Używanie pliku JAR w zadaniu usługi Azure Databricks
Archiwum Java lub [JAR](https://en.wikipedia.org/wiki/JAR_(file_format) format pliku jest oparty na popularnym formacie pliku ZIP i służy do agregowania wielu plików Java lub Scala w jeden. Za pomocą zadania JAR możesz zapewnić szybką i niezawodną instalację kodu Java lub Scala w zadaniach usługi Azure Databricks. Ten artykuł zawiera przykład tworzenia pliku JAR i zadania, które uruchamia aplikację spakowana w pliku JAR. W tym przykładzie wykonasz następujące elementy:
- Utwórz projekt JAR definiujący przykładową aplikację.
- Dołącz przykładowe pliki do pliku JAR.
- Utwórz zadanie uruchamiania pliku JAR.
- Uruchom zadanie i wyświetl wyniki.
Przed rozpoczęciem
Aby ukończyć ten przykład, potrzebne są następujące elementy:
- W przypadku zestawów JAVA JARs zestaw Java Development Kit (JDK).
- W przypadku zestawów JAR Scala zestaw JDK i sbt.
Krok 1. Tworzenie katalogu lokalnego na potrzeby przykładu
Utwórz katalog lokalny do przechowywania przykładowego kodu i wygenerowanych artefaktów, na przykład databricks_jar_test
.
Krok 2. Tworzenie pliku JAR
Wykonaj poniższe instrukcje, aby utworzyć plik JAR przy użyciu języka Java lub Języka Scala.
Tworzenie pliku JAR w języku Java
W folderze
databricks_jar_test
utwórz plik o nazwie oPrintArgs.java
następującej zawartości:import java.util.Arrays; public class PrintArgs { public static void main(String[] args) { System.out.println(Arrays.toString(args)); } }
Skompiluj
PrintArgs.java
plik, który tworzy plikPrintArgs.class
:javac PrintArgs.java
(Opcjonalnie) Uruchom skompilowany program:
java PrintArgs Hello World! # [Hello, World!]
W tym samym folderze co
PrintArgs.java
pliki iPrintArgs.class
utwórz folder o nazwieMETA-INF
.W folderze
META-INF
utwórz plik o nazwieMANIFEST.MF
o następującej zawartości. Pamiętaj, aby dodać nowy wiersz na końcu tego pliku:Main-Class: PrintArgs
W katalogu głównym
databricks_jar_test
folderu utwórz plik JAR o nazwiePrintArgs.jar
:jar cvfm PrintArgs.jar META-INF/MANIFEST.MF *.class
(Opcjonalnie) Aby go przetestować, w katalogu głównym
databricks_jar_test
folderu uruchom plik JAR:java -jar PrintArgs.jar Hello World! # [Hello, World!]
Uwaga
Jeśli wystąpi błąd
no main manifest attribute, in PrintArgs.jar
, pamiętaj o dodaniu nowego wiersza na końcuMANIFEST.MF
pliku, a następnie spróbuj ponownie utworzyć plik JAR i uruchomić go ponownie.Przekaż
PrintArgs.jar
do woluminu. Zobacz Przekazywanie plików do woluminu wykazu aparatu Unity.
Tworzenie pliku JAR języka Scala
W folderze
databricks_jar_test
utwórz pusty plik o nazwiebuild.sbt
o następującej zawartości:ThisBuild / scalaVersion := "2.12.14" ThisBuild / organization := "com.example" lazy val PrintArgs = (project in file(".")) .settings( name := "PrintArgs" )
W folderze
databricks_jar_test
utwórz strukturęsrc/main/scala/example
folderów .W folderze
example
utwórz plik o nazwie oPrintArgs.scala
następującej zawartości:package example object PrintArgs { def main(args: Array[String]): Unit = { println(args.mkString(", ")) } }
Skompiluj program:
sbt compile
(Opcjonalnie) Uruchom skompilowany program:
sbt "run Hello World\!" # Hello, World!
W folderze
databricks_jar_test/project
utwórz plik o nazwie oassembly.sbt
następującej zawartości:addSbtPlugin("com.eed3si9n" % "sbt-assembly" % "2.0.0")
W katalogu głównym
databricks_jar_test
folderu uruchomassembly
polecenie , które generuje plik JAR w folderzetarget
:sbt assembly
(Opcjonalnie) Aby go przetestować, w katalogu głównym
databricks_jar_test
folderu uruchom plik JAR:java -jar target/scala-2.12/PrintArgs-assembly-0.1.0-SNAPSHOT.jar Hello World! # Hello, World!
Przekaż
PrintArgs-assembly-0.1.0-SNAPSHOT.jar
do woluminu. Zobacz Przekazywanie plików do woluminu wykazu aparatu Unity.
Krok 3. Tworzenie zadania usługi Azure Databricks w celu uruchomienia pliku JAR
- Przejdź do strony docelowej usługi Azure Databricks i wykonaj jedną z następujących czynności:
- Na pasku bocznym kliknij pozycję Przepływy pracy, a następnie kliknij pozycję .
- Na pasku bocznym kliknij pozycję Nowy i wybierz z menu pozycję Zadanie .
- W oknie dialogowym zadania wyświetlonym na karcie Zadania zastąp ciąg Dodaj nazwę zadania... nazwą zadania, na przykład
JAR example
. - W polu Nazwa zadania wprowadź nazwę zadania, na przykład
java_jar_task
dla języka Java lubscala_jar_task
scala. - W polu Typ wybierz pozycję JAR.
- W polu Klasa Main w tym przykładzie wprowadź ciąg
PrintArgs
Java lubexample.PrintArgs
Scala. - W polu Klaster wybierz zgodny klaster. Zobacz Obsługa bibliotek Java i Scala.
- W obszarze Biblioteki zależne kliknij pozycję + Dodaj.
- W oknie dialogowym Dodawanie biblioteki zależnej z wybraną pozycją Woluminy wprowadź lokalizację, w której przekazano plik JAR (
PrintArgs.jar
lubPrintArgs-assembly-0.1.0-SNAPSHOT.jar
) w poprzednim kroku do ścieżki pliku woluminów, lub filtruj lub przeglądaj, aby znaleźć plik JAR. Wybierz je. - Kliknij przycisk Dodaj.
- W polu Parametry w tym przykładzie wprowadź wartość
["Hello", "World!"]
. - Kliknij przycisk Dodaj.
Krok 4. Uruchamianie zadania i wyświetlanie szczegółów przebiegu zadania
Kliknij , aby uruchomić przepływ pracy. Aby wyświetlić szczegóły przebiegu, kliknij pozycję Wyświetl przebieg w wyskakującym oknie podręcznym Wyzwalane uruchomienie lub kliknij link w kolumnie Godzina rozpoczęcia przebiegu w widoku przebiegówzadań.
Po zakończeniu przebiegu dane wyjściowe zostaną wyświetlone w panelu Dane wyjściowe , w tym argumenty przekazane do zadania.
Limity rozmiaru danych wyjściowych dla zadań JAR
Dane wyjściowe zadania, takie jak dane wyjściowe dziennika emitowane do stdout, podlegają limitowi rozmiaru 20 MB. Jeśli łączny rozmiar danych wyjściowych jest większy, przebieg zostanie anulowany i oznaczony jako niepowodzenie.
Aby uniknąć napotkania tego limitu, możesz uniemożliwić powrót ze sterownika do usługi Azure Databricks przez ustawienie spark.databricks.driver.disableScalaOutput
konfiguracji platformy Spark na true
wartość . Domyślnie wartość flagi to false
. Flaga steruje danymi wyjściowymi komórek dla zadań JAR języka Scala i notesów Scala. Jeśli flaga jest włączona, platforma Spark nie zwraca wyników wykonywania zadań do klienta. Flaga nie ma wpływu na dane zapisywane w plikach dziennika klastra. Usługa Databricks zaleca ustawienie tej flagi tylko dla klastrów zadań dla zadań JAR, ponieważ wyłącza wyniki notesu.
Zalecenie: użyj udostępnionego elementu SparkContext
Ponieważ usługa Azure Databricks jest usługą zarządzaną, niektóre zmiany kodu mogą być konieczne, aby upewnić się, że zadania platformy Apache Spark działają poprawnie. Programy zadań JAR muszą używać udostępnionego SparkContext
interfejsu API, aby pobrać plik SparkContext
. Ponieważ usługa Azure Databricks inicjuje SparkContext
program , które wywołują new SparkContext()
, nie powiedzie się. Aby pobrać element , użyj tylko udostępnionego elementu SparkContext
utworzonego przez usługę SparkContext
Azure Databricks:
val goodSparkContext = SparkContext.getOrCreate()
val goodSparkSession = SparkSession.builder().getOrCreate()
Istnieje również kilka metod, których należy unikać podczas korzystania z udostępnionego SparkContext
elementu .
- Nie należy wywoływać metody
SparkContext.stop()
. - Nie należy wywoływać
System.exit(0)
anisc.stop()
na końcuMain
programu. Może to spowodować niezdefiniowane zachowanie.
Zalecenie: Używanie try-finally
bloków do czyszczenia zadania
Rozważ plik JAR składający się z dwóch części:
jobBody()
który zawiera główną część zadania.jobCleanup()
które należy wykonać pojobBody()
, czy ta funkcja powiodła się, czy zwróciła wyjątek.
Na przykład jobBody()
tworzy tabele i jobCleanup()
odrzuca te tabele.
Bezpiecznym sposobem zapewnienia, że wywoływana jest metoda czyszczenia, jest umieszczenie try-finally
bloku w kodzie:
try {
jobBody()
} finally {
jobCleanup()
}
Nie należy próbować czyścić przy użyciu ani sys.addShutdownHook(jobCleanup)
następującego kodu:
val cleanupThread = new Thread { override def run = jobCleanup() }
Runtime.getRuntime.addShutdownHook(cleanupThread)
Ze względu na sposób, w jaki okres istnienia kontenerów platformy Spark jest zarządzany w usłudze Azure Databricks, haki zamykania nie są uruchamiane niezawodnie.
Konfigurowanie parametrów zadania JAR
Parametry są przekazywane do zadań JAR z tablicą ciągów JSON. spark_jar_task
Zobacz obiekt w treści żądania przekazany do operacji Tworzenie nowego zadania (POST /jobs/create
) w interfejsie API zadań. Aby uzyskać dostęp do tych parametrów, sprawdź tablicę String
przekazaną do funkcji main
.
Zarządzanie zależnościami biblioteki
Sterownik platformy Spark ma pewne zależności biblioteki, których nie można zastąpić. Jeśli zadanie dodaje biblioteki powodujące konflikt, pierwszeństwo mają zależności biblioteki sterowników platformy Spark.
Aby uzyskać pełną listę zależności biblioteki sterowników, uruchom następujące polecenie w notesie dołączonym do klastra skonfigurowanego przy użyciu tej samej wersji platformy Spark (lub klastra ze sterownikiem, który chcesz zbadać):
%sh
ls /databricks/jars
Podczas definiowania zależności bibliotek dla jednostek JARs usługa Databricks zaleca wyświetlenie listy platform Spark i Hadoop jako provided
zależności. W narzędziu Maven dodaj platformę Spark i platformę Hadoop zgodnie z podanymi zależnościami:
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.11</artifactId>
<version>2.3.0</version>
<scope>provided</scope>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-core</artifactId>
<version>1.2.1</version>
<scope>provided</scope>
</dependency>
W sbt
systemie dodaj platformę Spark i platformę Hadoop zgodnie z podanymi zależnościami:
libraryDependencies += "org.apache.spark" %% "spark-core" % "2.3.0" % "provided"
libraryDependencies += "org.apache.hadoop" %% "hadoop-core" % "1.2.1" % "provided"
Napiwek
Określ poprawną wersję języka Scala dla zależności na podstawie używanej wersji.
Następne kroki
Aby dowiedzieć się więcej na temat tworzenia i uruchamiania zadań usługi Azure Databricks, zobacz Tworzenie i uruchamianie zadań usługi Azure Databricks.
Opinia
https://aka.ms/ContentUserFeedback.
Dostępne już wkrótce: W 2024 r. będziemy stopniowo wycofywać zgłoszenia z serwisu GitHub jako mechanizm przesyłania opinii na temat zawartości i zastępować go nowym systemem opinii. Aby uzyskać więcej informacji, sprawdź:Prześlij i wyświetl opinię dla