--- title: "Abfragen von Bright Data-Datensätzen über Databricks API, SQL Connector und CLI" slug: datasets-via-databricks date: 2026-02-22T15:41:51+00:00 modified: 2026-02-22T15:41:52+00:00 permalink: https://brightdata.de/blog/web-data-de/datasets-via-databricks type: blog --- [ Blog ](https://brightdata.de/blog "Blog") / [Web Data](https://brightdata.de/blog/web-data-de) [Web Data](https://brightdata.de/blog/web-data-de) # Abfragen von Bright Data-Datensätzen über Databricks API, SQL Connector und CLI Entdecken Sie, wie Sie die Datensätze von Bright Data innerhalb von Databricks mithilfe von REST API, CLI oder SQL Connector ganz einfach abfragen können. Schritt-für-Schritt-Anleitung und Code inklusive! 13 min lesen [ ![Antonello Zanini](https://media.brightdata.de/2022/12/Antonello-Zanini-2-50x50.jpg) ](https://brightdata.com/blog/authors/antonello-zanini) [Antonello Zanini Technical Writer ](https://brightdata.com/blog/authors/antonello-zanini) ![Querying Bright Data Datasets via Databricks API](https://media.brightdata.de/2025/09/Querying-Bright-Data-Datasets-via-Databricks-API.png) In diesem Artikel erfahren Sie: - Welche Produkte Bright Data auf Databricks anbietet. - Wie Sie ein Databricks-Konto einrichten und alle erforderlichen Anmeldedaten für die programmatische Datenabfrage und -exploration abrufen. - Wie Sie einen Bright Data-Datensatz mit Databricks abfragen können: - REST-API - CLI - SQL-Konnektor Lassen Sie uns loslegen! ## Datenprodukte von Bright Data auf Databricks Databricks ist eine offene Analyseplattform für die Erstellung, Bereitstellung, Freigabe und Pflege von Daten, Analysen und KI-Lösungen für Unternehmen in großem Maßstab. Auf der Website finden Sie Datenprodukte von mehreren Anbietern, weshalb sie als einer der [besten Datenmarktplätze](/blog/web-data/best-data-marketplaces) gilt. [Bright Data ist seit kurzem](https://marketplace.databricks.com/provider/63866f42-27f8-4a1f-b243-37e7be863700/Bright-Data) als Datenproduktanbieter[bei Databricks vertreten](https://marketplace.databricks.com/provider/63866f42-27f8-4a1f-b243-37e7be863700/Bright-Data) und bietet bereits über 40 Produkte an: ![](https://media.brightdata.de/2025/09/image-36-scaled.png)Zu diesen Lösungen gehören [B2B-Datensätze](/blog/web-data/best-b2b-data-providers), Unternehmensdatensätze, [Finanzdatensätze](/blog/web-data/best-financial-data-providers), [Immobiliendatensätze](/blog/web-data/best-real-estate-data-providers) und viele andere. Darüber hinaus haben Sie über die Infrastruktur von Bright Data Zugriff auf allgemeinere Lösungen für die Abfrage von Webdaten und das Web-Scraping, wie z. B. [der Scraping-Browser](/products/scraping-browser) und die [Web Scraper API](/products/web-scraper). In diesem Tutorial erfahren Sie, wie Sie Daten aus einem dieser Bright Data-Datensätze mithilfe der Databricks-API, der CLI und der dedizierten SQL Connector-Bibliothek programmgesteuert abfragen können. Legen wir los! ## Erste Schritte mit Databricks Um Bright Data-Datensätze aus Databricks über API oder CLI abzufragen, müssen Sie zunächst einige Einstellungen vornehmen. Befolgen Sie die folgenden Schritte, um Ihr Databricks-Konto zu konfigurieren und alle erforderlichen Anmeldedaten für den Zugriff auf und die Integration von Bright Data-Datensätzen abzurufen. Am Ende dieses Abschnitts verfügen Sie über: - Ein konfiguriertes Databricks-Konto - Ein Databricks-Zugriffstoken - Eine Databricks-Warehouse-ID - Eine Databricks-Host-Zeichenfolge - Zugriff auf einen oder mehrere Bright Data-Datensätze in Ihrem Databricks-Konto ### Voraussetzungen Stellen Sie zunächst sicher, dass Sie über ein Databricks-Konto verfügen (ein kostenloses Konto reicht aus). Wenn Sie noch kein Konto haben, [erstellen Sie eines](https://login.databricks.com/signup). Andernfalls [melden Sie sich einfach an](https://accounts.cloud.databricks.com/login). ### Konfigurieren Sie Ihren Databricks-Zugriffstoken Um [den Zugriff auf Databricks-Ressourcen zu autorisieren](https://docs.databricks.com/aws/en/dev-tools/auth/), benötigen Sie einen Zugriffstoken. Befolgen Sie die nachstehenden Anweisungen, um einen solchen einzurichten. Klicken Sie in Ihrem Databricks-Dashboard auf Ihr Profilbild und wählen Sie die Option „Einstellungen“: ![Selecting the “Settings” option](https://media.brightdata.de/2025/09/image-37.png)Wählen Sie auf der Seite „Einstellungen“ die Option „Entwickler“ und klicken Sie dann im Abschnitt „Zugriffstoken“ auf die Schaltfläche „Verwalten“: ![Clicking the “Manage” button in the “Access tokens” section](https://media.brightdata.de/2025/09/image-40-scaled.png)Klicken Sie auf der Seite „Zugriffstoken“ auf „Neues Token generieren“ und befolgen Sie die Anweisungen im Modal: ![Pressing the “Generate new token” button](https://media.brightdata.de/2025/09/image-41.png)Sie erhalten einen Databricks-API-Zugriffstoken. Bewahren Sie ihn an einem sicheren Ort auf, da Sie ihn bald benötigen werden. ### Rufen Sie Ihre Databricks-Warehouse-ID ab Eine weitere Information, die Sie benötigen, um die API programmgesteuert aufzurufen oder die Datensätze über die CLI abzufragen, ist Ihre Databricks-Warehouse-ID. Um diese abzurufen, wählen Sie im Menü die Option „SQL-Warehouses“: ![Selecting the “SQL Warehouses” option](https://media.brightdata.de/2025/09/image-41.png)Klicken Sie auf das verfügbare Warehouse (in diesem Beispiel „Serverless Starter Warehouse“) und rufen Sie die Registerkarte „Übersicht“ auf: ![The “Overview” tab of your selected Databricks warehouse](https://media.brightdata.de/2025/09/image-42.png)Im Abschnitt „Name“ sehen Sie Ihre Databricks-Warehouse-ID (in Klammern, nach `ID:`). Kopieren Sie sie und bewahren Sie sie sicher auf, da Sie sie in Kürze benötigen werden. ### Finden Sie Ihren Databricks-Host Um [eine Verbindung zu einer Databricks-Rechenressource herzustellen](https://docs.databricks.com/aws/en/integrations/compute-details), müssen Sie Ihren Databricks-Hostnamen angeben. Dieser entspricht der Basis-URL Ihres Databricks-Kontos und hat folgendes Format: ```none https://.cloud.databricks.com ``` Sie finden diese Informationen direkt, indem Sie sie aus der URL Ihres Databricks-Dashboards kopieren: ![](https://media.brightdata.de/2025/09/image-43.png)### Zugriff auf Bright Data-Datensätze erhalten Jetzt müssen Sie Ihrem Databricks-Konto einen oder mehrere Bright Data-Datensätze hinzufügen, damit Sie diese über API, CLI oder SQL Connector abfragen können. Gehen Sie zur Seite „Marketplace“, klicken Sie auf die Schaltfläche „Einstellungen“ auf der linken Seite und wählen Sie „Bright Data“ als einzigen Anbieter aus, der Sie interessiert: ![Selecting the “Bright Data” provider](https://media.brightdata.de/2025/09/image-44.png)Dadurch werden die verfügbaren Datenprodukte so gefiltert, dass nur diejenigen angezeigt werden, die von Bright Data bereitgestellt werden und über Databricks zugänglich sind. Nehmen wir für dieses Beispiel an, Sie interessieren sich für den[„Zillow Properties Information Datensatz](https://marketplace.databricks.com/details/ef8ced61-0724-4884-b0e8-ba66d8ffdd78/Bright-Data_Zillow-Properties-Information-Dataset)”: ![The Bright Data “Zillow Properties Information Dataset” product on Databricks](https://media.brightdata.de/2025/09/image-45.png)Klicken Sie auf die Datensatzkarte und drücken Sie auf der Seite „Zillow Properties Information Dataset“ auf „Get Instances Access“, um ihn Ihrem Databricks-Konto hinzuzufügen: ![Pressing the “Get instant access” button](https://media.brightdata.de/2025/09/image-46.png)Der Datensatz wird Ihrem Konto hinzugefügt und Sie können ihn nun über [Databricks SQL](https://docs.databricks.com/aws/en/sql/language-manual/) abfragen. Wenn Sie sich fragen, woher diese Daten stammen, lautet die Antwort: aus [den Zillow-Datensätzen von Bright Data](/products/datasets/zillow). Überprüfen Sie dies, indem Sie die Seite „SQL Editor“ aufrufen und den Datensatz mit einer SQL-Abfrage wie dieser abfragen: ```none SELECT * FROM bright_data_zillow_properties_information_dataset.Datensätze.zillow_properties WHERE state LIKE 'NY' AND homestatus LIKE 'FOR_SALE' LIMIT 10; ``` Das Ergebnis sollte in etwa so aussehen: ![The result produced by the SQL query](https://media.brightdata.de/2025/09/image-47.png)Großartig! Sie haben den ausgewählten Bright Data-Datensatz erfolgreich hinzugefügt und ihn über Databricks abfragbar gemacht. Sie können die gleichen Schritte ausführen, um weitere Bright Data-Datensätze hinzuzufügen. In den nächsten Abschnitten erfahren Sie, wie Sie diesen Datensatz abfragen können: - Über die Databricks-REST-API - Mit dem Databricks SQL Connector für Python - Über die Databricks-CLI ## So fragen Sie einen Bright Data-Datensatz über die Databricks-REST-API ab Databricks stellt einige seiner Funktionen über eine [REST-API](https://docs.databricks.com/api/workspace/introduction) zur Verfügung, darunter die Möglichkeit, in Ihrem Konto verfügbare Datensätze abzufragen. Befolgen Sie die folgenden Schritte, um zu erfahren, wie Sie den von Bright Data bereitgestellten „Zillow Properties Information Dataset” programmgesteuert abfragen können. **Hinweis**: Der folgende Code ist in Python geschrieben, kann jedoch leicht an andere Programmiersprachen angepasst oder [direkt in Bash über cURL aufgerufen](/blog/web-data/rest-api-with-curl) werden. ### Schritt 1: Installieren Sie die erforderlichen Bibliotheken Um SQL-Abfragen auf Remote-Databricks-Warehouses auszuführen, verwenden Sie die REST-API-Endpunkte [`/api/2.0/sql/statements`](https://docs.databricks.com/aws/en/dev-tools/sql-execution-tutorial). Sie können ihn über eine POST-Anfrage mit einem beliebigen HTTP-Client aufrufen. In diesem Beispiel verwenden wir die Python-Bibliothek „Requests”. Installieren Sie sie mit: ```none pip install requests ``` Importieren Sie sie anschließend in Ihr Skript mit: ```none import requests ``` Weitere Informationen finden Sie in unserem speziellen [Leitfaden zu Python Requests](/blog/web-data/python-requests-guide). ### Schritt 2: Bereiten Sie Ihre Databricks-Anmeldedaten und -Geheimnisse vor Um den Databricks-REST-API-Endpunkt `/api/2.0/sql/statements` mit einem HTTP-Client aufzurufen, müssen Sie Folgendes angeben: - **Ihr Databricks-Zugriffstoken**: Zur Authentifizierung. - **Ihren Databricks-Host**: Zum Erstellen der vollständigen API-URL. - **Ihre Databricks-Warehouse-ID**: Um die richtige Tabelle im richtigen Warehouse abzufragen. Fügen Sie die zuvor abgerufenen Geheimnisse wie folgt zu Ihrem Skript hinzu: ```none databricks_access_token = "" databricks_warehouse_id = "" databricks_host = "" ``` **Tipp**: Vermeiden Sie es in der Produktion, diese Geheimnisse fest in Ihrem Skript zu codieren. Speichern Sie diese Anmeldedaten stattdessen in Umgebungsvariablen und laden Sie sie mit [`python-dotenv`](https://pypi.org/project/python-dotenv/), um die Sicherheit zu erhöhen. ### Schritt 3: Aufruf der SQL-Anweisungsausführungs-API Führen Sie einen [POST-HTTP-Aufruf](https://developer.mozilla.org/en-US/docs/Web/HTTP/Reference/Methods/POST) an den Endpunkt `/api/2.0/sql/statements` mit den entsprechenden Headern und dem entsprechenden Body unter Verwendung von Requests durch: ```none # Die parametrisierte SQL-Abfrage, die für den angegebenen Datensatz ausgeführt werden soll sql_query = """ SELECT * FROM bright_data_zillow_properties_information_dataset.datasets.zillow_properties WHERE state LIKE :state AND homestatus LIKE :homestatus LIMIT :row_limit; """ # Der Parameter zum Ausfüllen der SQL-Abfrage parameters = [ {"name": "state", "value": "NY", "type": "STRING"}, {"name": "homestatus", "value": "FOR_SALE", "type": "STRING"}, {"name": "row_limit", "value": "10", "type": "INT"} ] # POST-Anfrage erstellen und Datensatz abfragen headers = { "Authorization": f"Bearer {databricks_access_token}", # Zur Authentifizierung in Databricks "Content-Type": "application/json" } payload = { "statement": sql_query, "warehouse_id": databricks_warehouse_id, "parameters": parameters } response = requests.post( f"{databricks_host}/api/2.0/sql/statements", headers=headers, data=json.dumps(payload) ) ``` Wie Sie sehen können, basiert der obige Ausschnitt auf einer vorbereiteten SQL-Anweisung. Wie [in der Dokumentation](https://docs.databricks.com/aws/en/dev-tools/sql-execution-tutorial#step-1-execute-a-sql-statement-and-save-the-data-result-as-json) betont, empfiehlt Databricks dringend die Verwendung parametrisierter Abfragen als Best Practice für Ihre SQL-Anweisungen. Mit anderen Worten: Die Ausführung des obigen Skripts entspricht der Ausführung der folgenden Abfrage in der Tabelle `„bright_data_zillow_properties_information_dataset.datasets.zillow_properties“`, genau wie wir es zuvor getan haben: ```none SELECT * FROM bright_data_zillow_properties_information_dataset.Datensätze.zillow_properties WHERE state LIKE 'NY' AND homestatus LIKE 'FOR_SALE' LIMIT 10; ``` Fantastisch! Jetzt müssen nur noch die Ausgabedaten verwaltet werden. ### Schritt 4: Exportieren der Abfrageergebnisse Verarbeiten Sie die Antwort und exportieren Sie die abgerufenen Daten mit dieser Python-Logik: ```none if response.status_code == 200: # Zugriff auf die JSON-Ausgabedaten result = response.json() # Exportieren Sie die abgerufenen Daten in eine JSON-Datei output_file = "zillow_properties.json" with open(output_file, "w", encoding="utf-8") as f: json.dump(result, f, indent=4) print(f"Abfrage erfolgreich! Ergebnisse gespeichert in '{output_file}'") else: print(f"Fehler {response.status_code}: {response.text}") ``` Wenn die Anfrage erfolgreich ist, erstellt der Snippet eine Datei namens `zillow_properties.json`, die die Abfrageergebnisse enthält. ### Schritt 5: Alles zusammenfügen Ihr endgültiges Skript sollte Folgendes enthalten: ```none import requests import json # Ihre Databricks-Anmeldedaten (ersetzen Sie diese durch die richtigen Werte) databricks_access_token = "" databricks_warehouse_id = "" databricks_host = "" # Die parametrisierte SQL-Abfrage, die für den angegebenen Datensatz ausgeführt werden soll sql_query = """ SELECT * FROM bright_data_zillow_properties_information_dataset.Datensätze.zillow_properties WHERE state LIKE :state AND homestatus LIKE :homestatus LIMIT :row_limit; """ # Der Parameter zum Ausfüllen der SQL-Abfrage parameters = [ {"name": "state", "value": "NY", "type": "STRING"}, {"name": "homestatus", "value": "FOR_SALE", "type": "STRING"}, {"name": "row_limit", "value": "10", "type": "INT"} ] # POST-Anfrage erstellen und Datensatz abfragen headers = { "Authorization": f"Bearer {databricks_access_token}", # Zur Authentifizierung in Databricks "Content-Type": "application/json" } payload = { "statement": sql_query, "warehouse_id": databricks_warehouse_id, "parameters": parameters } response = requests.post( f"{databricks_host}/api/2.0/sql/statements", headers=headers, data=json.dumps(payload) ) # Behandeln der Antwort if response.status_code == 200: # Zugriff auf die ausgegebenen JSON-Daten result = response.json() # Exportieren der abgerufenen Daten in eine JSON-Datei output_file = "zillow_properties.json" with open(output_file, "w", encoding="utf-8") as f: json.dump(result, f, indent=4) print(f"Abfrage erfolgreich! Ergebnisse gespeichert in '{output_file}'") else: print(f"Fehler {response.status_code}: {response.text}") ``` Führen Sie den Code aus, woraufhin eine Datei namens `„zillow_properties.json”` in Ihrem Projektverzeichnis erstellt werden sollte. Die Ausgabe enthält zunächst die Spaltenstruktur, damit Sie die verfügbaren Spalten besser verstehen können. Anschließend sehen Sie im Feld `„data_array”` die resultierenden Abfragedaten als JSON-Zeichenfolge: ![A portion of the data_array field](https://media.brightdata.de/2025/09/image-48.png)Mission erfüllt! Sie haben soeben Zillow-Immobiliendaten gesammelt, die von Bright Data über die Databricks-REST-API bereitgestellt wurden. ## So greifen Sie mit der Databricks-CLI auf Bright Data-Datensätze zu Mit Databricks können Sie auch Daten in einem Warehouse über die [Databricks-CLI](https://docs.databricks.com/aws/en/dev-tools/cli/) abfragen, die auf der REST-API basiert. Erfahren Sie, wie Sie sie verwenden! ### Schritt 1: Installieren Sie die Databricks-CLI Die [Databricks-CLI](https://github.com/databricks/cli) ist ein Open-Source-Befehlszeilentool, mit dem Sie direkt von Ihrem Terminal aus mit der Databricks-Plattform interagieren können. [Befolgen Sie](https://docs.databricks.com/aws/en/dev-tools/cli/install) zur Installation [die Installationsanleitung für Ihr Betriebssystem](https://docs.databricks.com/aws/en/dev-tools/cli/install). Wenn alles korrekt eingerichtet ist, sollte die Ausführung des Befehls `„databricks -v“` etwa folgende Ausgabe liefern: ![The output of the “databricks -v” command](https://media.brightdata.de/2025/09/image-49.png)Perfekt! ### Schritt 2: Definieren Sie ein Konfigurationsprofil für die Authentifizierung Verwenden Sie die Databricks-CLI, um ein [Konfigurationsprofil](https://docs.databricks.com/aws/en/dev-tools/auth/config-profiles) mit dem Namen `DEFAULT` zu erstellen, das Sie mit Ihrem persönlichen Databricks-Zugriffstoken authentifiziert. Führen Sie dazu den folgenden Befehl aus: ```none databricks configure --profile DEFAULT ``` Sie werden dann aufgefordert, Folgendes anzugeben: 1. Ihren Databricks-Host 2. Ihr Databricks-Zugriffstoken Fügen Sie beide Werte ein und drücken Sie `die Eingabetaste`, um die Konfiguration abzuschließen: ![Setting up your Databricks configuration profile](https://media.brightdata.de/2025/09/image-50.png)Sie können nun [CLI `-API` -Befehle](https://docs.databricks.com/aws/en/dev-tools/cli/reference/api-commands) authentifizieren, indem Sie die Option `--profile DEFAULT` angeben. ### Schritt 3: Abfrage Ihres Datensatzes Verwenden Sie den folgenden CLI-Befehl, um eine parametrisierte Abfrage über den Befehl [`„api post“`](https://docs.databricks.com/aws/en/dev-tools/cli/reference/api-commands#databricks-api-post) auszuführen: ```none databricks API post "/api/2.0/sql/statements" --profile DEFAULT --json '{ "warehouse_id": "", "statement": "SELECT * FROM bright_data_zillow_properties_information_dataset.Datensätze.zillow_properties WHERE state LIKE :state AND homestatus LIKE :homestatus LIMIT :row_limit", "parameters": [ { "name": "state", "value": "NY", "type": "STRING" }, { "name": "homestatus", "value": "FOR_SALE", "type": "STRING" }, { "name": "row_limit", "value": "10", "type": "INT" } ] }' > zillow_properties.json ``` Ersetzen Sie den Platzhalter `` durch die tatsächliche ID Ihres Databricks SQL-Warehouses. Im Hintergrund wird damit dasselbe erreicht wie zuvor in Python. Genauer gesagt wird eine POST-Anfrage an die Databricks REST SQL API gestellt. Das Ergebnis ist eine Datei `zillow_properties.json`, die dieselben Daten wie zuvor enthält: ![The output zillow_properties.json file](https://media.brightdata.de/2025/09/image-51.png)## So fragen Sie einen Datensatz aus Bright Data über den Databricks SQL Connector ab Der [Databricks SQL Connector](https://github.com/databricks/databricks-sql-python) ist eine Python-Bibliothek, mit der Sie eine Verbindung zu Databricks-Clustern und SQL-Warehouses herstellen können. Insbesondere bietet er eine vereinfachte API für die Verbindung mit der Databricks-Infrastruktur und die Untersuchung Ihrer Daten. In diesem Abschnitt des Leitfadens erfahren Sie, wie Sie damit den „Zillow Properties Information Datensatz” von Bright Data abfragen können. ### Schritt 1: Installieren Sie den Databricks SQL Connector für Python Der Databricks SQL Connector ist über die Python-Bibliothek [`databricks-sql-connector`](https://pypi.org/project/databricks-sql-connector/) verfügbar. Installieren Sie ihn mit: ```none pip install databricks-sql-connector ``` Importieren Sie ihn anschließend in Ihr Skript mit: ```none from databricks import sql ``` ### Schritt 2: Erste Schritte mit dem Databricks SQL Connector Der Databricks SQL Connector erfordert andere Anmeldedaten als die REST-API und die CLI. Im Einzelnen benötigt er: - `server_hostname`: Ihren Databricks-Hostnamen (ohne den Teil `„https://“` ). - `http_path`: Eine spezielle URL für die Verbindung zu Ihrem Warehouse. - `access_token`: Ihr Databricks-Zugriffstoken. Die erforderlichen Authentifizierungswerte sowie ein Beispiel-Starter-Snippet finden Sie auf der Registerkarte „Verbindungsdetails“ Ihres SQL-Warehouses: ![Clicking the Python button on the “Connection Details” of your warehouse](https://media.brightdata.de/2025/09/image-52.png)Klicken Sie auf die Schaltfläche „Python“, um Folgendes anzuzeigen: ![The databricks-sql-connector sample snippet](https://media.brightdata.de/2025/09/image-53.png)Das sind alle Anweisungen, die Sie benötigen, um mit dem `databricks-sql-connector` zu beginnen. ### Schritt 3: Alles zusammenfügen Passen Sie den Code aus dem Beispiel-Snippet im Abschnitt „Databricks SQL Connector für Python“ an Ihr Warehouse an, um die gewünschte parametrisierte Abfrage auszuführen. Am Ende sollten Sie ein Skript wie das folgende erhalten: ```none from databricks import sql # Verbinden Sie sich mit Ihrem SQL-Warehouse in Databricks (ersetzen Sie die Anmeldedaten durch Ihre Werte) connection = sql.connect( server_hostname = "", http_path = "", access_token = "" ) # Führen Sie die parametrisierte SQL-Abfrage aus und rufen Sie die Ergebnisse in einem Cursor ab. cursor = connection.cursor() sql_query = """ SELECT * FROM bright_data_zillow_properties_information_dataset.Datensätze.zillow_properties WHERE state LIKE :state AND homestatus LIKE :homestatus LIMIT :row_limit """ params = { "state": "NY", "homestatus": "FOR_SALE", "row_limit": 10 } # Führen Sie die Abfrage aus. cursor.execute(sql_query, params) result = cursor.fetchall() # Drucken Sie alle Ergebnisse zeilenweise aus. for row in result[:2]: print(row) # Schließen Sie den Cursor und die SQL-Warehouse-Verbindung. cursor.close() connection.close() ``` Führen Sie das Skript aus, um eine Ausgabe wie die folgende zu erhalten: ![The output data for a single row](https://media.brightdata.de/2025/09/image-54.png)Beachten Sie, dass jedes `Zeilenobjekt` eine [`Row-Instanz`](https://api-docs.databricks.com/python/pyspark/latest/pyspark.sql/api/pyspark.sql.Row.html) ist, die einen einzelnen Datensatz aus den Abfrageergebnissen darstellt. Sie können diese Daten dann direkt in Ihrem Python-Skript verarbeiten. Beachten Sie, dass Sie eine `Row-` Instanz mit der Methode `asDict()` in ein Python-Wörterbuch konvertieren können: ```none row_data = row.asDict() ``` Et voilà! Jetzt wissen Sie, wie Sie Ihre Bright Data-Datensätze in Databricks auf verschiedene Weise abfragen und mit ihnen interagieren können. ## Fazit In diesem Artikel haben Sie gelernt, wie Sie die Datensätze von Bright Data aus Databricks mithilfe der REST-API, der CLI oder der dedizierten SQL-Connector-Bibliothek abfragen können. Wie gezeigt, bietet Databricks mehrere Möglichkeiten zur Interaktion mit den Produkten seiner Datenanbieter, [zu denen nun](https://marketplace.databricks.com/provider/63866f42-27f8-4a1f-b243-37e7be863700/Bright-Data) auch [Bright Data gehört](https://marketplace.databricks.com/provider/63866f42-27f8-4a1f-b243-37e7be863700/Bright-Data). Mit über 40 verfügbaren Produkten können Sie die umfangreiche Vielfalt [der Datensätze von Bright Data](/products/datasets) direkt in Databricks erkunden und auf verschiedene Weise auf deren Daten zugreifen. Erstellen Sie kostenlos ein Bright Data-Konto und probieren Sie noch heute unsere Datenlösungen aus! Vertrieb kontaktierenGratis testen![google social icon](/wp-content/themes/brightdata/assets/images/ic_google.svg) Inhaltsverzeichnis Dedicated Scraper APIs & No-Code Scrapers Over 1000 scrapers for all popular domains. Simplify your web scraping. [See pricing](/pricing/web-scraper "See pricing") Just want data? Skip scraping. Hundreds of ready-to-use datasets from all popular domains. [See pricing](/pricing/datasets "See pricing") [ ](https://news.ycombinator.com/submitlink?t=Abfragen+von+Bright+Data-Datens%C3%A4tzen+%C3%BCber+Databricks+API%2C+SQL+Connector+und+CLI&u=https://brightdata.de/blog/web-data-de/datasets-via-databricks) [ ](https://www.linkedin.com/shareArticle?mini=true&title=Abfragen+von+Bright+Data-Datens%C3%A4tzen+%C3%BCber+Databricks+API%2C+SQL+Connector+und+CLI&url=https://brightdata.de/blog/web-data-de/datasets-via-databricks) [ ](http://www.reddit.com/submit?title=Abfragen+von+Bright+Data-Datens%C3%A4tzen+%C3%BCber+Databricks+API%2C+SQL+Connector+und+CLI&url=https://brightdata.de/blog/web-data-de/datasets-via-databricks) ## Das könnte Sie auch interessieren [ ![OpenHuman with Bright Data](https://media.brightdata.de/2026/09/OpenHuman-with-Bright-Data.png) ](https://brightdata.de/blog/ai/openhuman-with-bright-data "Produktionsreifer Web-Zugriff in OpenHuman über die Bright Data CLI") [AI ![Antonello Zanini](https://media.brightdata.de/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### Produktionsreifer Web-Zugriff in OpenHuman über die Bright Data CLI Integrieren Sie die Bright Data CLI mit OpenHuman, um produktionsreifen Web-Zugriff und Datenerhebung für KI-Agenten zu ermöglichen. 09-Sep-2026 12 min lesen ](https://brightdata.de/blog/ai/openhuman-with-bright-data) [ ![Multimodal Web Scraping with MiniMax](https://media.brightdata.de/2026/09/Multimodal-Web-Scraping-with-MiniMax.png) ](https://brightdata.de/blog/web-data-de/multimodal-web-scraping-with-minimax "Multimodales Web-Scraping mit MiniMax") [Web Data ![Antonello Zanini](https://media.brightdata.de/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### Multimodales Web-Scraping mit MiniMax Kombinieren Sie Bright Data Web Unlocker mit MiniMax M3 Vision, um strukturierte Daten aus Bildern und Webseiten-Screenshots zu extrahieren. 09-Sep-2026 4 min lesen ](https://brightdata.de/blog/web-data-de/multimodal-web-scraping-with-minimax) [ ![The 10 Best CLI Tools for Codex in 2026](https://media.brightdata.de/2026/08/The-10-Best-CLI-Tools-for-Codex-in-2026.png) ](https://brightdata.de/blog/ai/best-cli-tools-for-codex "Die 10 besten CLI-Tools für Codex im Jahr 2026 – Getestet & Bewertet") [AI ![Daniel Shashko](https://media.brightdata.de/2022/04/Daniel-Shashko-2-50x50.png) Daniel Shashko Web Data & AI Expert ### Die 10 besten CLI-Tools für Codex im Jahr 2026 – Getestet & Bewertet Die 10 CLI-Tools, die Codex schneller und leistungsfähiger machen, beginnend mit dem Bright Data CLI für echten Web-Zugriff aus der Sandbox heraus. 06-Sep-2026 20 min lesen ](https://brightdata.de/blog/ai/best-cli-tools-for-codex)