Tutorials

Databricks mit Power BI verbinden: Das ultimative Tutorial (Schritt-für-Schritt)

Melden

Hier ist ein umfassendes Tutorial, wie du Databricks erfolgreich mit Power BI verbindest.

Die Kombination von Databricks (für Data Engineering und Machine Learning) und Power BI (für Business Intelligence) ist eine der leistungsstärksten Lösungen im modernen Daten-Stack. Dieses Tutorial führt dich durch den gesamten Prozess.

1. Voraussetzungen

Bevor du startest, stelle sicher, dass du Folgendes hast:

  • Einen aktiven Databricks Workspace (Azure, AWS oder GCP).
  • Power BI Desktop (aktuelle Version installiert).
  • Berechtigungen zum Erstellen von Personal Access Tokens in Databricks oder Zugriff über Azure Active Directory (Microsoft Entra ID).
  • Ein konfiguriertes SQL-Warehouse (empfohlen) oder einen laufenden Cluster in Databricks.

2. Schritt 1: Verbindungsdaten in Databricks abrufen

Zuerst benötigen wir die Server-Details von Databricks.

  1. Logge dich in deinen Databricks Workspace ein.
  2. Gehe im Seitenmenü auf SQL Warehouses (falls du SQL Pro oder Serverless nutzt) oder auf Compute (falls du einen klassischen Cluster nutzt).
  3. Klicke auf deine gewünschte Ressource.
  4. Navigiere zum Reiter Connection details (Verbindungsdetails).
  5. Kopiere und speichere dir zwei Werte:
    • Server Hostname (z.B. adb-12345.6.azuredatabricks.net)
    • HTTP Path (z.B. /sql/1.0/warehouses/abc123def456)

3. Schritt 2: Authentifizierung vorbereiten

Es gibt zwei gängige Wege, sich zu authentifizieren:

Methode A: Personal Access Token (PAT) – Einfach

  1. Klicke in Databricks oben rechts auf dein Profil-Icon -> Settings.
  2. Gehe zu Developer -> Access tokens -> Manage.
  3. Klicke auf Generate new token, gib ihm einen Namen und kopiere den Token sofort (er wird nur einmal angezeigt!).

Methode B: Microsoft Entra ID (Azure AD) – Empfohlen für Azure-Nutzer

Wenn du Azure Databricks nutzt, kannst du dich einfach mit deinem gewöhnlichen Organisations-Login anmelden (Single Sign-On). Dies ist sicherer und erfordert keinen manuellen Token.

4. Schritt 3: Verbindung in Power BI Desktop herstellen

  1. Öffne Power BI Desktop.
  2. Klicke im Menüband auf Daten abrufen (Get Data) -> Mehr...
  3. Suche nach Azure Databricks und klicke auf Verbinden.
  4. Gib die kopierten Daten ein:
    • Server-Hostname: Füge den Hostnamen ein.
    • HTTP-Pfad: Füge den Pfad ein.
    • Katalog/Datenbank (Optional): Kann leer bleiben, um alle anzuzeigen.
  5. Datenkonnektivitätsmodus auswählen:
    • Import: Lädt die Daten in den Power BI Speicher (schnell für Berichte, muss aktualisiert werden).
    • DirectQuery: Fragt die Daten live in Databricks ab (gut für riesige Datenmengen oder Echtzeit).
  6. Klicke auf OK.

5. Schritt 4: Anmeldung durchführen

Ein Fenster öffnet sich und fragt nach den Anmeldedaten:

  • Bei Nutzung eines Tokens: Wähle links Persönliches Zugriffstoken, füge deinen Token ein und klicke auf "Verbinden".
  • Bei Nutzung von Azure AD: Wähle links Organisationskonto, klicke auf "Anmelden", logge dich mit deinen Microsoft-Daten ein und klicke dann auf "Verbinden".

6. Schritt 5: Daten auswählen und Laden

  1. Der Navigator öffnet sich. Du siehst nun die Kataloge (Catalogs), Schemas und Tabellen deines Databricks-Workspaces.
  2. Wähle die Tabellen aus, die du analysieren möchtest.
  3. Klicke auf Transformieren, um die Daten in Power Query zu bearbeiten, oder auf Laden, um direkt mit der Visualisierung zu beginnen.

7. Schritt 6: Veröffentlichung im Power BI Service

Damit dein Bericht auch online im Web (Power BI Service) funktioniert und aktualisiert werden kann:

  1. Veröffentliche den Bericht aus Power BI Desktop.
  2. Gehe im Power BI Service zu den Einstellungen deines Datasets.
  3. Unter Datenquellen-Anmeldeinformationen (Data Source Credentials) musst du die Anmeldedaten erneut eingeben (OAuth2 für Azure AD oder Token).
  4. Wichtig: Bei Azure Databricks ist im Power BI Service normalerweise kein Gateway erforderlich, da es sich um eine Cloud-zu-Cloud-Verbindung handelt.

Profi-Tipps für die Performance

  • Nutze SQL Warehouses: Diese sind für BI-Abfragen optimiert und starten schneller als herkömmliche Cluster.
  • Unity Catalog: Wenn dein Unternehmen Unity Catalog nutzt, achte darauf, dass du die dreiteilige Namenskonvention (catalog.schema.table) verwendest.
  • DirectQuery vs. Import: Verwende für Dashboard-Filter "DirectQuery" nur, wenn die Tabellen extrem groß sind. Für die beste User Experience (schnelle Klicks) ist "Import" meist überlegen.
  • Vermeide komplexe Joins in Power BI: Versuche, die Daten in Databricks bereits so vorzubereiten (z.B. als Gold-Tabellen im Lakehouse), dass Power BI sie nur noch "lesen" muss.

Herzlichen Glückwunsch! Du hast nun erfolgreich eine Brücke zwischen deiner Big-Data-Plattform und deinem Reporting-Tool geschlagen.

0