Udostępnij za pośrednictwem

Samouczek: tworzenie pierwszego niestandardowego szablonu pakietu zasobów usługi Databricks

  • Artykuł

W tym samouczku utworzysz niestandardowy szablon pakietu zasobów usługi Databricks na potrzeby tworzenia pakietów, które uruchamiają zadanie z określonym zadaniem języka Python w klastrze przy użyciu określonego obrazu kontenera platformy Docker.

Przed rozpoczęciem

Zainstaluj interfejs wiersza polecenia usługi Databricks w wersji 0.218.0 lub nowszej. Jeśli został już zainstalowany, upewnij się, że wersja to 0.218.0 lub nowsza, uruchamiając polecenie databricks -version z poziomu wiersza polecenia.

Definiowanie zmiennych monitu użytkownika

Pierwszym krokiem tworzenia szablonu pakietu jest zdefiniowanie databricks bundle init zmiennych monitu użytkownika. Za pomocą wiersza polecenia:

  1. Utwórz pusty katalog o nazwie dab-container-template:

    mkdir dab-container-template

  2. W katalogu głównym utwórz plik o nazwie databricks_template_schema.json:

    cd dab-container-template
touch databricks_template_schema.json

  3. Dodaj następującą zawartość do pliku databricks_template_schema.json i zapisz go. Każda zmienna zostanie przetłumaczona na monit użytkownika podczas tworzenia pakietu.

    {
  "properties": {
    "project_name": {
      "type": "string",
      "default": "project_name",
      "description": "Project name",
      "order": 1
    }
  }
}

Tworzenie struktury folderów pakietu

Następnie w katalogu szablonu utwórz podkatalogi o nazwach resources i src. Folder template zawiera strukturę katalogów wygenerowanych pakietów. Nazwy podkatalogów i plików będą zgodne ze składnią szablonu pakietu Go, gdy pochodzą z wartości użytkownika.

  mkdir -p "template/resources"
  mkdir -p "template/src"

Dodawanie szablonów konfiguracji YAML

template W katalogu utwórz plik o nazwie databricks.yml.tmpl i dodaj następujący kod YAML:

  touch template/databricks.yml.tmpl

  # This is a Databricks asset bundle definition for {{.project_name}}.
  # See https://docs.databricks.com/dev-tools/bundles/index.html for documentation.
  bundle:
    name: {{.project_name}}

  include:
    - resources/*.yml

  targets:
    # The 'dev' target, used for development purposes.
    # Whenever a developer deploys using 'dev', they get their own copy.
    dev:
      # We use 'mode: development' to make sure everything deployed to this target gets a prefix
      # like '[dev my_user_name]'. Setting this mode also disables any schedules and
      # automatic triggers for jobs and enables the 'development' mode for Delta Live Tables pipelines.
      mode: development
      default: true
      workspace:
        host: {{workspace_host}}

    # The 'prod' target, used for production deployment.
    prod:
      # For production deployments, we only have a single copy, so we override the
      # workspace.root_path default of
      # /Workspace/Users/${workspace.current_user.userName}/.bundle/${bundle.target}/${bundle.name}
      # to a path that is not specific to the current user.
      #
      # By making use of 'mode: production' we enable strict checks
      # to make sure we have correctly configured this target.
      mode: production
      workspace:
        host: {{workspace_host}}
        root_path: /Shared/.bundle/prod/${bundle.name}
      {{- if not is_service_principal}}
      run_as:
        # This runs as {{user_name}} in production. Alternatively,
        # a service principal could be used here using service_principal_name
        # (see Databricks documentation).
        user_name: {{user_name}}
      {{end -}}

Utwórz inny plik YAML o nazwie {{.project_name}}_job.yml.tmpl i umieść go w template/resources katalogu. Ten nowy plik YAML dzieli definicje zadań projektu z pozostałej części definicji pakietu. Dodaj następujący kod YAML do tego pliku, aby opisać zadanie szablonu, które zawiera określone zadanie języka Python do uruchomienia w klastrze zadań przy użyciu określonego obrazu kontenera platformy Docker:

  touch template/resources/{{.project_name}}_job.yml.tmpl

  # The main job for {{.project_name}}
  resources:
    jobs:
      {{.project_name}}_job:
        name: {{.project_name}}_job
        tasks:
          - task_key: python_task
            job_cluster_key: job_cluster
            spark_python_task:
              python_file: ../src/{{.project_name}}/task.py
        job_clusters:
          - job_cluster_key: job_cluster
            new_cluster:
              docker_image:
                url: databricksruntime/python:10.4-LTS
              node_type_id: i3.xlarge
              spark_version: 13.3.x-scala2.12

W tym przykładzie użyjesz domyślnego obrazu kontenera platformy Docker usługi Databricks, ale zamiast tego możesz określić własny obraz niestandardowy.

Dodawanie plików, do których odwołuje się konfiguracja

Następnie utwórz template/src/{{.project_name}} katalog i utwórz plik zadania języka Python, do których odwołuje się zadanie w szablonie:

  mkdir -p template/src/{{.project_name}}
  touch template/src/{{.project_name}}/task.py

Teraz dodaj następujące polecenie do :task.py

  import pyspark
  from pyspark.sql import SparkSession

  spark = SparkSession.builder.master('local[*]').appName('example').getOrCreate()

  print(f'Spark version{spark.version}')

Weryfikowanie struktury szablonu pakietu

Przejrzyj strukturę folderów projektu szablonu pakietu. Powinien on wyglądać następująco:

  .
  ├── databricks_template_schema.json
  └── template
      ├── databricks.yml.tmpl
      ├── resources
      │   └── {{.project_name}}_job.yml.tmpl
      └── src
          └── {{.project_name}}
              └── task.py

Testowanie szablonu

Na koniec przetestuj szablon pakietu. Aby wygenerować pakiet na podstawie nowego szablonu niestandardowego, użyj databricks bundle init polecenia , określając nową lokalizację szablonu. Z folderu głównego projektów pakietu:

mkdir my-new-container-bundle
cd my-new-container-bundle
databricks bundle init dab-container-template

Następne kroki

Zasoby