Konnektor für Datenbank
Der Datenkatalog für Vertica, dem Ihr ganzes Team vertrauen kann.
Der Vertica-Konnektor von Dawiso macht Ihr Cluster zum durchsuchbaren Datenkatalog: jedes Schema, jede Tabelle, jede View und jede Stored Procedure, mit Keys, Constraints und den Beziehungen zwischen den Objekten.
Zuerst das Wichtigste
Was ist ein Konnektor?
Ein Konnektor ist die Brücke zwischen einem Werkzeug in Ihrem Stack und dem Katalog, der Ihnen einen einheitlichen Blick darauf gibt. Ist ein Konnektor eingerichtet, greift er nach Zeitplan auf das Quellsystem zu, liest die Metadaten aus - Schemas, Tabellen, Dashboards, Jobs, Verantwortlichkeiten, Data Lineage - und bildet sie im Katalog ab. Ihre eigentlichen Zeilen und Werte bleiben, wo sie sind.
Konnektoren sind der Grund, warum ein Datenkatalog Fragen wie „Welches Power-BI-Dashboard hängt von dieser Snowflake-Tabelle ab?“ oder „Wer verantwortet das orders-Topic in Kafka?“ beantworten kann - automatisch, ohne dass jemand eine Excel-Liste pflegen muss.
Drei Eigenschaften unterscheiden einen guten Konnektor von einem brüchigen: Er sollte nur lesend und sicher sein, er sollte inkrementell arbeiten, damit nicht bei jeder Aktualisierung ein vollständiger Neuscan nötig ist, und er sollte Data Lineage über Systemgrenzen hinweg auflösen, nicht nur innerhalb eines Werkzeugs.
Über die Plattform
Was ist Vertica?
Vertica ist die spaltenorientierte MPP-Analysedatenbank, die Michael Stonebraker 2005 gegründet hat und die heute zu OpenText gehört. Teams aus Telekommunikation, Fintech und Adtech nutzen sie für analytische Lasten mit hoher Parallelität, on-premises ebenso wie auf AWS oder Azure. Die Variante Eon Mode trennt Rechenleistung und Speicher über S3, sodass Cluster unabhängig voneinander skalieren.
Das eigene v_catalog-Schema von Vertica deckt ab, was im Cluster liegt. Was es nicht abdeckt: den BI-Bericht, der die Tabelle nutzt, das Datenprodukt, das der Fachbereich verantwortet, und die Richtlinie, die Security freigegeben hat. Genau dort setzt der Vertica-Datenkatalog von Dawiso an: nur lesend, nur Metadaten, und über Systemgrenzen hinweg.
Architektur
So verbindet sich Dawiso mit Vertica
Eine kleine, nur lesende Rolle aufseiten von Vertica. Der Dawiso-Scanner holt die Metadaten nach Zeitplan. Alles landet in Ihrem Katalog, fachlich lesbar.
Quelle
Vertica-Cluster
- Schemas
- Tabellen und Projections
- Views
- Stored Procedures
Dawiso-Scanner
Metadatenzugriff nur lesend
- Schema- und Objekterkennung
- Auflösung von Abhängigkeiten
- SQL-Flow-Parsing (optional)
- Sampling nach Opt-in
Katalog
Dawiso-Plattform
- Durchsuchbare Metadaten
- Data Lineage und Verantwortlichkeiten
- Business Glossary
- Richtlinien und Klassifizierungen
Verbindungsdetails
- Protokoll
- Vertica JDBC + v_catalog-Schema
- Authentifizierung
- Vertica-Benutzer + Passwort · nur lesende Rechte
- Lineage
- Primary Keys, Foreign Keys und Constraints werden aus v_catalog aufgelöst und bilden die Beziehungen zwischen Schemas, Tabellen, Projections und Views ab
Einrichtung
Vertica in 4 Schritten verbinden
- 01
Vertica-Benutzer anlegen
CREATE USER dawiso_user IDENTIFIED BY '<password>' auf einem Cluster, auf dem Sie Administratorrechte haben.
- 02
Zugriff auf den Katalog gewähren
GRANT SELECT ON ALL TABLES IN SCHEMA v_catalog TO dawiso_user, dazu EXECUTE ON PROCEDURE EXPORT_OBJECTS(VARCHAR, VARCHAR, BOOL), damit die Rümpfe der Procedures gelesen werden können.
- 03
In Dawiso verbinden
Tragen Sie Host (DNS oder IP), Port und Zugangsdaten des Vertica-Clusters ein. Wählen Sie Shared oder Private, je nachdem ob das Cluster aus dem Internet erreichbar ist.
- 04
Ingestion starten
Der geplante inkrementelle Sync hält Schemas, Tabellen und Views aktuell. Ohne EXPORT_OBJECTS werden Procedures katalogisiert, aber ohne ihren PL/vSQL-Rumpf.
Funktionen
Das bekommen Sie mit dem Konnektor für Vertica
-
Katalog für Schemas und Tabellen
Jedes Vertica-Schema, jede Tabelle, Projection und View ist durchsuchbar, mit Spaltenbeschreibungen, Datentypen, Encodings und den dahinterliegenden Constraints.
-
Keys und Beziehungen
Primary Keys, Foreign Keys und Constraints aus v_catalog bilden die Beziehungen zwischen Vertica-Schemas, Tabellen, Projections und Views ab.
-
PII-Klassifizierung
Klassifizieren Sie eine Spalte einmal. Dawiso markiert jede Vertica-Spalte mit Geburtsnummer, IBAN oder amtlichen Ausweisnummern in allen erfassten Schemas.
-
Verantwortung und Zertifizierung
Markieren Sie Vertica-Tabellen als zertifiziert, veraltet oder in Prüfung. Verantwortliche, Steward und SLA sind direkt im Katalog sichtbar.
-
Rümpfe der Procedures inklusive
Mit der Berechtigung EXPORT_OBJECTS liest Dawiso die PL/vSQL-Rümpfe, sodass die Logik der Stored Procedures im Katalog dokumentiert und durchsuchbar ist.
-
Nachweise für DSGVO und DORA
Sensible Spalten werden getaggt, die Richtlinie folgt ihnen durch Views bis in nachgelagerte BI-Systeme, mit vollständigem Audit-Trail für Aufsichtsbehörden.
Geschäftlicher Nutzen
Warum Teams den Konnektor für Vertica aktivieren
- -65 %
Weniger Rückfragen nach der richtigen Tabelle
Analysten finden die zertifizierte Vertica-Tabelle in Dawiso, statt beim DBA nachzufragen, welche Projection hinter dem Kundenbericht steht.
- 10x
Schnellere Auswirkungsanalyse
Bevor Sie eine Vertica-View ändern, sehen Sie die Keys und Constraints, die sie mit anderen Tabellen und Views verbinden. Sekunden statt Tage.
- Nur lesend
Kein Risiko für die Produktion
Dawiso nutzt einen eigenen Benutzer, der nur SELECT auf v_catalog und EXECUTE auf EXPORT_OBJECTS hat. Ihre Daten und Ihre Schreibpfade bleiben unberührt.
Bereit, Ihr Vertica zu katalogisieren?
Den Konnektor richten Sie an einem Nachmittag ein. Ihren ersten Lineage-Graph sehen Sie noch am selben Tag.
Häufige Fragen
Was ist eine Vertica-Datenbank?
Hat Vertica einen Datenkatalog?
Welche Berechtigungen braucht Dawiso in Vertica?
Welche Vertica-Versionen werden unterstützt?
Kopiert Dawiso unsere Vertica-Daten?
Warum braucht Dawiso EXPORT_OBJECTS?
Weitere Konnektoren entdecken
Vertica ist einer von über 30 Konnektoren. Bringen Sie Ihren gesamten Stack in den Katalog.
-
Data Warehouse Snowflake -
Data Lakehouse Databricks -
Business Intelligence Power BI -
Business Intelligence Tableau -
Data Warehouse Google BigQuery -
Data Warehouse Amazon Redshift