.fetchall() O que acontece nesse código: 1. A conexão com o Databricks SQL é estabelecida usando variáveis de ambiente. 2. O parâmetro query_tags injeta tags de chave-valor na sessão inteira. 3. O comando SQL é executado e herda automaticamente as tags configuradas. ### Limitações e requisitos - Estágio: Geralmente disponível (GA). - Requisito: Acesso à coluna query_tags na tabela system.query.history. - Versão mínima exigida nos conectores e drivers (por exemplo, SDK Python 0.86.0 ou Conector Python v4.1.3+). - Dados sensíveis: Como as tags são armazenadas como texto plano, evite incluir senhas ou informações de identificação pessoal.