跳到主要内容

Databricks 节点

使用 Databricks 节点自动处理 Databricks 中的工作，并将其与其他应用集成。n8n 内置支持多种 Databricks 功能，包括运行作业、执行 SQL 查询、管理 Unity Catalog 对象、查询机器学习模型服务端点和使用向量搜索索引。

本页列出了 Databricks 节点支持的操作，并提供更多资源的链接。

信息

凭据

有关身份验证设置，请参阅 Databricks 凭据。

信息

此节点可以用作 AI 工具

此节点可以增强 AI 智能体的能力。以这种方式使用时，许多参数可以自动设置，或根据 AI 提供的信息设置。更多信息请参阅 AI 工具参数文档。

操作 ​

  • Databricks SQL（SQL 操作）
    • Execute Query（执行查询）
  • File（文件）
    • Create Directory（创建目录）
    • Delete Directory（删除目录）
    • Delete File（删除文件）
    • Download File（下载文件）
    • Get File Metadata（获取文件元数据）
    • List Directory（列出目录内容）
    • Upload File（上传文件）
  • Genie Agent（Genie 智能体）
    • Create Conversation Message（创建对话消息）
    • Execute Message SQL Query（执行消息 SQL 查询）
    • Get Conversation Message（获取对话消息）
    • Get Genie Agent（获取 Genie 智能体）
    • Get Query Results（获取查询结果）
    • Start Conversation（开始对话）
  • Job（作业）
    • Get（获取）
    • Get Run（获取运行）
    • Get Run Output（获取运行输出）
    • Run（运行）
  • Lakebase（数据库操作）
    • Delete（删除）
    • Execute Function（执行函数）
    • Get Many（获取多行）
    • Insert（插入）
    • Insert or Update（插入或更新）
    • Update（更新）
  • Model Serving（模型服务）
    • Query Endpoint（查询端点）
  • Unity Catalog（统一目录）
    • Create Catalog（创建目录）
    • Create Function（创建函数）
    • Create Volume（创建卷）
    • Delete Catalog（删除目录）
    • Delete Function（删除函数）
    • Delete Volume（删除卷）
    • Get Catalog（获取目录）
    • Get Function（获取函数）
    • Get Table（获取表）
    • Get Volume（获取卷）
    • List Catalogs（列出目录）
    • List Functions（列出函数）
    • List Tables（列出表）
    • List Volumes（列出卷）
    • Update Catalog（更新目录）
  • Vector Search（向量搜索）
    • Create Index（创建索引）
    • Get Index（获取索引）
    • List Indexes（列出索引）
    • Query Index（查询索引）

Job（作业）操作 ​

使用 Job（作业）资源启动已有作业的一次运行、读取运行状态和输出，以及读取作业定义。所有操作均调用 Databricks Jobs API 2.2。

作业、运行和任务 ​

Databricks 区分作业及其运行，也区分运行及其中的任务：

  • **作业（job）**是定义，包括名称、任务、集群和计划。每个作业有一个作业 ID。Get（获取）和 Run（运行）操作接收作业。
  • **运行（run）**是作业的一次执行。每次运行有独立的运行 ID 和 Databricks 运行页面。Get Run（获取运行）和 Get Run Output（获取运行输出）接收运行。Run（运行）返回其启动的运行 ID。
  • **任务（task）**是运行中的一个步骤。每个任务有任务键及独立的任务运行 ID。Get Run Output（获取运行输出）读取运行中的所有任务，每个任务返回一个数据项。

选择作业或运行 ​

Job（作业）字段用于 Get（获取）和 Run（运行），Run（运行）字段用于 Get Run（获取运行）和 Get Run Output（获取运行输出）。两种字段均提供三种模式：

  • From list（从列表）：从工作区选择作业，或从所有作业的近期运行中选择一次运行。输入文字可筛选列表。运行列表显示运行名称（或 Job <job-id>）、结果或尚未完成运行的当前状态、UTC 开始时间以及运行 ID。
  • By ID（按 ID）：输入数字 ID。节点拒绝任何非整数值。
  • By URL（按 URL）：粘贴 Databricks 页面 URL。节点接受作业 URL https://<your-workspace>/jobs/<job-id> 和运行 URL https://<your-workspace>/jobs/<job-id>/runs/<run-id>，也接受这两种页面的哈希形式 https://<your-workspace>/?o=<workspace-id>#job/<job-id> 和 https://<your-workspace>/?o=<workspace-id>#job/<job-id>/run/<run-id>，可包含或省略 ?o=<workspace-id>。

Get（获取） ​

Get（获取）读取 Job（作业）字段中所选作业的定义，返回一个数据项，其中保留 Databricks 返回的作业内容，包括 job_id、creator_user_name、run_as_user_name、created_time、settings，以及作业有触发器时的 trigger_state。节点最多读取一个作业中的 2,000 个任务、作业集群、环境或参数，超过上限则报错 Job <job-id> has more settings entries than the node can read。

Get Run（获取运行） ​

Get Run（获取运行）读取 Run（运行）字段中所选的运行，返回 Databricks 运行对象，并附加五个字段：

字段值
run_state生命周期状态，例如 RUNNING 或 TERMINATED。
run_finished运行达到最终状态时为 true。
run_result终止代码，例如 SUCCESS、SUCCESS_WITH_FAILURES、USER_CANCELED 或 RUN_EXECUTION_ERROR。运行完成前为 null。完整列表请参阅 Databricks API 参考中的 termination_details.code。
run_succeeded值为 true 表示 run_result 为 SUCCESS；其他结果均为 false。运行完成前为 null。
run_error_message未成功运行的终止消息，截取至 500 个字符；其他情况为 null。

在 If 节点中使用这些字段，即可根据结果分支，无需读取嵌套的 status 对象。

Get Run Output（获取运行输出） ​

Get Run Output（获取运行输出）读取一次运行中各任务产生的输出。将 Run（运行）设为作业运行，可获取其中所有任务；使用任务运行 ID 时，仅返回该任务的一个数据项。节点读取运行中的任务，获取每个任务的输出，每个任务返回一个数据项：

字段值
run_id请求的运行。
job_id该运行所属的作业。
task_key作业定义中的任务键。
task_run_id此任务的运行 ID。
truncatedDatabricks 截断笔记本输出或日志时为 true。
notebook_output、sql_output、dbt_output、run_job_output、clean_rooms_notebook_output、logs、logs_truncated、error、error_trace、info、metadata保留 Databricks 返回的任务输出。具体字段取决于任务类型。notebook_output.result 保存笔记本通过 dbutils.notebook.exit() 返回的值。error 说明任务失败或输出不可用的原因。

没有任务的运行会为运行本身返回一个数据项。Databricks 重试任务时，节点为每次尝试返回一个数据项，这些数据项的 task_key 相同，task_run_id 不同。也可读取尚未完成的运行，但仍在执行的任务还没有输出。节点最多读取一次运行中的 2,000 个任务，超过上限则报错 Run <run-id> has more tasks than the node can read。

Run（运行） ​

Run（运行）启动作业的一次运行，相当于 Databricks 中的 Run now（立即运行）。

字段说明
Job（作业）要运行的作业。
Job Parameters（作业参数）本次运行的作业级参数。选择 Add Parameter（添加参数），为每个参数输入 Name（名称）和 Value（值）。这些参数会覆盖作业定义中的默认值。节点将所有值作为字符串发送。Databricks 也接受作业中未定义的参数，并将其记录在运行中。
Wait for Completion（等待完成）是否等待运行完成并返回最终运行。默认关闭。
Timeout（超时，位于 Options，选项中）等待运行完成的最长时间，单位为秒。默认 600，最小 1。仅在启用 Wait for Completion（等待完成）时显示。

关闭 Wait for Completion（等待完成）时，节点立即返回新的运行 ID，作业继续在 Databricks 中运行：

{
	"run_id": 41847992357943,
	"number_in_job": 41847992357943
}

之后将 run_id 传给 Get Run（获取运行）或 Get Run Output（获取运行输出），即可读取结果。

等待运行完成 ​

启用 Wait for Completion（等待完成）时，节点每 5 秒检查一次运行，直到达到最终状态（TERMINATED、SKIPPED 或 INTERNAL_ERROR）或达到 Timeout（超时）时间。取消工作流执行会停止等待。之后：

  • 运行成功时，节点返回完整的 Databricks 运行对象。
  • 运行以其他任何结果结束时，包括 SUCCESS_WITH_FAILURES 和 USER_CANCELED，节点均报错，错误内容为 Job run <run-id> failed (<code>): <message>（Databricks 未提供消息时，再次显示代码）及运行页面 URL。
  • 超时后运行仍未结束时，节点报错 Job run <run-id> did not finish within <n> seconds。错误中包含最后状态和运行页面 URL。节点不会取消 Databricks 中的运行。请增大 Timeout（超时），或关闭 Wait for Completion（等待完成），之后使用 Get Run（获取运行）读取结果。

某些作业的运行时间超出工作流适合等待的时长。对于此类作业，请关闭 Wait for Completion（等待完成）后启动运行，再由 Databricks Trigger（Databricks 触发器）节点在运行结束时启动第二个工作流。

所需作业权限 ​

凭据所认证的身份需要 Workspace access（工作区访问）授权，以及相应的作业权限：

操作作业权限
Get（获取）、Get Run（获取运行）、Get Run Output（获取运行输出）CAN VIEW（可查看）
Run（运行）CAN MANAGE RUN（可管理运行）

CAN MANAGE（可管理）和 IS OWNER（所有者）均包含上述两种权限。Databricks 仅返回该身份具有 CAN VIEW（可查看）权限的作业和运行，因此 Job（作业）和 Run（运行）列表也仅提供这些选项。通过 Run（运行）启动的运行，以作业的运行身份执行，而非凭据身份。Get（获取）通过 run_as_user_name 返回此身份，默认为作业所有者。节点中其他资源所需权限，请参阅所需 Databricks 权限。

缺少权限时，Databricks 以 PERMISSION_DENIED 拒绝请求。n8n 将 Databricks 消息显示为错误，其中会指出缺少的权限。n8n 还会在错误说明中添加以下某条提示：

Grant at least Can View on the job to the signed-in user or service principal in Databricks, then retry.
Grant at least Can Manage Run on the job to the signed-in user or service principal in Databricks, then retry.

示例：作业运行失败时通知 ​

此工作流为失败运行中的每个任务发送一条 Slack 消息。

  1. 添加 Databricks Trigger（Databricks 触发器）节点。将 Resource（资源）设为 Job（作业），在 Job（作业）中选择作业，将 Events（事件）仅设为 Run Failed（运行失败），保持 Simplify（简化）开启。任何以完全成功之外的结果结束的运行，包括取消和跳过的运行，都会触发一次。输出中的 run.id 为运行 ID，run.url 为运行页面 URL，result.code 和 result.message 分别为终止代码和消息。

  2. 添加 Databricks 节点，将 Resource（资源）设为 Job（作业），Operation（操作）设为 Get Run Output（获取运行输出）。将 Run（运行）设为 By ID（按 ID），输入表达式 {{ $json.run.id }}。节点会为失败运行中的每个任务返回一个数据项。

  3. 添加 Slack 节点，将 Resource（资源）设为 Message（消息），Operation（操作）设为 Send（发送），选择频道。可使用如下消息文本：

    Databricks run {{ $('Databricks Trigger').item.json.run.name }} failed ({{ $('Databricks Trigger').item.json.result.code }}).
    Task {{ $json.task_key }}: {{ $json.error ?? 'no error text' }}
    {{ $('Databricks Trigger').item.json.run.url }}

两个 Databricks 节点可共用一个凭据。该凭据需要作业的 CAN VIEW（可查看）权限。请使用属于服务主体的凭据，以便人员离职或撤销同意后，触发器仍能继续工作。

若希望整个运行只发送一条消息，而非每个任务一条，请在 Slack 节点前添加 Aggregate（聚合）节点，或在 Slack 节点设置中开启 Execute Once（仅执行一次）。

Genie Agent（Genie 智能体）操作 ​

所有 Genie Agent（Genie 智能体）操作均返回 deep_link 字段，内容为 Databricks 工作区中的 Genie 智能体或对话 URL。使用此字段可让用户在 Databricks 中检查 SQL 和结果。

Databricks 节点作为 AI Agent（AI 智能体）节点（第 3 版及以上版本）的工具运行时，智能体会在回复末尾添加 Powered by Databricks Genie（由 Databricks Genie 提供支持）标签。启用 Require Specific Output Format（要求特定输出格式）时会跳过此标签。Databricks 要求基于 Genie 的集成使用该标签。若希望回复链接回 Databricks，请在系统消息中指示模型在回复末尾添加 Markdown 链接，链接文字为 Explore in Databricks（在 Databricks 中探索），URL 为 deep_link 字段的值，例如 [Explore in Databricks](<deep_link value>)。

Lakebase 操作 ​

使用 Lakebase 资源读写 Lakebase 数据库中的行。Lakebase 是 Databricks 内的托管 Postgres 服务。所有操作均通过 HTTPS 调用 Lakebase Data API，因此节点无需连接字符串或数据库驱动。

信息

在 Databricks 中完成一次性设置

Data API 默认关闭，且凭据所认证的身份需要在节点读写的每个分支上拥有 Postgres 角色。使用这些操作前，请按照为 Data API 设置 Lakebase完成配置。Data API 拒绝个人访问令牌，因此请将节点的 Authentication（身份验证）设为 OAuth2，并选择 Databricks OAuth2 凭据。Authentication（身份验证）默认为 Access Token（访问令牌）。

选择表 ​

所有操作均以相同的五个字段开头，每个字段都提供 From list（从列表）和 By ID（按 ID）两种模式。

字段值
Project（项目）Lakebase 项目。
Branch（分支）项目的分支，例如 production。Lakebase 为数据库创建分支的方式，与 Git 为代码创建分支类似。
Database（数据库）分支上的 Postgres 数据库，例如 databricks_postgres。
Schema（模式）表所在的模式，默认为 public。列表仅提供 public，因为 Databricks 没有列出 Postgres 模式的端点。要使用其他模式，请选择 By ID（按 ID）并输入名称。Data API 必须公开该模式。
Table（表）要操作的表。Execute Function（执行函数）改为使用 Function（函数）。

表、列和函数列表，以及 Columns（列）和 Arguments（参数）映射器，均读取项目的 OpenAPI 文档。在开启 Data API 的 OpenAPI specification（OpenAPI 规范）设置前，Table（表）、Function（函数）和列列表会显示错误，映射器则为空并显示提示。此时可选择 By ID（按 ID）并输入表名或函数名；在 Select Rows（选择行）、Sort（排序）和 Output Columns（输出列）中通过表达式输入列名；将 Specify Arguments（指定参数）设为 Using JSON（使用 JSON）。

节点读写已有表中的行，不会创建表。请先在 Lakebase SQL 编辑器中创建表，并授予凭据所用 Postgres 角色访问权限。

下方示例中的 orders 表包含 id 主键，以及 status 和 created_at 列。

Get Many（获取多行） ​

Get Many（获取多行）读取表中的行，每行返回一个数据项。

字段说明
Return All（返回全部）是否返回所有匹配行。默认关闭。
Limit（数量限制）返回的最大行数，默认为 50。仅在关闭 Return All（返回全部）时显示。
Select Rows（选择行）行必须满足的条件。选择 Add Condition（添加条件），设置 Column Name or ID（列名或 ID）、Condition（条件）和 Value（值）。未设置条件时，节点返回所有行。
Combine Conditions（组合条件）AND（与）要求满足所有条件，OR（或）要求满足其中任意条件。默认为 AND。
Sort（排序）用于排序的列。选择 Add Sort Rule（添加排序规则），设置 Column Name or ID（列名或 ID）和 Direction（方向）。
Output Columns（输出列，位于 Options，选项中）要返回的列。为空时返回所有列。

Condition（条件）列表提供 Equals（等于）、Not Equals（不等于）、Greater Than（大于）、Greater Than or Equal（大于或等于）、Less Than（小于）、Less Than or Equal（小于或等于）、Like（模式匹配）、Like (Case-Insensitive)（模式匹配，忽略大小写）、Is Null（为空）和 Is Not Null（非空）。两种 Like 条件使用 * 代替 %，使用 _ 匹配单个字符。Is Null 和 Is Not Null 不接受值。

节点每次请求最多读取 1,000 行，最多发送 100 次请求。发送 100 次请求仍未读到表末尾时，节点会报错，而非返回部分数据：

The table holds more rows than one run can read (100000)

请通过 Select Rows（选择行）中的条件缩小结果范围，或关闭 Return All（返回全部）并设置 Limit（数量限制）。上限按请求次数而非行数计算，因此项目的 Maximum rows（最大行数）设置也会相应降低可读取的总行数。每次请求返回 500 行时，读取 50,000 行后就会出现相同错误。

分页需要确定的全序。开启 Return All（返回全部）或 Limit（数量限制）超过 1,000 时，节点会在你设置的 Sort（排序）规则之后追加表的主键。这样，排序字段相同的行仍会按固定顺序返回，避免重复或遗漏。没有主键的表也会分页，但顺序取决于 Postgres 的返回顺序。

示例：读取今天失败的订单 ​

将 Table（表）设为 orders。在 Select Rows（选择行）中添加 status Equals（等于）failed，再添加 created_at Greater Than or Equal（大于或等于）{{ $now.startOf('day') }}。保持 Combine Conditions（组合条件）为 AND。在 Sort（排序）中添加 created_at DESC（降序）。将 Limit（数量限制）设为 100。

Insert（插入） ​

Insert（插入）为每个输入数据项写入一行。

通过 Mapping Column Mode（列映射模式）选择值的来源：

  • Map Each Column Manually（手动映射每列）：在节点中设置每列的值。留空的列不会发送，因此 Postgres 会应用默认值。
  • Map Automatically（自动映射）：从输入数据项获取值，按字段名匹配列名。节点会丢弃表中不存在的字段，因此即使数据项携带前序节点产生的额外数据，也仍能写入。

节点返回数据库实际存储的行，包括 Postgres 自动填充的值，例如自增 ID 或 now() 默认值：

{
	"id": 42,
	"sku": "SKU-1",
	"name": "Widget",
	"price": 9.5,
	"created_at": "2026-10-08T09:14:22.418Z"
}

列为 NOT NULL 且没有默认值时，映射器将其标为必填。

Update（更新） ​

Update（更新）修改与所选列匹配的行。

将 Columns to match on（用于匹配的列）设为标识行的列，通常为主键。节点查找这些列的值全部等于所提供值的行，再向这些行写入其他映射列。复合主键必须选中其全部列，否则更新可能影响超出预期的行。在 Map Each Column Manually（手动映射每列）中留空的列不会发送，因此保持当前值。

节点为每个更新的行返回一个数据项。未匹配到任何行时不返回数据项，也不视为错误。用于匹配的列缺少值时，操作会在发送请求前失败，以免更新非预期的行。

示例：将订单标记为已发货 ​

将 Table（表）设为 orders，Mapping Column Mode（列映射模式）设为 Map Each Column Manually（手动映射每列）。将 Columns to match on（用于匹配的列）设为 id，将 id 设为 {{ $json.order_id }}，status 设为 shipped。其他列全部留空，这样只会修改 status。

Insert or Update（插入或更新） ​

Insert or Update（插入或更新）写入行，已有匹配行时则更新该行。它使用与 Insert（插入）相同的 Mapping Column Mode（列映射模式）字段，因此值可来自节点或输入数据项。

将 Columns to match on（用于匹配的列）设为用于判断行是否已存在的列。这些列必须共同构成主键或唯一约束，因此复合键必须选中其全部列。没有此类约束时，操作会失败，节点会提示你在 Databricks 中添加约束。

与 Update（更新）不同，用于匹配的列会保留在写入的行中，因为 Postgres 从发送的行数据中读取它们。

用于匹配的列缺少值时，操作会失败。Postgres 将两个空值视为不同值，因此空值永远无法匹配已有行，每次运行都会插入重复行。

节点为每个写入的行返回一个数据项，无论是新插入还是更新。

示例：持续更新订单表 ​

将 Table（表）设为 orders，Columns to match on（用于匹配的列）设为表的主键 id。将 Mapping Column Mode（列映射模式）设为 Map Automatically（自动映射），使每个数据项的 id、status 和 created_at 字段写入同名列。表中已有该 id 时，节点更新该行；否则写入新行。

Delete（删除） ​

Delete（删除）移除满足条件的行，使用与 Get Many（获取多行）相同的 Select Rows（选择行）和 Combine Conditions（组合条件）字段。

删除至少需要一个条件。Data API 自身不会附加筛选条件，不带筛选的请求会清空整张表，且无法撤销。因此节点拒绝发送此类请求。

节点为每个已删除的行返回一个数据项，供后续节点记录删除内容。未匹配到任何行时，会返回一个数据项 {"success": true}，因为空响应无法区分“没有匹配行”和“项目不返回已删除行”这两种情况。相同情况下，Update（更新）不返回数据项。

注意

已删除的行无法恢复

通过 Data API 执行的删除不在工作流可回滚的事务中。请先用相同条件执行 Get Many（获取多行），检查删除将匹配哪些行。

示例：移除较早的已取消订单 ​

将 Table（表）设为 orders。在 Select Rows（选择行）中添加 status Equals（等于）canceled，再添加 created_at Less Than（小于）{{ $now.minus({ days: 30 }) }}。保持 Combine Conditions（组合条件）为 AND。

Execute Function（执行函数） ​

Execute Function（执行函数）调用模式中的 Postgres 函数，并返回函数结果。角色需要该函数的 EXECUTE 权限。

通过 Specify Arguments（指定参数）选择参数传递方式：

  • Using Fields Below（使用下方字段）：节点读取函数签名，为每个参数显示一个字段，并标记必填参数。可选参数留空时使用函数默认值。布尔参数始终发送开关当前值，因此无法回退到默认值。
  • Using JSON（使用 JSON）：在 Arguments (JSON)（参数，JSON）中填写 JSON 对象，每个参数对应一个键，例如 { "a": 1, "b": 2 }。

节点的返回内容取决于函数的返回值：

函数返回值节点返回内容
单个值一个数据项，值位于 result 中
TABLE (...) 或 SETOF <table>每行一个数据项，结构与 Get Many（获取多行）相同
void一个数据项 {"success": true}

示例：调用返回数字的函数 ​

对于此函数：

CREATE FUNCTION add_numbers(a integer, b integer)
RETURNS integer
LANGUAGE sql
AS $$ SELECT a + b $$;

在 Function（函数）中选择 add_numbers，保持 Specify Arguments（指定参数）为 Using Fields Below（使用下方字段），将 a 设为 2，b 设为 3。节点返回：

{
	"result": 5
}

行级安全 ​

Lakebase 是真正的 Postgres，因此行级安全也适用于 Data API。Postgres 根据所连接的 Databricks 身份对应的角色评估策略，而非根据 n8n。

两个凭据访问同一张表时，可能返回不同的行，且两者都正确。将工作流输出与 Databricks SQL 编辑器中看到的内容进行比较时，请检查两者使用的身份。

表未返回任何行时，请注意两点：

  • 启用行级安全的表会隐藏所有行，直到有策略授予访问权限。结果为空可能表示没有策略，而非没有数据。
  • 具有 bypassrls 的角色可查看所有行。项目所有者具有 DATABRICKS_SUPERUSER，因此以所有者身份在 Databricks SQL 编辑器中查询时，即使没有策略也能看到所有行。节点以其他角色运行，因此访问同一张表时可能得到空结果。

Lakebase 常见问题 ​

现象处理方法
Lakebase requires OAuth2 authentication节点的 Authentication（身份验证）设为了 Access Token（访问令牌）。节点会在调用 Data API 前检查此设置，因此 Table（表）和 Function（函数）列表也会出现相同错误。将 Authentication（身份验证）设为 OAuth2，并选择 Databricks OAuth2 凭据。
invalid token permissions（PGRST301）此身份在该分支上没有 Postgres 角色。请使用 databricks_create_role 创建角色。如果凭据本身已过期，请重新连接。
permission denied to set role（42501）角色未获准使用 Data API。请以角色创建者身份执行 GRANT "<role>" TO authenticator。项目所有者完全无法使用 Data API，因此请连接非所有者身份。
permission denied for table、for schema、for sequence 或 for function（42501）角色可以访问 Data API，但没有该对象的授权。请按照为 Data API 设置 Lakebase执行数据授权。节点显示的 authenticator 提示对所有 42501 错误都相同，因此请阅读 Postgres 消息，而非提示。
new row violates row-level security policy（42501）表上的策略拒绝该角色写入。请添加允许写入的策略，或使用策略允许的角色写入。
Table（表）、Function（函数）或列列表报错 Turn on the "OpenAPI specification" setting of the Data API，或 Columns（列）映射器为空项目未提供模式文档。请开启 Data API > API > Advanced settings（高级设置）> OpenAPI specification（OpenAPI 规范）。在开启前，可选择 By ID（按 ID）来指定 Table（表）和 Function（函数），通过表达式输入列名。
Arguments（参数）映射器为空模式文档没有列出函数参数。可能是函数不接受参数，也可能是项目未提供文档。若仍需传入参数，请将 Specify Arguments（指定参数）设为 Using JSON（使用 JSON）。
Could not find the table（PGRST205）检查模式名和表名，并确认 Data API 公开了该模式。刚创建或修改表后，API 重新加载模式期间，同一请求可能首次失败，重试后成功。
Could not find the '<column>' column of '<table>' in the schema cache（PGRST204）某个已映射的列不在表中。请重新打开节点，刷新列列表。
模式未公开（PGRST106）在项目的 Data API 设置中，将该模式添加到公开模式列表。
there is no unique or exclusion constraint matching the ON CONFLICT specification（42P10）Columns to match on（用于匹配的列）中的列未共同构成唯一约束或主键。请选择键的全部列，或在 Databricks 中添加约束。
主键或唯一键重复、NOT NULL 列出现空值、类型不匹配，或外键仍在使用写入违反了表的约束规则。节点会显示 Postgres 消息并指出列名。请修正值或表定义。
The branch has no read-write compute endpoint分支仅提供读取。请将节点指向具有读写计算资源的分支。
At least one condition is requiredDelete（删除）拒绝在没有条件时运行，因为 Data API 会清空表。请在 Select Rows（选择行）中添加条件。
The column to match on has no value: <columns>某个输入 Update（更新）或 Insert or Update（插入或更新）的数据项，其用于匹配的列没有值。请检查映射器为这些列读取的字段。
Could not find the function（PGRST202）Execute Function（执行函数）无法找到该函数。请检查名称，以及角色是否具有其 EXECUTE 权限。
Table（表）列表中缺少某张表启用 Follow privileges（遵循权限）时，模式文档会隐藏角色未获授权的对象。请授予角色访问权限，或选择 By ID（按 ID）并输入名称。

上述消息涉及的角色与授权步骤，请参阅为 Data API 设置 Lakebase。

模板与示例 ​

浏览 Databricks 集成模板，或搜索所有模板

相关资源 ​

有关 API 的详细信息，请参阅 Databricks REST API 文档。

要将 Databricks 与 AI 智能体结合使用，请参阅 Databricks Chat Model（聊天模型）、Databricks Vector Store（向量存储）、Embeddings Databricks（嵌入）、Databricks AI Agent（AI 智能体）和 Databricks Lakebase Chat Memory（聊天记忆）节点，以及 Databricks Genie One MCP 服务器。

所需操作不受支持时怎么办 ​

如果该节点不支持你需要的操作，可以通过 HTTP Request 节点调用服务 API。

你可以在 HTTP Request 节点中使用已经为该服务创建的凭据：

  1. 在 HTTP Request 节点中，选择 Authentication（身份验证）> Predefined Credential Type（预定义凭据类型）。
  2. 选择要连接的服务。
  3. 选择对应凭据。

更多信息请参阅自定义 API 操作。

本文为社区中文翻译。查看对应英文原文