Las integraciones con data warehouses están disponibles como complemento premium para los módulos Web Experimentation y Feature Experimentation de Kameleoon. Para obtener más información, póngase en contacto con su Customer Success Manager.
- Permite una recopilación de datos precisa, mejorando la segmentación de audiencias para campañas personalizadas adaptadas a las necesidades específicas de la audiencia.
- Impulsa las métricas de objetivos para mejorar el seguimiento del rendimiento en tiempo real.
- Databricks como origen: cada Data Ingestion Task se ejecuta con la Frequency que establece al crearla, por ejemplo, diaria. Los objetivos que usan datos de Databricks se consultan cada hora y se integran en los resultados de los experimentos una vez al día. Consulte Data Ingestion Tasks.
- Databricks como destino: Kameleoon envía eventos de exposición a Databricks cada vez que uno de sus experimentos expone a un visitante. Consulte cómo funciona el destino.
Consideraciones
Tenga en cuenta lo siguiente al usar esta integración:- Volumen de datos: Tenga en cuenta el volumen de datos con el que planea interactuar, ya que puede afectar al rendimiento de las consultas y a los costes.
- Complejidad de las consultas: Las consultas complejas pueden requerir más tiempo y recursos para ejecutarse. Optimice sus consultas para mayor eficiencia.
- Privacidad de los datos: Asegúrese de cumplir con las normativas de privacidad de datos al manejar datos de usuario dentro de su warehouse.
- Control de acceso: Implemente los controles de acceso adecuados para limitar quién puede configurar y utilizar la integración dentro de su organización.
- Esquema de datos: Mantenga un esquema de datos claro y coherente para facilitar la recuperación y el análisis de los datos.
- Monitorización: Supervise regularmente el uso de su data warehouse para gestionar eficazmente los costes y el rendimiento.
- Documentación: Mantenga la documentación de consultas, configuraciones y procesos de integración para facilitar la colaboración y la resolución de problemas.
Requisitos previos
Para configurar esta integración, necesita la siguiente información:- Personal access token (PAT) de Databricks.
- Acceso adecuado para crear esquemas de Databricks y conceder acceso.
Configuración
1. Crear un personal access token (PAT)
Kameleoon se autenticará en su SQL warehouse de Databricks con un personal access token. Debería crear un service principal de Databricks y, a continuación, crear un PAT para esa cuenta de servicio. Una vez que haya creado un service principal, puede generar un PAT con la CLI de Databricks, utilizando el “Application Id” del Service Principal que puede encontrar en la página de gestión de Service Principal de la interfaz de usuario de Databricks.2. Crear el esquema kameleoon_configuration
Cuando se utiliza Databricks como fuente
Cree un esquema dedicado para la configuración de polling de Kameleoon dentro del catalog que contiene los datos que Kameleoon consultará. Debe dar a este esquema el nombrekameleoon_configuration. También debe conceder acceso de lectura y escritura al Service Principal que Kameleoon utilizará. Aquí tiene algunos comandos de ejemplo:
{Service Principal Application Id} por el application ID de su service principal.
Puede omitir el prefijo
my_catalog cuando ejecute consultas directamente en el catalog necesario.3. Conceder acceso de lectura a sus datos
Kameleoon debe tener acceso a las tablas de las que desea leer o en las que escribir. Para conceder este acceso, ejecute comandos como: Utilizando Databricks como fuente:my_catalog cuando ejecute consultas directamente en el catalog necesario.