Kódpéldák a Databricks Connect for Pythonhoz

Megjegyzés

Ez a cikk a Databricks Runtime 13.3 LTS-hez készült Databricks Connectet ismerteti.

Ez a cikk olyan kód példákat tartalmaz, amelyek a Databricks Connectet használják Python. A Databricks Connect lehetővé teszi az integrált fejlesztőkörnyezetek, notebook szerverek és egyéni alkalmazások csatlakoztatását az Azure Databricks fürtökhöz. Lásd : Databricks Connect. A cikk Scala-verziójával kapcsolatban lásd a Databricks Connect for Scala kód példáit.

A Databricks Connect használatának megkezdése előtt be kell állítania a Databricks Connect-ügyfelet.

Az alábbi példák feltételezik, hogy a Databricks Connect ügyfélbeállításához alapértelmezett hitelesítést használ.

Példa: Táblázat olvasása

Ez az egyszerű példakód lekérdezi a megadott táblát, majd megjeleníti a megadott tábla első 5 sorát.

from databricks.connect import DatabricksSession

spark = DatabricksSession.builder.getOrCreate()

df = spark.read.table("samples.nyctaxi.trips")
df.show(5)

Példa: DataFrame létrehozása

Az alábbi kód példa:

  1. Létrehoz egy memóriabeli DataFrame-et.
  2. Létrehoz egy táblát zzz_demo_temps_table sémán belül, amelynek neve default. Ha már létezik ilyen nevű tábla, a rendszer először törli a táblát. Ha másik sémát vagy táblát szeretne használni, módosítsa a hívásokat az , spark.sqlvagy mindkettőretemps.write.saveAsTable.
  3. Menti a DataFrame tartalmát a táblába.
  4. Futtat egy SELECT lekérdezést a tábla tartalmán.
  5. Megjeleníti a lekérdezés eredményét.
  6. Törli a táblát.
from databricks.connect import DatabricksSession
from pyspark.sql.types import *
from datetime import date

spark = DatabricksSession.builder.getOrCreate()

# Create a Spark DataFrame consisting of high and low temperatures
# by airport code and date.
schema = StructType([
  StructField('AirportCode', StringType(), False),
  StructField('Date', DateType(), False),
  StructField('TempHighF', IntegerType(), False),
  StructField('TempLowF', IntegerType(), False)
])

data = [
  [ 'BLI', date(2021, 4, 3), 52, 43],
  [ 'BLI', date(2021, 4, 2), 50, 38],
  [ 'BLI', date(2021, 4, 1), 52, 41],
  [ 'PDX', date(2021, 4, 3), 64, 45],
  [ 'PDX', date(2021, 4, 2), 61, 41],
  [ 'PDX', date(2021, 4, 1), 66, 39],
  [ 'SEA', date(2021, 4, 3), 57, 43],
  [ 'SEA', date(2021, 4, 2), 54, 39],
  [ 'SEA', date(2021, 4, 1), 56, 41]
]

temps = spark.createDataFrame(data, schema)

# Create a table on the Databricks cluster and then fill
# the table with the DataFrame's contents.
# If the table already exists from a previous run,
# delete it first.
spark.sql('USE default')
spark.sql('DROP TABLE IF EXISTS zzz_demo_temps_table')
temps.write.saveAsTable('zzz_demo_temps_table')

# Query the table on the Databricks cluster, returning rows
# where the airport code is not BLI and the date is later
# than 2021-04-01. Group the results and order by high
# temperature in descending order.
df_temps = spark.sql("SELECT * FROM zzz_demo_temps_table " \
  "WHERE AirportCode != 'BLI' AND Date > '2021-04-01' " \
  "GROUP BY AirportCode, Date, TempHighF, TempLowF " \
  "ORDER BY TempHighF DESC")
df_temps.show()

# Results:
#
# +-----------+----------+---------+--------+
# |AirportCode|      Date|TempHighF|TempLowF|
# +-----------+----------+---------+--------+
# |        PDX|2021-04-03|       64|      45|
# |        PDX|2021-04-02|       61|      41|
# |        SEA|2021-04-03|       57|      43|
# |        SEA|2021-04-02|       54|      39|
# +-----------+----------+---------+--------+

# Clean up by deleting the table from the Databricks cluster.
spark.sql('DROP TABLE zzz_demo_temps_table')

Példa: DatabricksSesssion vagy SparkSession használata

Az alábbi példa bemutatja, hogyan írhat olyan kódot, amely hordozható a Databricks Connect for Databricks Runtime 13.3 LTS és újabb verziók között olyan környezetekben, ahol az DatabricksSession osztály nem érhető el, ebben az esetben az osztályt használja SparkSession a megadott tábla lekérdezéséhez és az első 5 sor visszaadásához. Ez a példa a környezeti változót használja a SPARK_REMOTE hitelesítéshez.

from pyspark.sql import SparkSession, DataFrame

def get_spark() -> SparkSession:
  try:
    from databricks.connect import DatabricksSession
    return DatabricksSession.builder.getOrCreate()
  except ImportError:
    return SparkSession.builder.getOrCreate()

def get_taxis(spark: SparkSession) -> DataFrame:
  return spark.read.table("samples.nyctaxi.trips")

get_taxis(get_spark()).show(5)

További erőforrások

A Databricks további példaalkalmazásokat kínál, amelyek bemutatják, hogyan használható a Databricks Connect a Databricks Connect GitHub adattárban, beleértve a következőket:

  • Last updated on