Megosztás a következőn keresztül:


Notebook számítási erőforrások

Ez a cikk a jegyzetfüzet számítási erőforrásainak lehetőségeit ismerteti. Jegyzetfüzetet futtathat egy teljes körű számítási erőforráson, kiszolgáló nélküli számításon, vagy SQL-parancsokhoz használhat sql-raktárat, amely az SQL Analyticshez optimalizált számítási típus. A számítási típusokról további információt a Számításicímű témakörben talál.

Kiszolgáló nélküli számítás jegyzetfüzetekhez

A kiszolgáló nélküli számítással gyorsan csatlakoztathatja jegyzetfüzetét az igény szerinti számítási erőforrásokhoz.

A kiszolgáló nélküli számításhoz való csatoláshoz kattintson a Csatlakozás legördülő menüre a jegyzetfüzetben, és válassza Kiszolgáló nélkülilehetőséget.

További információkért tekintse meg a jegyzetfüzetek kiszolgáló nélküli számítását .

Automatizált munkamenet-visszaállítás kiszolgáló nélküli jegyzetfüzetekhez

A kiszolgáló nélküli számítás tétlen leállása a folyamatban lévő munka, például a Python változóértékek elvesztését okozhatja a jegyzetfüzetekben. Ennek elkerülése érdekében engedélyezze az automatikus munkamenet-visszaállítást kiszolgáló nélküli jegyzetfüzetekhez.

  1. Kattintson a felhasználónevére a munkaterület jobb felső sarkában, majd a legördülő listában kattintson a Beállítások gombra.
  2. A Beállítások oldalsávon válassza a Fejlesztőopciót.
  3. A Kísérleti funkciók alatt kapcsolja be a kiszolgáló nélküli jegyzetfüzetek automatikus munkamenet-visszaállításának beállítását.

A beállítás engedélyezésével a Databricks pillanatképet állíthat be a kiszolgáló nélküli jegyzetfüzet memóriaállapotára az inaktív állapot megszüntetése előtt. Amikor tétlenség miatti kapcsolat bontás után visszatér egy jegyzetfüzethez, megjelenik egy értesítés a lap tetején. A munkaállapot visszaállításához kattintson az Újracsatlakozás gombra .

Az újracsatlakozáskor a Databricks visszaállítja a teljes munkakörnyezetet, beleértve a következőket:

  • Python-változók, függvények és osztálydefiníciók: A jegyzetfüzet Python-oldala megmarad, így nem kell újraimportálnia vagy újraklarálnia.
  • Spark-adatkeretek, gyorsítótárazott és ideiglenes nézetek: A betöltött, átalakított vagy gyorsítótárazott adatok (az ideiglenes nézeteket is beleértve) megmaradnak, így elkerülheti a költséges újratöltést vagy az újraszámítást.
  • Spark-munkamenet állapota: A Rendszer menti a Spark-szintű konfigurációs beállításokat, az ideiglenes nézeteket, a katalógus módosításait és a felhasználó által definiált függvényeket (UDF-eket), így nem kell alaphelyzetbe állítania őket.

Ez a funkció korlátozásokkal rendelkezik, és nem támogatja a következők visszaállítását:

  • 4 napnál régebbi Spark-állapotok
  • 50 MB-nál nagyobb Spark-állapotok
  • SQL-szkriptekkel kapcsolatos adatok
  • Fájlleírók
  • Zárolások és egyéb egyidejűségi elemi egységek
  • Hálózati kapcsolatok

Jegyzetfüzet csatolása egy teljes célú számítási erőforráshoz

Ha egy jegyzetfüzetet egy általános célú számítási erőforráshoz szeretne csatolni, szüksége van a CSATOLHATÓ engedélyre a számítási erőforráson.

Fontos

Mindaddig, amíg egy jegyzetfüzet egy számítási erőforráshoz van csatolva, minden olyan felhasználó, aki rendelkezik FUTTATÁSI engedéllyel rendelkezik a jegyzetfüzeten, implicit engedéllyel rendelkezik a számítási erőforrás eléréséhez.

Ha jegyzetfüzetet szeretne csatolni egy számítási erőforráshoz, kattintson a jegyzetfüzet eszköztárában lévő számítási választóra , és válassza ki az erőforrást a legördülő menüből.

A menüben a közelmúltban vagy éppen futó, teljes körű számítási és SQL-raktárak közül választhat.

Jegyzetfüzet csatolása

Ha az összes elérhető számítás közül szeretne választani, kattintson a Továbbiak...gombra. Válasszon az elérhető általános számítási vagy SQL-raktárak közül.

további fürtök párbeszédpanel

Új, teljes célú számítási erőforrás is létrehozhat, ha kiválasztja Új erőforrás létrehozása... lehetőséget a legördülő menüből.

Fontos

A csatolt jegyzetfüzetekben a következő Apache Spark-változók vannak definiálva.

Osztály Változó neve
SparkContext sc
SQLContext/HiveContext sqlContext
SparkSession (Spark 2.x) spark

Ne hozzon létre SparkSession, SparkContextvagy SQLContext. Ez inkonzisztens viselkedéshez vezet.

Jegyzetfüzet használata SQL-raktárral

Ha egy jegyzetfüzet egy SQL-raktárhoz van csatolva, sql- és Markdown-cellákat futtathat. Ha bármilyen más nyelven (például Python vagy R) futtat egy cellát, az hibát jelez. Az SQL-raktáron végrehajtott SQL-cellák megjelennek az SQL Warehouse lekérdezési előzményeiben. A lekérdezést végrehajtó felhasználó a kimenet alján lévő eltelt időre kattintva megtekintheti a jegyzetfüzet lekérdezési profilját .

Az SQL Warehouse-hoz csatolt jegyzetfüzetek támogatják az SQL Warehouse-munkameneteket, amelyek lehetővé teszik változók definiálását, ideiglenes nézetek létrehozását és állapotának megőrzését több lekérdezési futtatás során. Ez lehetővé teszi, hogy az SQL-logikát iteratív módon hozza létre anélkül, hogy egyszerre kellene futtatnia az összes utasítást. Lásd : Mik azok az SQL Warehouse-munkamenetek?.

A jegyzetfüzetek futtatásához profi vagy kiszolgáló nélküli SQL-raktárra van szükség. Hozzáféréssel kell rendelkeznie a munkaterülethez és az SQL Warehouse-hoz.

Jegyzetfüzet SQL-raktárhoz való csatolásához tegye a következőket:

  1. Kattintson a számítási választóra a jegyzetfüzet eszköztárán. A legördülő menüben az aktuálisan futó vagy a közelmúltban használt számítási erőforrások láthatók. Az SQL-raktárak jelölése a következővel SQL Warehouse-címkevan megjelölve: .

  2. A menüben válasszon ki egy SQL Warehouse-t.

    Az összes elérhető SQL-raktár megtekintéséhez válassza az Egyebek... lehetőséget a legördülő menüben. Megjelenik egy párbeszédpanel, amelyen a jegyzetfüzethez elérhető számítási erőforrások láthatók. Válassza az SQL Warehouse lehetőséget, válassza ki a használni kívánt raktárat, és kattintson a Csatolás gombra.

    további fürt párbeszédpanel, amelyen az SQL Warehouse van kiválasztva

Sql-tárolót is kiválaszthat számítási erőforrásként egy SQL-jegyzetfüzethez munkafolyamat vagy ütemezett feladat létrehozásakor.

SQL Warehouse-korlátozások

További információkért tekintse meg a Databricks-jegyzetfüzetek ismert korlátozásait .