Az Azure Data Lake Analytics kezelése a Python használatával
Fontos
Az Azure Data Lake Analytics 2024. február 29-én megszűnt. További információ ezzel a bejelentéssel.
Az adatelemzéshez a szervezet használhatja a Azure Synapse Analyticset vagy a Microsoft Fabricet.
Ez a cikk azt ismerteti, hogyan kezelheti az Azure-Data Lake Analytics-fiókokat, -adatforrásokat, -felhasználókat és -feladatokat a Python használatával.
Támogatott Python-verziók
- Használja a Python 64 bites verzióját.
- A letöltések Python.org található standard Python-disztribúciót használhatja.
- Sok fejlesztő kényelmesnek találja az Anaconda Python-disztribúció használatát.
- Ez a cikk a Python standard Python-disztribúciójának 3.6-os verziójával készült
Az Azure Python SDK telepítése
Telepítse a következő modulokat:
- Az azure-mgmt-resource modul más Azure-modulokat is tartalmaz az Active Directoryhoz stb.
- Az azure-datalake-store modul tartalmazza az Azure Data Lake Store fájlrendszerműveleteket.
- Az azure-mgmt-datalake-store modul tartalmazza az Azure Data Lake Store fiókkezelési műveleteit.
- Az azure-mgmt-datalake-analytics modul tartalmazza az Azure Data Lake Analytics műveleteket.
Először győződjön meg arról, hogy a legújabb pip
verzióval rendelkezik a következő parancs futtatásával:
python -m pip install --upgrade pip
Ezt a dokumentumot a használatával pip version 9.0.1
írták.
A következő pip
parancsokkal telepítheti a modulokat a parancssorból:
pip install azure-identity
pip install azure-mgmt-resource
pip install azure-datalake-store
pip install azure-mgmt-datalake-store
pip install azure-mgmt-datalake-analytics
Új Python-szkript létrehozása
Illessze be a következő kódot a szkriptbe:
# Use this only for Azure AD service-to-service authentication
#from azure.common.credentials import ServicePrincipalCredentials
# Use this only for Azure AD end-user authentication
#from azure.common.credentials import UserPassCredentials
# Required for Azure Identity
from azure.identity import DefaultAzureCredential
# Required for Azure Resource Manager
from azure.mgmt.resource.resources import ResourceManagementClient
from azure.mgmt.resource.resources.models import ResourceGroup
# Required for Azure Data Lake Store account management
from azure.mgmt.datalake.store import DataLakeStoreAccountManagementClient
from azure.mgmt.datalake.store.models import DataLakeStoreAccount
# Required for Azure Data Lake Store filesystem management
from azure.datalake.store import core, lib, multithread
# Required for Azure Data Lake Analytics account management
from azure.mgmt.datalake.analytics.account import DataLakeAnalyticsAccountManagementClient
from azure.mgmt.datalake.analytics.account.models import DataLakeAnalyticsAccount, DataLakeStoreAccountInformation
# Required for Azure Data Lake Analytics job management
from azure.mgmt.datalake.analytics.job import DataLakeAnalyticsJobManagementClient
from azure.mgmt.datalake.analytics.job.models import JobInformation, JobState, USqlJobProperties
# Required for Azure Data Lake Analytics catalog management
from azure.mgmt.datalake.analytics.catalog import DataLakeAnalyticsCatalogManagementClient
# Required for Azure Data Lake Analytics Model
from azure.mgmt.datalake.analytics.account.models import CreateOrUpdateComputePolicyParameters
# Use these as needed for your application
import logging
import getpass
import pprint
import uuid
import time
Futtassa ezt a szkriptet annak ellenőrzéséhez, hogy a modulok importálhatók-e.
Hitelesítés
Interaktív felhasználói hitelesítés előugró ablakkal
Ez a módszer nem támogatott.
Interaktív felhasználói hitelesítés eszközkóddal
user = input(
'Enter the user to authenticate with that has permission to subscription: ')
password = getpass.getpass()
credentials = UserPassCredentials(user, password)
Neminteraktív hitelesítés SPI-vel és titkos kóddal
# Acquire a credential object for the app identity. When running in the cloud,
# DefaultAzureCredential uses the app's managed identity (MSI) or user-assigned service principal.
# When run locally, DefaultAzureCredential relies on environment variables named
# AZURE_CLIENT_ID, AZURE_CLIENT_SECRET, and AZURE_TENANT_ID.
credentials = DefaultAzureCredential()
Nem interaktív hitelesítés API-val és tanúsítvánnyal
Ez a módszer nem támogatott.
Gyakori szkriptváltozók
Ezeket a változókat a mintákban használjuk.
subid = '<Azure Subscription ID>'
rg = '<Azure Resource Group Name>'
location = '<Location>' # i.e. 'eastus2'
adls = '<Azure Data Lake Store Account Name>'
adla = '<Azure Data Lake Analytics Account Name>'
Az ügyfelek létrehozása
resourceClient = ResourceManagementClient(credentials, subid)
adlaAcctClient = DataLakeAnalyticsAccountManagementClient(credentials, subid)
adlaJobClient = DataLakeAnalyticsJobManagementClient(
credentials, 'azuredatalakeanalytics.net')
Azure-erőforráscsoport létrehozása
armGroupResult = resourceClient.resource_groups.create_or_update(
rg, ResourceGroup(location=location))
Data Lake Analytics-fiók létrehozása
Először hozzon létre egy áruházfiókot.
adlsAcctResult = adlsAcctClient.account.begin_create(
rg,
adls,
DataLakeStoreAccount(
location=location)
)
).wait()
Ezután hozzon létre egy ADLA-fiókot, amely ezt a tárolót használja.
adlaAcctResult = adlaAcctClient.account.create(
rg,
adla,
DataLakeAnalyticsAccount(
location=location,
default_data_lake_store_account=adls,
data_lake_store_accounts=[DataLakeStoreAccountInformation(name=adls)]
)
).wait()
Feladat elküldése
script = """
@a =
SELECT * FROM
(VALUES
("Contoso", 1500.0),
("Woodgrove", 2700.0)
) AS
D( customer, amount );
OUTPUT @a
TO "/data.csv"
USING Outputters.Csv();
"""
jobId = str(uuid.uuid4())
jobResult = adlaJobClient.job.create(
adla,
jobId,
JobInformation(
name='Sample Job',
type='USql',
properties=USqlJobProperties(script=script)
)
)
Várjon, amíg egy feladat befejeződik
jobResult = adlaJobClient.job.get(adla, jobId)
while(jobResult.state != JobState.ended):
print('Job is not yet done, waiting for 3 seconds. Current state: ' +
jobResult.state.value)
time.sleep(3)
jobResult = adlaJobClient.job.get(adla, jobId)
print('Job finished with result: ' + jobResult.result.value)
Folyamatok és ismétlődések listázása
Attól függően, hogy a feladatokhoz folyamat vagy ismétlődési metaadatok vannak csatolva, listázhatja a folyamatokat és az ismétlődéseket.
pipelines = adlaJobClient.pipeline.list(adla)
for p in pipelines:
print('Pipeline: ' + p.name + ' ' + p.pipelineId)
recurrences = adlaJobClient.recurrence.list(adla)
for r in recurrences:
print('Recurrence: ' + r.name + ' ' + r.recurrenceId)
Számítási szabályzatok kezelése
A DataLakeAnalyticsAccountManagementClient objektum metódusokat biztosít egy Data Lake Analytics-fiók számítási szabályzatainak kezeléséhez.
Számítási szabályzatok listázása
Az alábbi kód lekéri egy Data Lake Analytics-fiók számítási szabályzatainak listáját.
policies = adlaAcctClient.compute_policies.list_by_account(rg, adla)
for p in policies:
print('Name: ' + p.name + 'Type: ' + p.object_type + 'Max AUs / job: ' +
p.max_degree_of_parallelism_per_job + 'Min priority / job: ' + p.min_priority_per_job)
Új számítási szabályzat létrehozása
Az alábbi kód egy új számítási szabályzatot hoz létre egy Data Lake Analytics-fiókhoz, a megadott felhasználó számára elérhető maximális AU-t 50-re, a minimális feladatprioritást pedig 250-re állítja.
userAadObjectId = "3b097601-4912-4d41-b9d2-78672fc2acde"
newPolicyParams = CreateOrUpdateComputePolicyParameters(
userAadObjectId, "User", 50, 250)
adlaAcctClient.compute_policies.create_or_update(
rg, adla, "GaryMcDaniel", newPolicyParams)
Következő lépések
- Ha ugyanazt az oktatóanyagot más eszközökkel szeretné megtekinteni, válassza ki a lap tetején található fülválasztókat.
- A U-SQL nyelv megismerése: Get started with Azure Data Lake Analytics U-SQL language (Ismerkedés az Azure Data Lake Analytics U-SQL nyelvével).
- A felügyeleti feladatokért lásd: Az Azure Data Lake Analytics kezelése Azure Portal használatával.