• 案件・求人一覧
  • お役立ちコンテンツ
  • 単価診断
  • ログイン
  • 会員登録
メニューを開く

Unity Catalogとは|Databricksの3階層名前空間と権限設計

スキル

最終更新日:2026/11/17

Unity Catalogとは|Databricksの3階層名前空間と権限設計

Unity Catalogとは、Databricks上のテーブル・ボリューム・AIモデルを3階層の名前空間で管理し、権限・リネージ・監査を集約するガバナンス機能です。新規設計か、Hive metastoreからの移行かで検討の順番が変わります。データ基盤の設計を担うエンジニア向けに、権限モデルの勘所を整理します。

先に結論

  • Unity CatalogはDatabricksに組み込まれたガバナンスレイヤーで、データとAI資産を同じ仕組みで統制します

  • 名前空間はカタログ.スキーマ.オブジェクトの3階層。公式ドキュメントではメタストアはリージョンごとに1つとされ、同じリージョンのワークスペースが共有します

  • 権限は上位から継承されますが、親のUSE CATALOG・USE SCHEMAが無いとテーブルにSELECTを付けても見えません。ここが最初の詰まりどころです

  • リネージと監査ログは自動で取れます。ただしシステムテーブルの保持は395日のローリングウィンドウで、カタログやテーブルをリネームするとリネージは引き継がれません

  • 「Unity Catalog」はDatabricksの機能名であると同時に、Apache 2.0のOSSプロジェクト名でもあります。案件で話が噛み合わないときは、たいていここを取り違えています

この記事でわかること

  • Unity Catalogが管理する資産の種類と、3階層の名前空間の組み立て方

  • マネージドテーブルと外部テーブルの違い、どちらを選ぶかの判断軸

  • 権限の種類・継承の方向と、本番環境でグループ設計が必須になる理由

  • リネージ・監査ログで取れる範囲と、取れない範囲

  • Hive metastoreからの移行パターンと、OSS版との違い

対象は、Databricksを使うデータ基盤案件で設計や権限整備に関わるエンジニアです。SQLとクラウドストレージの基本が分かっていれば読めます。本記事は主にDatabricks上で提供されるUnity Catalogを扱い、同名のオープンソース版との違いは後半で別立てにしています。仕様は2026年11月時点の公式ドキュメントで確認したものです。Databricksそのものの全体像は「Databricksとは|レイクハウスの仕組み・Snowflakeとの違い・案件単価」で整理しています。

目次

  • Unity Catalogとは|Databricksに組み込まれたガバナンスレイヤー

  • カタログ.スキーマ.オブジェクトの3階層とメタストアの位置づけ

  • マネージドテーブルと外部テーブルの違い

  • 権限モデル|親のUSE権限が通らないとデータは見えない

  • リネージと監査ログはどこまで自動で取れるか

  • OpenSharingでの外部共有|Delta Sharingとの関係

  • Hive metastoreからの移行|2つの進め方

  • OSS版Unity CatalogとDatabricks版の違い

  • よくある失敗と対策

  • Unity Catalogの設計チェックリスト

  • まとめ

  • よくある質問

Unity Catalogとは|Databricksに組み込まれたガバナンスレイヤー

結論から言うと、Unity CatalogはデータとAIのアクセス制御を1か所に集約するための層です。ワークスペースで有効になっていると、クエリやモデル呼び出しのたびにアクセス制御が自動で働き、リネージと監査ログが記録されます。

従来のHive metastoreは、ワークスペース単位でテーブル定義を持つ仕組みでした。組み込みの監査・リネージ・きめ細かいアクセス制御を持たず、ワークスペースが増えるほど権限の実態が追えなくなります。Unity Catalogはこの構造的な問題を、アカウント横断のメタストアに寄せることで解決しています。

Databricks公式ドキュメントによると、2023年11月8日以降に作成されたワークスペースでは自動的に有効化されます。それより前に作られた環境では、明示的にアップグレードする必要があります。案件に入ったら、まずワークスペースの作成時期を確認するのが早道です。

管理対象になる資産の種類

Unity Catalogが抱えるのは、テーブルだけではありません。

資産

何を置くか

テーブル・ビュー

構造化データ。マネージドと外部の2種類がある

ボリューム

画像・PDF・ログなど、表形式ではないファイル

関数

SQL・Python・Scalaのユーザー定義関数

モデル

MLflowで管理する機械学習モデル

サービス

モデルサービングやMCPサービスのエンドポイント(公式の資産一覧に記載。比較的新しい区分です)

ボリュームとモデルが同じ権限体系に乗るのが、従来のデータカタログ製品との大きな違いです。非構造化データとAIモデルを別々のツールで管理していた環境ほど、集約の効果が出ます。Delta Lakeとは|Icebergとの違いとレイクハウス実装で扱う保存層と、この統制層は役割が別物なので混同しないでください。

ミニFAQ:別のデータカタログ製品も入れる必要がありますか

Databricks内で完結する範囲であれば、Unity Catalog自体がカタログの役割を担います。一方、Databricks以外のDWHやBIも含めて横断的に資産を棚卸ししたい組織では、別のカタログ製品が検討対象に上がります。どの製品がどう使い分けられているかは「データガバナンス案件の単価相場|データカタログ実務と探し方・参入ルート」で整理しています。

フリーランスエンジニアの皆様

今の年収、今の働き方に満足してますか?

あなたの理想の案件を
専属コンシェルジュが実現

フリコンに無料会員登録して案件の相談をする

カタログ.スキーマ.オブジェクトの3階層とメタストアの位置づけ

テーブルやモデルは、カタログ.スキーマ.オブジェクトという3階層の名前空間で指し示します。たとえば本番の売上テーブルなら「prod.sales.orders」のような形です。従来のデータベース.テーブルという2階層に、カタログがもう1段乗ったと捉えると分かりやすいでしょう。

この3階層の上にメタストアがあります。メタストアはアカウント内のデータ資産を束ねる最上位の器です。公式のベストプラクティスでは、メタストアはリージョンごとに1つとされ、同一リージョンのワークスペースがそれを共有する前提で説明されています。クラウドやアカウント構成によって扱いが変わる部分なので、設計前に自分の環境の公式ドキュメントで確認してください。

メタストア直下に置かれるオブジェクト

カタログの外側、メタストア直下に置かれるものもあります。

  • ストレージ認証情報:クラウドストレージへアクセスするための資格情報

  • 外部ロケーション:ストレージ認証情報と特定パスを組み合わせた、アクセス可能な場所の定義

  • 接続:外部データベースへのレイクハウスフェデレーション用の接続定義

  • 共有:外部組織にデータを渡すための単位

この4つは「カタログの中身」ではなく「基盤側の設定」です。公式のベストプラクティスでは、外部ロケーションを作る権限は、クラウドストレージとの接続設計を担う管理者に絞るよう推奨されています。ここを開放すると、Unity Catalogを経由しない直接アクセスの抜け道ができてしまいます。

カタログをどう切るか

公式が挙げているのは、環境(dev/test/prod)、チーム、事業部、またはその組み合わせです。実務では環境でカタログを切るところから始めるのが扱いやすい、という整理になります。権限の境界と環境の境界が一致するため、本番データへの誤アクセスを構造で防げるからです。

事業部単位で先に切ってしまうと、同じ事業部の中に開発と本番が混ざります。その後で環境を分けたくなっても、カタログ名の変更はリネージが切れる原因になるため、やり直しのコストが高くつきます。

マネージドテーブルと外部テーブルの違い

両者の差は一行で言えます。マネージドテーブルはガバナンスとファイルの実体の両方をUnity Catalogが持ち、外部テーブルはガバナンスだけを持ちます。

観点

マネージドテーブル

外部テーブル

ファイルの保存場所

Unity Catalogが管理するストレージ

自分で指定した外部ロケーション

テーブルをDROPしたとき

実体のデータも削除対象になる

メタデータのみ削除、ファイルは残る

最適化

自動圧縮・自動最適化・ファイルサイズ最適化が効く

自分で運用する

新機能の提供

優先的に実装される

後追い、または対象外のことがある

向いているケース

Databricks内で完結するデータ

他システムが同じファイルを直接読む構成

公式ドキュメントは、新規テーブルは原則マネージドを使う方針を推奨しています。自動圧縮や高速なメタデータ読み取りといった最適化が効くうえ、新機能がマネージド側から先に入るためです。

ただし、同じParquetやDeltaのファイルをAWS Glueや別のエンジンから直接読んでいる構成では、外部テーブルを選ぶ理由が残ります。移行の途中段階でも外部テーブルが現実解になることは多いです。

ミニFAQ:マネージドテーブルにすると他のツールから読めなくなりますか

そんなことはありません。Iceberg REST Catalog経由で外部エンジンから接続する道が用意されています。ただし接続方式の追加設定が必要になるため、「ストレージのパスを直接叩けば読める」という運用は前提にできなくなります。既存のバッチがパス直指定で動いているなら、移行前に洗い出しておいてください。

フリーランスエンジニアの皆様

今の年収、今の働き方に満足してますか?

あなたの理想の案件を
専属コンシェルジュが実現

フリコンに無料会員登録して案件の相談をする

権限モデル|親のUSE権限が通らないとデータは見えない

Unity Catalogで最初につまずくのは、ほぼ例外なくここです。テーブルにSELECTを付けただけではデータは読めません。

権限リファレンスが示すとおり、テーブルを読むには3つが同時に必要です。

  1. そのテーブルへの SELECT

  2. 親スキーマへの USE SCHEMA

  3. 祖先カタログへの USE CATALOG

USE CATALOGとUSE SCHEMAは「中のオブジェクトを触ってよい」という通行許可で、それ自体はデータへのアクセスを与えません。逆に言えば、スキーマのオーナーがUSE SCHEMAを渡さなければ、テーブルのオーナーがSELECTを配っても読めない。親側に拒否権が残る設計になっています。

主要な権限の一覧

権限

何ができるか

USE CATALOG / USE SCHEMA

配下のオブジェクトを操作するための通行許可。データは読めない

SELECT

テーブル・ビュー・マテリアライズドビューへのクエリ

MODIFY

テーブルへの挿入・更新・削除をまとめて許可

CREATE TABLE / CREATE VOLUME / CREATE SCHEMA

配下での各オブジェクト作成

EXECUTE

関数やモデルの呼び出しと定義の閲覧

READ VOLUME / WRITE VOLUME

ボリューム内ファイルの読み取り・書き込み

BROWSE

データにアクセスせずに、オブジェクトの存在とメタデータだけ見る

MANAGE

権限管理・所有権の移転・オブジェクトの削除

READ METADATA

オーナーが見られるメタデータの閲覧。変更やデータ読み取りは不可

INSERT・UPDATE・DELETEを個別に付けるきめ細かい指定も用意されていますが、公式ドキュメントではベータとして扱われています。本番の権限設計に組み込む前に、提供状況を公式ページで確認してください。

継承はカタログで付けると将来のテーブルにも効く

権限はメタストアからカタログ、スキーマ、テーブルへと下へ継承されます。実務で効いてくるのは、カタログレベルでSELECTを付けると、そのカタログの現在のテーブルだけでなく将来作られるテーブルにも適用される点です。

分析者グループに読み取りを与えるときは、テーブルを1つずつ追いかけるのではなく、分析用カタログに対して一度付ける。これが運用の負荷を下げる定石になります。

本番ではグループに付ける

公式のベストプラクティスは、個人ユーザーではなくグループへ権限を割り当てるよう強く推奨しています。さらに、本番カタログ・スキーマの所有権もグループに持たせることを勧めています。

理由は単純で、担当者の異動や退職でオーナー不在のオブジェクトが生まれると、権限変更もスキーマ変更も止まるからです。個人がオーナーのビューは、その人がいないと誰も直せません。アクセス権の棚卸しを求められる案件では、個人直付けが残っているだけで指摘対象になります。

タグで条件を書くABACポリシー

属性ベースアクセス制御(ABAC)は、オブジェクトに付けたガバナンスドタグを条件にして、ポリシーを一括適用する仕組みです。「機密区分がPIIの列はマスクする」といったルールを、メタストアやカタログ単位で一度書けば済みます。

  • 行フィルタポリシー:テーブル・ビューに行レベルのセキュリティを適用

  • 列マスクポリシー:テーブル・ビューに列レベルのセキュリティを適用

テーブルごとに関数を貼って回る方式と比べ、対象が増えても運用が膨らみません。ただしABACのドキュメントでは、メタストアレベルのポリシー、ビューへの適用、DENYポリシーがベータとして記載されています(2026年10月22日更新時点)。どこまでがGAでどこからがベータかは提案前に必ず公式ページで確認してください。ベータ機能を前提に設計を通すと、後で作り直しになります。

リネージと監査ログはどこまで自動で取れるか

リネージは自動で記録されます。設定を入れて回すものではなく、クエリの実行結果として蓄積される、という理解が正確です。

自動取得される範囲

データリネージのドキュメントによると、捕捉対象は次のとおりです。

  • テーブル・ビューと、列レベルの依存関係

  • テーブルを参照するジョブ・ノートブック・ダッシュボード

  • MLモデルのバージョン

  • SQL・Python・ScalaのUDF

  • 上流のSalesforceやMySQL、下流のTableauやPower BIといった外部資産

リネージを見るには、親カタログに対して最低限のBROWSE権限が必要です。ノートブックやジョブの中身まで辿るなら、そのオブジェクト側のワークスペース権限も要ります。「リネージ画面に線が出ない」という相談の多くは、データの問題ではなく権限の問題です。

保持期間と、取れないもの

保持期間は見る場所で変わります。公式ドキュメントでは、Catalog Explorer上の2024年9月1日以降のデータは期限を設けず保持されるとされ、システムテーブル経由では既定で395日のローリングウィンドウと記載されています。保持仕様は変更されうるため、監査要件に紐づける前に公式ページで確認してください。年次の監査で過去2年分を遡りたい、という要件があるなら、システムテーブルから別途エクスポートして保管する設計が要ります。

取れないものも把握しておきましょう。

  • 公式ドキュメント上、RDD、グローバルテンポラリビュー、system.information_schemaは対象外とされています

  • カタログ・スキーマ・テーブル・列をリネームすると、リネージは引き継がれない

  • UDFはテーブルレベルまでで、列レベルは出ない

  • UPDATE・DELETE・MERGE INTO経由のテンポラリテーブルは変更が反映されない

リネームでリネージが切れる点は、設計段階で効いてきます。命名規約を後から変えると、それまでの履歴が分断される。カタログ名とスキーマ名は、動かさない前提で決めてください。

ミニFAQ:リネージを監査証跡として提出できますか

リネージは「どのデータがどこから来てどこへ行ったか」を示すもので、「誰がいつアクセスしたか」を示すものではありません。アクセスの記録は監査ログのシステムテーブル側です。監査対応では両方を組み合わせる必要があり、リネージ画面のスクリーンショットだけで足りることはまずありません。

フリーランスエンジニアの皆様

今の年収、今の働き方に満足してますか?

あなたの理想の案件を
専属コンシェルジュが実現

フリコンに無料会員登録して案件の相談をする

OpenSharingでの外部共有|Delta Sharingとの関係

組織の外へデータを渡す仕組みも、Unity Catalogの周辺に用意されています。2026年11月時点で確認した公式ドキュメントでは、この領域にOpenSharingという名称が使われています。日本語の解説記事や社内資料ではDelta Sharing表記が広く残っており、名称の切り替わり時期は公式ページに明記されていません。どちらの呼称で書かれた資料を見ているかを確認してから設計会議に臨むのが安全です。

共有には2つのモードがあります。

モード

相手

共有できるもの

認証

Databricks間共有

他のDatabricksアカウント

テーブルに加えてノートブック・ボリューム・モデル

Databricksアカウント

オープン共有

Databricksを持たない相手も可

表形式データのみ

ベアラートークン、またはOIDCフェデレーション

押さえておきたいのは、データを受け取る側にUnity Catalogは必須ではないという点です。公式ドキュメントは、提供側・利用側のいずれもUnity Catalogなしで共有が成立すると明記しています。ただし非表形式データやAI資産まで共有したい場合は、Unity Catalog側の機能が必要になります。

コスト面では、公式ドキュメント上、同一リージョン内の共有には転送費用がかからないとされています。リージョンをまたぐ場合は、クラウド事業者側の転送料金がかかる可能性があります。実際の請求はクラウドと契約条件で変わるため、見積もり前に確認してください。メタストアがリージョン単位という前提と合わせて、拠点が複数ある組織では共有の設計を先に詰めておくべきところです。

Hive metastoreからの移行|2つの進め方

既存環境がある案件では、移行方針の選択が最初の論点になります。公式ドキュメントが示す道は2つです。

  1. 全テーブルをアップグレードする:Hive metastore上のテーブルをUnity Catalogへ移し、Hive metastoreへの直接アクセスを無効化する

  2. Hive metastoreフェデレーション:外部カタログとしてミラーリングし、段階的に移す

公式が「最も効果的」としているのは1番です。直接アクセスを塞がないと、新旧どちらを見ているのか分からない期間が延々と続きます。とはいえ、参照しているジョブが多い環境でいきなり全面移行は現実的でないため、フェデレーションで時間を稼ぐ判断もあります。

移行前に把握しておくべき制約は次の点です。

  • Hive metastoreのデータとの結合は、そのデータが存在するワークスペース内でしか動かない

  • レガシーなHive metastoreには、同時接続数と時間あたり接続数の上限がある

  • Hive metastore側には組み込みの監査・リネージ・きめ細かいアクセス制御が無く、移行前の実態把握そのものが手作業になる

3つ目が地味に重いところです。「今どのジョブがどのテーブルを読んでいるか」が分からないまま移行計画を立てることになるため、まずジョブ定義とノートブックの棚卸しから入ります。Apache Airflowなど外部のオーケストレーターから叩いている処理がある場合は、そちらの定義も対象です。

フリーランスエンジニアの皆様

今の年収、今の働き方に満足してますか?

あなたの理想の案件を
専属コンシェルジュが実現

フリコンに無料会員登録して案件の相談をする

OSS版Unity CatalogとDatabricks版の違い

ここは混同が起きやすいので分けて書きます。Unity Catalogという名前は、Databricksの機能名であると同時に、独立したオープンソースプロジェクトの名前でもあります。

OSS版Unity Catalogは、サーバー・OpenAPI仕様・クライアントがApache 2.0ライセンスで公開されています。Databricksが2024年にオープンソース化し、現在はLF AI & Dataがホストするコミュニティ主導のプロジェクトです。

観点

Databricks上のUnity Catalog

OSS版Unity Catalog

位置づけ

Databricksプラットフォームの統制層

ベンダー中立のカタログ実装

ライセンス

Databricksの提供形態に従う

Apache 2.0

対応フォーマット

Databricksがサポートする範囲

Delta Lake、ネイティブIceberg(0.7以降)、Parquet、CSV、JSON

接続できるエンジン

Databricksのコンピュート中心

Apache Spark、DuckDB、Daft、StarRocks、PyIcebergなど

行フィルタ・ABAC・監査

提供される

Databricks版と同じ機能範囲ではない

案件の会話で「Unity Catalogを入れたい」と言われたとき、Databricksの話をしているのか、OSSのカタログサーバーを自前で立てる話をしているのかで、やることがまるで変わります。どちらを指しているかを最初に確認する。これだけで初期の認識ずれをかなり減らせます。

Iceberg REST Catalog APIに対応しているため、Icebergを読むエンジンから直接つなげる点はOSS版の強みです。Snowflakeとの併存やデータメッシュ的な分散配置を検討している組織では、選択肢に挙がります。

よくある失敗と対策

権限を個人に直付けして棚卸しできなくなる

立ち上げ期は人数が少ないので、個人に付けたほうが早く感じます。半年後、誰にどの権限があるか追えなくなります。最初からグループを作り、人ではなくグループに付ける。本番カタログの所有権もグループに持たせてください。

USE CATALOGを忘れて「権限を付けたのに見えない」と詰まる

切り分けで見落とされやすい箇所です。SELECTだけ付けて終わりにせず、USE CATALOGとUSE SCHEMAまで揃っているかを確認します。切り分けの順序は、カタログ→スキーマ→テーブルと上から辿るのが速いです。

マネージドテーブルをDROPして実体ごと消す

マネージドテーブルのDROPは、メタデータだけでなくデータの実体も削除対象になります。外部テーブルの感覚で操作すると事故ります。本番カタログではDROPできるロールを絞り、検証は別カタログで行う運用にしてください。

カタログ名・スキーマ名を後から変えてリネージが切れる

リネームするとリネージは引き継がれません。命名規約は最初に決め切る。迷いが残っているなら、小さく検証用カタログで試してから本番の名前を確定させるほうが、結果的に早いです。

ベータ機能を前提に設計を通す

ABACのDENYポリシーやメタストアレベルポリシーのように、便利に見えてベータ扱いの機能があります。提案書に書く前に公式ドキュメントで提供状況を確認してください。GA前提で見積もると、要件を満たせないまま納期を迎えます。

フリーランスエンジニアの皆様

今の年収、今の働き方に満足してますか?

あなたの理想の案件を
専属コンシェルジュが実現

フリコンに無料会員登録して案件の相談をする

Unity Catalogの設計チェックリスト

設計に入る前に決めておくことを、判断の順番で並べました。

#

決めること

判断の目安

1

ワークスペースの作成時期

2023年11月8日以降なら自動有効。それ以前はアップグレード要否を確認

2

対象リージョン

公式ではメタストアはリージョンごとに1つ。複数拠点なら共有の仕組み前提で設計

3

カタログの切り方

まず環境(dev/test/prod)で切る。事業部軸は環境の下か、別カタログで

4

テーブル種別の原則

新規はマネージドを既定に。外部直読みの要件がある場合のみ外部テーブル

5

グループ設計

権限も所有権もグループに。個人直付けを禁止ルールにする

6

外部ロケーションの作成権限

基盤管理者に限定。開発者には渡さない

7

機密区分のタグ設計

ABACで使うガバナンスドタグの語彙を先に決める

8

監査ログの保管

395日を超えて遡る要件があるなら、システムテーブルからの退避を設計

9

命名規約

リネームでリネージが切れる前提で、最初に確定させる

10

既存Hive metastoreの扱い

全面移行かフェデレーションかを、ジョブ棚卸しの結果で判断

このうち2・5・9の3つは、後から変えるコストが突出して高い項目です。初期の設計レビューでは、ここだけでも時間を取って詰めておく価値があります。

まとめ

Unity Catalogは、Databricks上のデータとAI資産を3階層の名前空間で束ね、権限・リネージ・監査を1か所に集約する統制層です。機能を眺めるより、設計の初期に戻せない判断を先に潰すほうが実務では効きます。

  • 名前空間はカタログ.スキーマ.オブジェクトの3階層。公式ではメタストアはリージョンごとに1つ

  • 権限は上から継承されるが、親のUSE CATALOG・USE SCHEMAが無ければデータは見えない

  • 本番では権限も所有権もグループに持たせる。個人直付けは棚卸しを壊す

  • マネージドテーブルが原則。外部ツールからの直読み要件がある場合のみ外部テーブル

  • リネージは自動で取れるが、システムテーブルは395日。リネームで履歴は切れる

  • 「Unity Catalog」がDatabricks機能かOSSプロジェクトかを、会話の最初に確認する

次のアクションとしては、チェックリストの2・5・9(リージョン、グループ設計、命名規約)を手元の環境に当てはめてみてください。ここが決まっていれば、残りは作業に落とせます。

データ基盤まわりの案件を探している方は、フリコンの案件一覧から条件で絞り込めます。レイヤー別の報酬目安は「データ基盤案件の単価相場|ETL・DWH・BIレイヤー別の目安とスキル」で整理しており、自分の経験でどの程度を狙えるか確かめたい場合は、無料のフリーランスエンジニア単価診断も使えます。案件そのものの選び方は「案件の選び方|フリーランスエンジニアが単価・稼働・スキルで決める優先順位」が参考になります。

参照した一次情報は次のとおりです。

よくある質問

AnswerMark

できます。ただし2023年11月8日以降に作成されたワークスペースでは既定で有効化されており、監査・リネージ・きめ細かいアクセス制御を使わない構成になります。新規案件でUnity Catalogを使わない選択をするなら、その理由を説明できる状態にしておいたほうがよいでしょう。

AnswerMark

できます。Hive metastoreフェデレーションを使うと、外部カタログとしてミラーリングしながら段階的に移せます。ただしHive metastore上のデータとの結合は、そのデータが存在するワークスペース内に限られる点に注意してください。

AnswerMark

公式は環境、チーム、事業部、またはその組み合わせを挙げており、一つの正解は示していません。権限の境界と環境の境界を一致させやすい点で、環境別から始めるほうが扱いやすい、というのが実務上の整理です。組織の権限委譲の形が先に決まっている場合は、そちらに合わせる判断もあります。

AnswerMark

ABACの行フィルタポリシーを使い、ガバナンスドタグを条件にして適用します。テーブルごとにフィルタ関数を貼る方法もありますが、対象が増えると運用が膨らみます。ただしABACの一部機能はベータ扱いのため、適用範囲は公式ドキュメントで確認してください。

AnswerMark

テーブル間に加えて列レベルの依存関係も自動で取得されます。ただしUDFについてはテーブルレベルまでで、列レベルのリネージは出ません。RDDやグローバルテンポラリビューも、公式ドキュメント上は対象外とされています。

AnswerMark

公式ドキュメントでは、システムテーブル経由は既定で395日のローリングウィンドウ、Catalog Explorer上のリネージは2024年9月1日以降のデータを期限なく保持するとされています。保持仕様は更新されうるため、長期保管の要件がある場合は公式ページで現在値を確認したうえで、システムテーブルから別ストレージへ退避する設計を検討してください。

AnswerMark

公式のベストプラクティスでは、メタストアはリージョンごとに1つとされ、同じリージョンのワークスペースがそれを共有する前提で説明されています。リージョンをまたいでデータを使いたい場合は、メタストアを増やすのではなく共有の仕組みで対応するのが基本線です。

AnswerMark

2026年11月時点の公式ドキュメントでは、この領域にOpenSharingという名称が使われています。公式ページに名称変更の時期や経緯の記載はないため、「旧称はDelta Sharing」と言い切るのは避けたほうが無難です。日本語の資料ではDelta Sharing表記が広く残っているので、指しているものが同じかどうかを都度確認してください。

AnswerMark

使えます。Apache 2.0で公開されており、Apache SparkやDuckDB、PyIcebergなどから接続できます。ただしDatabricks上で提供される機能一式がそのまま使えるわけではないため、行フィルタや監査が要件に入っている場合は機能範囲の確認が要ります。

AnswerMark

まずUSE CATALOGとUSE SCHEMAを確認してください。テーブルのSELECTだけでは読めない仕様です。カタログ→スキーマ→テーブルの順に上から権限を辿ると、欠けている段が特定しやすくなります。グループ経由で付与している場合は、ユーザーがそのグループに入っているかも合わせて見ます。

AnswerMark

Databricksの実務経験がないまま権限設計を任されるケースは多くありません。現実的な入り方は、データ基盤の構築・運用案件に入り、その中でカタログ整備を担当する流れです。実務の広がりと報酬の目安は「データガバナンス案件の単価相場|データカタログ実務と探し方・参入ルート」にまとめています。

関連するタグ:

データベースエンジニアデータサイエンティストSQLSparkAWSGoogle Cloud PlatformAzure

おすすめのお役立ちコンテンツ

Supabaseとは?特徴・Firebaseとの違い・料金・フリーランス案件動向をエンジニア視点で解説
スキル

Supabaseとは?特徴・Firebaseとの違い・料金・フリーランス案件動向をエンジニア視点で解説

Ollamaとは?ローカルLLM実行環境の特徴・使い方・案件単価をエンジニア視点で解説
スキル

Ollamaとは?ローカルLLM実行環境の特徴・使い方・案件単価をエンジニア視点で解説

PowerShellとは?できること・使い方・年収を初心者向けに徹底解説
スキル

PowerShellとは?できること・使い方・年収を初心者向けに徹底解説

Vercelとは?特徴・Next.js連携・料金・案件動向をフリーランス視点で解説
スキル

Vercelとは?特徴・Next.js連携・料金・案件動向をフリーランス視点で解説

G検定とは?合格率・難易度・効果的な勉強法をわかりやすく解説【2026年版】
スキル

G検定とは?合格率・難易度・効果的な勉強法をわかりやすく解説【2026年版】

新着のお役立ちコンテンツ

Rustフリーランスの単価相場と案件動向|経験別月額と獲得の実践術
スキル

Rustフリーランスの単価相場と案件動向|経験別月額と獲得の実践術

フリーランスPMの単価相場|フリコン掲載1,254件の規模・業界別レンジ
キャリア・職種

フリーランスPMの単価相場|フリコン掲載1,254件の規模・業界別レンジ

データサイエンティストのフリーランスになるには?案件の探し方と年収相場を解説
キャリア・職種

データサイエンティストのフリーランスになるには?案件の探し方と年収相場を解説

Cloud Spannerとは|分散DBの特徴・料金と案件での使いどころ
スキル

Cloud Spannerとは|分散DBの特徴・料金と案件での使いどころ

TypeScriptフリーランスの単価相場と案件の探し方|経験別・年収の実態
スキル

TypeScriptフリーランスの単価相場と案件の探し方|経験別・年収の実態

おすすめ案件・求人

【PMO】社内ITコンサルタント 兼 PMO 要員募集(フルリモート)

110~120万円/月

虎ノ門(東京都)

詳細を見る

【kintone】kintoneにおける業務改善サポートおよび導入/活用支援(フルリモート)

60~70万円/月

仙台(宮城県)

詳細を見る

(フルリモート)【PHP、React】会員制Webサービスの機能改善・追加開発

60~70万円/月

渋谷(東京都)

詳細を見る

(フルリモート)【.NET】倉庫管理システム移行/リリース対応

60~70万円/月

田町(東京都)

詳細を見る

(フルリモート)【フルスタックエンジニア】新規Webサービス立ち上げ支援

110~120万円/月

渋谷(東京都)

詳細を見る

あなたの理想の案件探しませんか?

公開非公開

フリーランスエンジニア向け案件の
85%以上が非公開案件!

※非公開案件のご紹介は登録者限定

非公開案件を紹介してもらう

タグからお役立ちコンテンツを探す