Bagikan melalui

Databricks Connect untuk Python

  • Artikel

Catatan

Artikel ini membahas Databricks Connect untuk Databricks Runtime 13.3 LTS ke atas.

Artikel ini menunjukkan cara memulai Databricks Connect dengan cepat menggunakan Python dan PyCharm.

Databricks Connect memungkinkan Anda menyambungkan ID populer seperti PyCharm, server notebook, dan aplikasi kustom lainnya ke kluster Azure Databricks. Lihat Apa itu Databricks Connect?.

Tutorial

Untuk melewati tutorial ini dan menggunakan IDE yang berbeda, lihat Langkah berikutnya.

Persyaratan

Untuk menyelesaikan tutorial ini, Anda harus memenuhi persyaratan berikut:

  • Ruang kerja Azure Databricks target Anda harus mengaktifkan Unity Catalog.
  • Anda telah menginstal PyCharm . Tutorial ini diuji dengan PyCharm Community Edition 2023.3.5. Jika Anda menggunakan versi atau edisi PyCharm yang berbeda, instruksi berikut mungkin bervariasi.
  • Komputasi Anda memenuhi persyaratan penginstalan Databricks Connect for Python.
  • Jika Anda menggunakan komputasi klasik, Anda akan memerlukan ID kluster. Untuk mendapatkan ID kluster Anda, di ruang kerja Anda, klik Komputasi di bar samping, lalu klik nama kluster Anda. Di bilah alamat browser web Anda, salin string karakter antara clusters dan configuration di URL.

Langkah 1: Mengonfigurasi autentikasi Azure Databricks

Tutorial ini menggunakan autentikasi pengguna-ke-mesin (U2M) Azure Databricks OAuth dan profil konfigurasi Azure Databricks untuk mengautentikasi ke ruang kerja Azure Databricks Anda. Untuk menggunakan jenis autentikasi yang berbeda, lihat Mengonfigurasi properti koneksi.

Mengonfigurasi autentikasi OAuth U2M memerlukan Databricks CLI, sebagai berikut:

  1. Jika belum diinstal, instal Databricks CLI sebagai berikut:

    Linux, macOS

    Gunakan Homebrew untuk menginstal Databricks CLI dengan menjalankan dua perintah berikut:

    brew tap databricks/tap
brew install databricks

    Windows

    Anda dapat menggunakan winget, Chocolatey atau Subsistem Windows untuk Linux (WSL) untuk menginstal Databricks CLI. Jika Anda tidak dapat menggunakan winget, Chocolatey, atau WSL, Anda harus melewati prosedur ini dan menggunakan Prompt Perintah atau PowerShell untuk menginstal Databricks CLI dari sumber sebagai gantinya.

    Catatan

    Menginstal Databricks CLI dengan Chocolatey bersifat Eksperimental.

    Untuk menggunakan winget untuk menginstal Databricks CLI, jalankan dua perintah berikut, lalu mulai ulang Prompt Perintah Anda:

    winget search databricks
winget install Databricks.DatabricksCLI

    Untuk menggunakan Chocolatey untuk menginstal Databricks CLI, jalankan perintah berikut:

    choco install databricks-cli

    Untuk menggunakan WSL untuk menginstal Databricks CLI:

    1. Instal curl dan zip melalui WSL. Untuk informasi selengkapnya, lihat dokumentasi sistem operasi Anda.

    2. Gunakan WSL untuk menginstal Databricks CLI dengan menjalankan perintah berikut:

      curl -fsSL https://raw.githubusercontent.com/databricks/setup-cli/main/install.sh | sh

  2. Konfirmasikan bahwa Databricks CLI diinstal dengan menjalankan perintah berikut, yang menampilkan versi CLI Databricks yang diinstal saat ini. Versi ini harus 0.205.0 atau lebih tinggi:

    databricks -v

    Catatan

    Jika Anda menjalankan databricks tetapi mendapatkan kesalahan seperti command not found: databricks, atau jika Anda menjalankan databricks -v dan nomor versi 0,18 atau di bawah ini tercantum, ini berarti bahwa komputer Anda tidak dapat menemukan versi yang benar dari Databricks CLI yang dapat dieksekusi. Untuk memperbaikinya, lihat Memverifikasi penginstalan CLI Anda.

Mulai autentikasi OAuth U2M, sebagai berikut:

  1. Gunakan Databricks CLI untuk memulai manajemen token OAuth secara lokal dengan menjalankan perintah berikut untuk setiap ruang kerja target.

    Dalam perintah berikut, ganti <workspace-url> dengan URL per ruang kerja Azure Databricks Anda, misalnya https://adb-1234567890123456.7.azuredatabricks.net.

    databricks auth login --configure-cluster --host <workspace-url>

  2. Databricks CLI meminta Anda untuk menyimpan informasi yang Anda masukkan sebagai profil konfigurasi Azure Databricks. Tekan Enter untuk menerima nama profil yang disarankan, atau masukkan nama profil baru atau yang sudah ada. Profil yang ada dengan nama yang sama ditimpa dengan informasi yang Anda masukkan. Anda dapat menggunakan profil untuk mengalihkan konteks autentikasi dengan cepat di beberapa ruang kerja.

    Untuk mendapatkan daftar profil yang ada, di terminal atau prompt perintah terpisah, gunakan Databricks CLI untuk menjalankan perintah databricks auth profiles. Untuk melihat pengaturan profil tertentu yang sudah ada, jalankan perintah databricks auth env --profile <profile-name>.

  3. Di browser web Anda, selesaikan instruksi di layar untuk masuk ke ruang kerja Azure Databricks Anda.

  4. Dalam daftar kluster yang tersedia yang muncul di terminal atau prompt perintah Anda, gunakan tombol panah atas dan panah bawah Anda untuk memilih kluster Azure Databricks target di ruang kerja Anda, lalu tekan Enter. Anda juga dapat mengetik bagian mana pun dari nama tampilan kluster untuk memfilter daftar kluster yang tersedia.

  5. Untuk melihat nilai token OAuth profil saat ini dan tanda waktu kedaluwarsa token yang akan datang, jalankan salah satu perintah berikut:

    • databricks auth token --host <workspace-url>
    • databricks auth token -p <profile-name>
    • databricks auth token --host <workspace-url> -p <profile-name>

    Jika Anda memiliki beberapa profil dengan nilai yang sama --host , Anda mungkin perlu menentukan --host opsi dan -p bersama-sama untuk membantu Databricks CLI menemukan informasi token OAuth yang cocok dengan benar.

Langkah 2: Membuat proyek

  1. Mulai PyCharm.
  2. Pada menu utama, klik File > Proyek Baru.
  3. Dalam dialog Proyek Baru, klik Python Murni.
  4. Untuk Lokasi, klik ikon folder, dan selesaikan petunjuk arah di layar untuk menentukan jalur ke proyek Python baru Anda.
  5. Biarkan Buat skrip selamat datang main.py dipilih.
  6. Untuk Jenis penerjemah, klik Proyek venv.
  7. Perluas versi Python, dan gunakan ikon folder atau daftar drop-down untuk menentukan jalur ke penerjemah Python dari persyaratan sebelumnya.
  8. Klik Buat.

Membuat proyek PyCharm

Langkah 3: Tambahkan paket Databricks Connect

  1. Pada menu utama PyCharm, klik Tampilkan Alat Windows > Python Packages>.
  2. Di kotak pencarian, masukkan databricks-connect.
  3. Di daftar repositori PyPI, klik databricks-connect.
  4. Di daftar drop-down terbaru panel hasil, pilih versi yang cocok dengan versi Databricks Runtime kluster Anda. Misalnya, jika kluster Anda menginstal Databricks Runtime 14.3, pilih 14.3.1.
  5. Klik Instal paket.
  6. Setelah paket diinstal, Anda dapat menutup jendela Paket Python.

Menginstal paket Databricks Connect

Langkah 4: Tambahkan kode

  1. Di jendela Alat proyek, klik kanan folder akar proyek, dan klik File Python Baru>.

  2. Masukkan main.py dan klik dua kali file Python.

  3. Masukkan kode berikut ke dalam file lalu simpan file, tergantung pada nama profil konfigurasi Anda.

    Jika profil konfigurasi Anda dari Langkah 1 diberi nama DEFAULT, masukkan kode berikut ke dalam file, lalu simpan file:

    from databricks.connect import DatabricksSession

spark = DatabricksSession.builder.getOrCreate()

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

    Jika profil konfigurasi Anda dari Langkah 1 tidak bernama DEFAULT, masukkan kode berikut ke dalam file sebagai gantinya. Ganti tempat penampung <profile-name> dengan nama profil konfigurasi Anda dari Langkah 1, lalu simpan file:

    from databricks.connect import DatabricksSession

spark = DatabricksSession.builder.profile("<profile-name>").getOrCreate()

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

Langkah 5: Jalankan kode

  1. Mulai kluster target di ruang kerja Azure Databricks jarak jauh Anda.
  2. Setelah kluster dimulai, pada menu utama, klik Jalankan Jalankan > 'main'.
  3. Di jendela Jalankan alat (Tampilkan > Alat Windows > Run), di panel utama tab Jalankan, 5 baris samples.nyctaxi.trips pertama muncul.

Langkah 6: Debug kode

  1. Dengan kluster yang masih berjalan, dalam kode sebelumnya, klik gutter di samping df.show(5) untuk mengatur titik henti.
  2. Pada menu utama, klik Jalankan > Debug 'main'.
  3. Di jendela alat Debug (Lihat > Alat Windows > Debug), di panel Variabel tab Debugger, perluas simpul variabel df dan spark untuk menelusuri informasi tentang kode df dan spark variabel.
  4. Di bilah samping jendela alat Debug , klik ikon panah hijau (Lanjutkan Program).
  5. Di panel Konsol tab Debugger, 5 baris samples.nyctaxi.trips pertama muncul.

Men-debug proyek PyCharm

Langkah berikutnya

Untuk mempelajari selengkapnya tentang Databricks Connect, lihat artikel seperti berikut ini: