Databricks Unity Catalog — Partage de données (externe + interne)

Unity Catalog est la couche de gouvernance unifiée de Databricks — le catalogue unique qui recense chaque table, vue, modèle et fichier, qui peut y accéder, et comment il se rattache à sa source par la lignée. Le Data Sharing est la surface d'Unity Catalog qui permet à un compte Databricks d'exposer des actifs curés et gouvernés à d'autres consommateurs sans copier les données sous-jacentes, et en 2026 c'est devenu la façon standard dont les environnements analytics SAP interopèrent avec un lakehouse Databricks — ce qui explique précisément pourquoi BDC embarque une intégration Databricks native construite sur ce mécanisme plutôt qu'un tuyau sur mesure.

Pourquoi c'est important

La plupart des grands comptes qui exploitent SAP analytics n'exploitent pas SAP seul ; Databricks, Snowflake et Fabric cohabitent couramment avec Datasphere dans le même paysage. Un architecte incapable d'expliquer comment fonctionne un partage gouverné et en lecture seule à travers cette frontière — sans proposer un export batch nocturne comme seule réponse — perdra en crédibilité sur tout engagement multi-plateforme. Le Data Sharing d'Unity Catalog est aussi le mécanisme le plus directement comparable au support Delta Sharing propre à SAP dans Datasphere et BDC Connect, si bien que le comprendre affine la comparaison au lieu de la remplacer.

Pourquoi c'est important, en pratique

• SAP Datasphere plus Databricks est le pattern multi-moteur canonique 2026 que cette fonctionnalité sert.
• Le partage est en lecture seule par conception — l'intégration transactionnelle à forte écriture nécessite Lakehouse Federation ou des connecteurs natifs.
• La révocation est immédiate et la rotation tient en un seul appel CLI, rendant le contrôle d'accès opérationnellement bon marché une fois le share configuré.

Points clés

• Deux modes — Databricks-vers-Databricks (sémantique UC complète + lignée) et Delta Sharing ouvert (tout client conforme, y compris SAP Datasphere côté consommateur).
• Contenu d'un share — tables, vues, volumes, modèles ; sélection de colonnes + filtres ligne + activation change-data-feed (CDF) par destinataire.
• Auth — jetons porteurs pour protocole ouvert ; identifiant de compte destinataire pour Databricks-vers-Databricks ; révocation immédiate ; rotation en un appel.
• Lignée — UC trace chaque share et destinataire ; journal d'audit complet de qui a lu quoi quand, y compris quelles lignes les filtres ont livrées.
• Lecture seule — pas de write-back via Sharing ; pour l'intégration en écriture utiliser Lakehouse Federation ou connecteurs natifs.
• Évolution de protocole 2026 : les tables Delta éligibles supportent désormais un accès par répertoire dans Delta Sharing — le destinataire lit directement depuis le stockage cloud avec des identifiants temporaires plutôt que des URL pré-signées par fichier, réduisant la latence pour les scans larges répétés.
• Évolution de protocole 2026 : des tables Iceberg étrangères fédérées depuis des catalogues Iceberg externes peuvent désormais être ajoutées à un share et lues (lecture seule) par tout destinataire conforme Delta Sharing — un share n'est plus limité aux tables natives Delta côté fournisseur.
• Un share Databricks-vers-Databricks ou Delta Sharing ne devient visible pour l'ancrage SAP Knowledge Graph de Joule qu'une fois republié comme data product Datasphere — lire un share dans Datasphere n'est pas la même étape que l'exposer à Joule.

Termes employés sur cette page

Unity Catalog

La couche de gouvernance unifiée de Databricks pour les tables, vues, volumes, modèles ML et fichiers ; centralise le contrôle d'accès, le lineage et l'audit à travers tous les workspaces Databricks d'un compte.

Share

Un objet UC nommé qui liste les tables, vues, volumes ou modèles exposés à un ou plusieurs destinataires ; visibilité des colonnes et filtres de lignes définis par destinataire.

Change-data-feed (CDF)

Une fonctionnalité optionnelle des tables Delta qui capture les événements INSERT/UPDATE/DELETE au niveau ligne pour une consommation incrémentale en aval ; peut être exposée via Sharing pour des lectures incrémentales.

Lakehouse Federation

Le schéma Databricks pour interroger des sources de données externes (PostgreSQL, MySQL, Snowflake, SAP HANA via JDBC) sur place depuis Databricks SQL ; complémentaire du Sharing — la fédération est pour le bidirectionnel/in-place, le Sharing est pour la publication gouvernée en lecture seule.

Mode d'accès par répertoire

Une amélioration Delta Sharing de 2026 : au lieu d'URL pré-signées par fichier, la réponse de partage inclut l'emplacement de stockage cloud de la table plus des identifiants temporaires, permettant à un destinataire compatible de lire directement depuis le stockage cloud.

Partage de tables Iceberg étrangères

Une capacité Delta Sharing de 2026 : des tables Iceberg fédérées depuis un catalogue Iceberg externe peuvent être ajoutées à un share et lues (en lecture seule) par tout destinataire conforme Delta Sharing, étendant le Sharing au-delà des tables natives Delta côté fournisseur.

Mosaic AI Agent Framework

Le runtime d'agent multi-étapes natif de Databricks (C173) ; lit les tables, volumes et modèles enregistrés gouvernés par Unity Catalog, y compris ceux exposés via un share Databricks-vers-Databricks, en héritant des mêmes permissions au niveau colonne.

Sources

1. Databricks documentation — Unity Catalog Data Sharing
2. Delta Sharing protocol specification
3. SAP + Databricks joint architecture guidance
4. Databricks — What is Delta Sharing? (official docs)
5. Databricks — Access Databricks data using external systems
6. Databricks — What is OpenSharing?
7. Databricks — Unity Catalog table types (managed vs external)
8. Databricks — Unity Catalog managed tables for Delta Lake and Apache Iceberg
9. Databricks on Microsoft Azure — April 2026 release notes (directory-based access mode, foreign Iceberg table sharing)
10. Databricks — Unity Catalog product page
11. SAP Help Portal — Business Data Cloud Connect for Databricks
12. Databricks Docs — October 2026 platform release notes (cross-engine ABAC GA 1 Oct; JDBC Unity Catalog connections GA 2 Oct)
13. Databricks Docs — Create and manage row filter and column mask policies (ABAC) in Unity Catalog
14. Databricks Docs — Create data recipients for OpenSharing (Databricks-to-Databricks)
15. Databricks Docs — Audit and monitor data sharing
16. Databricks Docs — Unity Catalog best practices (cross-region sharing, managed tables)
17. CIO — Microsoft, Google back Apache Ossie to make enterprise data and AI platforms more interoperable