RStudio na Azure Databricks

K připojení k výpočetním prostředkům Azure Databricks v pracovních prostorech Azure Databricks z místního vývojového počítače můžete použít RStudio, oblíbené integrované vývojové prostředí (IDE) pro jazyk R.

Nastavení RStudio Desktopu

Nastavení RStudio Desktopu na místním vývojovém počítači:

  1. Stáhněte a nainstalujte R 3.3.0 nebo vyšší.
  2. Stáhněte a nainstalujte RStudio Desktop.
  3. Spusťte RStudio Desktop.

(Volitelné) Vytvoření projektu RStudio:

  1. Spusťte RStudio Desktop.
  2. Klikněte na Soubor > nový projekt.
  3. Vyberte Nový projekt Nový adresář>.
  4. Zvolte nový adresář projektu a potom klikněte na Vytvořit projekt.

Vytvoření skriptu jazyka R:

  1. Po otevření projektu klikněte na Soubor > Nový soubor > R skript.
  2. Klikněte na Soubor > Uložit jako.
  3. Pojmenujte soubor a klepněte na tlačítko Uložit.

Připojení k Databricks

Pokud chcete použít RStudio Desktop pro připojení ke vzdálenému clusteru Azure Databricks nebo SQL Warehouse z místního vývojového počítače, použijte připojení ODBC a volejte funkce balíčku ODBC pro R.

Poznámka:

V tomto scénáři RStudio Desktopu nemůžete používat balíčky, jako je SparkR nebo sparklyr , pokud také nepoužíváte Databricks Connect.

Připojení ke vzdálenému clusteru Azure Databricks nebo SQL Warehouse prostřednictvím rozhraní ODBC pro R:

  1. Získejte hodnoty názvu hostitele serveru, portu a cesty HTTP pro vzdálený cluster nebo SQL Warehouse Pro cluster, tyto hodnoty jsou na kartě JDBC/ODBCv rozšířených možnostech. Pro SQL Warehouse jsou tyto hodnoty na kartě Podrobnosti připojení .

  2. Získejte osobní přístupový token Azure Databricks.

    Poznámka:

    Jako bezpečnostní opatření při ověřování pomocí automatizovaných nástrojů, systémů, skriptů a aplikací doporučuje Databricks používat osobní přístupové tokeny, které patří služebním subjektům, místo uživatelů pracovního prostoru. Pokud chcete vytvořit tokeny pro instanční objekty, přečtěte si téma Správa tokenů instančního objektu.

  3. Nainstalujte a nakonfigurujte ovladač ODBC Databricks pro váš operační systém.

  4. Nastavte název zdroje dat ODBC (DSN) pro vzdálený cluster nebo SQL Warehouse pro Windows, macOS nebo Linux na základě operačního systému místního počítače.

  5. Z konzoly RStudio (zobrazení > Přesunout fokus do konzoly) nainstalujte balíčky ODBC a DBI z CRAN:

    require(devtools)

install_version(
  package = "odbc",
  repos   = "http://cran.us.r-project.org"
)

install_version(
  package = "DBI",
  repos   = "http://cran.us.r-project.org"
)

  6. Ve vašem skriptu R (Zobrazit a přesunout fokus na zdroj) načtěte nainstalované odbc a DBI balíčky:

    library(odbc)
library(DBI)

  7. Volejte verzi ODBC funkce dbConnect v DBI balíčku, zadejte odbc ovladač v odbc balíčku a DSN ODBC, který jste vytvořili, například DSN ODBC Databricks.

    conn = dbConnect(
  drv = odbc(),
  dsn = "Databricks"
)

  8. Volání operace prostřednictvím ODBC DSN, například příkazem SELECT prostřednictvím funkce dbGetQuery v balíčku DBI, zadáním názvu připojovací proměnné a samotného příkazu SELECT, například z tabulky pojmenované diamonds ve schématu (databázi) pojmenovaném default.

    print(dbGetQuery(conn, "SELECT * FROM default.diamonds LIMIT 2"))

Kompletní skript jazyka R je následující:

library(odbc)
library(DBI)

conn = dbConnect(
  drv = odbc(),
  dsn = "Databricks"
)

print(dbGetQuery(conn, "SELECT * FROM default.diamonds LIMIT 2"))

Skript spustíte tak, že ve zdrojovém zobrazení kliknete na Zdroj. Výsledky pro předchozí skript jazyka R jsou následující:

  _c0 carat     cut color clarity depth table price    x    y    z
1   1  0.23   Ideal     E     SI2  61.5    55   326 3.95 3.98 2.43
2   2  0.21 Premium     E     SI1  59.8    61   326 3.89 3.84 2.31
  • Last updated on