Databricks Unity Catalog — Partage de données (externe + interne)
À jour au 2026-07-24T14:00:00Z
Qu'est-ce que Databricks Unity Catalog — Partage de données (externe + interne) ?
Les deux modes de partage d'Unity Catalog échangent coût contre portée : Databricks-vers-Databricks est le moins cher, le Delta Sharing ouvert coûte plus de gouvernance mais atteint SAP Datasphere ou Snowflake.
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.
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.
- Decision owner
- La personne responsable qui assume l'arbitrage et finance l'action suivante.
- Semantic contract
- La définition partagée des termes métier, métriques, entités et règles d'accès utilisée par les outils et les équipes.
- Control plane
- La couche qui applique la politique, l'accès, le lineage, le monitoring et l'escalade à travers le modèle opérationnel.
- Evidence grade
- Un libellé qui distingue le fait vérifié, le signal directionnel, l'hypothèse modélisée et l'observation de terrain.
Sources
- Databricks documentation — Unity Catalog Data Sharing
- Delta Sharing protocol specification
- SAP + Databricks joint architecture guidance
- SAP News Center — Accelerate the Autonomous Enterprise with SAP Business Data Cloud
- SAP News Center — The Future of the Enterprise Is Autonomous
- SAP Help Portal — Administering SAP Datasphere: Enable Joule for SAP Datasphere
- Gartner — Gartner Announces Top Predictions for Data and Analytics in 2026
- Gartner — Top Trends in Data and Analytics for 2026
- SAP Datasphere — Help Portal
- SAP Datasphere — official product page
- SAP Analytics Cloud — Help Portal
- SAP Analytics Cloud — official product page
- SAP BW/4HANA — Help Portal
- SAP S/4HANA — Help Portal
- SAP News Center
- SAP Community
- SAP — industries overview
- Databricks — official site
- Snowflake — official site
- Microsoft Fabric — documentation
- Gartner — research & analyst site
- BARC — BI & Analytics research
- TDWI — data & analytics research
- DSAG — German-speaking SAP user group
- ASUG — Americas' SAP User Group
Fiche complète réservée aux abonnés. Ce que la fiche complète ajoute : le cadre de décision complet · la comparaison SAP · Snowflake · Databricks · Fabric · les pièges courants et leur correctif · l'aide-mémoire · les schémas d'architecture · les blocs de code · les chiffres à citer.