如何实现Azure Databricks关联Git仓库的文件自动同步

Azure生态内有原生能力支持该自动同步需求，不需要手动在控制台操作同步，常用落地方式有两种：

零代码/低代码触发方案（全版本通用） #

用Azure Logic Apps或者Azure Automation做流程编排即可：

• 先给你的源Git仓库配置push事件webhook，触发时机选「分支有新提交推送」即可覆盖新增文件、修改内容的场景
• webhook触发后直接调用Azure Databricks官方Repos更新接口POST /api/2.0/repos/{repo_id}，请求体传入绑定的分支名参数，就能自动拉取远程最新内容到Databricks Repos
• 鉴权用Azure AD服务主体即可，给服务主体分配对应Databricks工作区的参与者权限，不需要手动维护个人访问令牌
• 如果不想写接口调用逻辑，Azure Logic Apps内置了Git服务连接器、Databricks连接器，拖拽配置流程：源仓库收到新push → 执行Databricks Repo更新操作，全程不需要写代码

原生自动同步配置（Premium版专属） #

如果你使用的是Premium层级的Azure Databricks，工作区自带自动同步能力：

• 先由工作区管理员在后台管理页的Git配置板块，开启「允许Repos自动拉取远程更新」的权限开关
• 权限开启后，用户可以给自己添加的Repo单独开启自动同步远程分支选项，配置完成后后台会定时轮询远程分支的新提交，有更新就自动拉取，不需要额外搭建其他服务

配置注意点 #

• 自动同步前要确保目标Repo在Databricks侧没有未提交的本地修改，否则会触发文件冲突导致同步失败，生产环境用作部署的Repo建议直接设置为Databricks侧只读，禁止直接在工作区内修改文件
• 如果需要覆盖PR合并触发同步的场景，额外给Git仓库加PR合并完成的事件触发规则即可

内容的提问来源于stack exchange，提问作者Shubham Sharma