Last opp ditt første datasett¶

I dette steget får vi data inn i teamets workspace. Vi lager en fil med fiktive paddeobservasjoner fra dammer i Oslo, laster den opp til et volum i Unity Catalog med Databricks CLI, og kjører en SQL-spørring mot fila. Datasettet bruker vi videre i Bygg din første datapipeline.

Dette skal vi lage¶

Når du er ferdig, har du:

en prosjektmappe på maskinen din med en testdatafil
et volum i skjemaet landing_default i teamets katalog, med fila i
en SQL-spørring som leser fila rett fra volumet

Før du begynner¶

Du trenger:

Sett opp utviklingsmiljøet gjennomført, med Databricks CLI innlogget i workspacet ditt. Kommandoene nedenfor bruker <profilnavn> om profilen du valgte der.
Navnet på teamets katalog. Det ligger i teamets 1Password-hvelv sammen med workspace-adressen. Vi bruker min_katalog som eksempel, bytt ut med navnet på din.
Rett til å opprette volumer i katalogen. Er du usikker, prøv deg fram: mangler rettigheten, får du PERMISSION_DENIED i trinn 2, se Hvis noe ikke stemmer.

Trinn 1: Lag en fil med testdata¶

Opprett en mappe for prosjektet, med en undermappe for testdataene:

mkdir -p paddeobservasjoner/testdata
cd paddeobservasjoner

Lag fila testdata/paddeobservasjoner-2026-04-15.json med dette innholdet:

{"observasjon_id": "obs-001", "lokalitet": "Østensjøvannet", "antall": 12, "observert": "2026-04-14T21:30:00"}
{"observasjon_id": "obs-002", "lokalitet": "Sognsvann", "antall": 3, "observert": "2026-04-14T22:05:00"}
{"observasjon_id": "obs-003", "lokalitet": "Østensjøvannet", "antall": 27, "observert": "2026-04-15T21:45:00"}

Hver linje er én observasjon som et JSON-objekt.

Trinn 2: Opprett et volum¶

Et volum er et område for filer i Unity Catalog. Skjemaet landing_default finnes allerede i katalogen din og er ment for innkommende filer. Opprett et volum der:

databricks volumes create min_katalog landing_default paddeobservasjoner MANAGED -p <profilnavn>

Forventet resultat: CLI-en skriver ut volumet den opprettet, med blant annet "full_name": "min_katalog.landing_default.paddeobservasjoner".

Trinn 3: Last opp fila¶

CLI-en krever dbfs:/ foran volumstien:

databricks fs cp testdata/paddeobservasjoner-2026-04-15.json \
  dbfs:/Volumes/min_katalog/landing_default/paddeobservasjoner/ -p <profilnavn>

Sjekk at fila ligger der:

databricks fs ls dbfs:/Volumes/min_katalog/landing_default/paddeobservasjoner/ -p <profilnavn>

Forventet resultat:

paddeobservasjoner-2026-04-15.json

Kontroller resultatet¶

Åpne SQL Editor i sidemenyen i workspacet, og les fila rett fra volumet:

SELECT observasjon_id, lokalitet, antall, observert
FROM read_files('/Volumes/min_katalog/landing_default/paddeobservasjoner/', format => 'json')
ORDER BY observert;

Du skal se de tre observasjonene fra fila:

observasjon_id	lokalitet	antall	observert
obs-001	Østensjøvannet	12	2026-04-14T21:30:00
obs-002	Sognsvann	3	2026-04-14T22:05:00
obs-003	Østensjøvannet	27	2026-04-15T21:45:00

Inne i Databricks heter stien bare /Volumes/..., uten dbfs:/. Du finner volumet og fila under Catalog i sidemenyen også.

Hvis noe ikke stemmer¶

PERMISSION_DENIED når du oppretter volumet eller laster opp

Du mangler rettigheter i katalogen. Kontakt workspace-admin i teamet ditt, eller Dataspeilet i #dig-dataspeilet-support.

Volumet finnes allerede

Volumet deles med resten av teamet, så en kollega har antakelig tatt løpet før deg. Ta stegene én om gangen på teamet, eller vent til kollegaen har ryddet opp etter Bygg din første datapipeline.

read_files finner ingen filer

Sjekk at min_katalog er byttet ut med katalogen din i stien, og at databricks fs ls viser fila.

Du har nå¶

Et volum i landing_default som tar imot filer, og en fil i det
En SQL-spørring som leser fila rett fra volumet, uten at den er lastet inn i en tabell

Neste steg¶

Gå videre til Bygg din første datapipeline, der en pipeline leser fila inn i bronze- og silver-tabeller.