Anteckningsboksuppgift för arbete

Använd anteckningsboksuppgiften för att distribuera Databricks-anteckningsböcker.

Konfigurera en datoranteckningsuppgift

Innan du börjar måste du ha anteckningsboken på en plats som är tillgänglig för användaren som konfigurerar jobbet.

Anteckning

Användargränssnittet för jobb visar alternativ dynamiskt baserat på andra konfigurerade inställningar.

Så här startar du flödet för att konfigurera en Notebook uppgift:

1. Gå till fliken Uppgifter i användargränssnittet för jobb.
2. Klicka på Lägg till aktivitet.
3. Ange ett namn i fältet Aktivitetsnamn .
4. I listrutan Type väljer du Notebook.

Konfigurera källan

I listrutan Source väljer du en plats för Python-skriptet med något av följande alternativ.

Arbetsyta

Använd Arbetsyta för att konfigurera en notebook-fil som lagras på arbetsytan genom att utföra följande steg:

1. Klicka på fältet Sökväg . Dialogrutan Välj anteckningsbok visas.
2. Bläddra till anteckningsboken, klicka för att markera filen och klicka på Bekräfta.

Anteckning

Du kan använda det här alternativet för att konfigurera en uppgift för en notebook som lagras i en Git-mapp i Databricks. Databricks rekommenderar att du använder alternativet Git-provider och en fjärransluten Git-lagringsplats för versionshantering av tillgångar som schemalagts med jobb.

Git-leverantör

Använd Git-providern för att konfigurera en notebook i ett fjärr-Git-repositorium.

Vilka alternativ som visas i användargränssnittet beror på om du redan har konfigurerat en Git-provider någon annanstans. Endast en fjärransluten Git-lagringsplats kan användas för alla uppgifter i ett jobb. Se Använda Git med jobb.

Viktigt!

Notebook-filer som skapats av Lakeflow-jobb som körs från fjärranslutna Git-lagringsplatser är tillfälliga och kan inte användas för att spåra MLflow-körningar, experiment eller modeller. När du skapar en anteckningsbok från ett jobb använder du ett MLflow-experiment för arbetsytan (i stället för ett MLflow-experiment för anteckningsböcker) och anropar mlflow.set_experiment("/path/to/experiment") i anteckningsboken för arbetsytan innan du kör MLflow-spårningskod. Mer information finns i Förhindra dataförlust i MLflow-experiment.

Fältet Sökväg visas när du har konfigurerat en git-referens.

Ange den relativa sökvägen för din notebook, till exempel etl/bronze/ingest.py.

Viktigt!

När du anger den relativa sökvägen ska du inte börja med / eller ./. Om den absoluta sökvägen för anteckningsboken som du vill komma åt till exempel är /etl/bronze/ingest.pyanger du etl/bronze/ingest.py i fältet Sökväg .

Konfigurera beräkningsbibliotek och beroende bibliotek

1. Använd Compute för att välja eller konfigurera ett kluster som stöder den logik i notebooken.
2. Om du använder Serverless beräkning installerar du bibliotek direkt i notebook-filen, använder panelen Miljö eller använder %pip install. Se Konfigurera den serverlösa miljön.
3. För alla andra beräkningskonfigurationer klickar du på + Lägg till under Beroende bibliotek. Dialogrutan Lägg till beroende bibliotek visas.
   • Du kan välja ett befintligt bibliotek eller ladda upp ett nytt bibliotek.
   • Du kan bara använda bibliotek som lagras på en plats som stöds av dina beräkningskonfigurationer. Se Stöd för Python-bibliotek.
   • Varje bibliotekskälla har ett annat flöde för att välja eller ladda upp ett bibliotek. Se Installera bibliotek.

Slutför jobbkonfigurationen

1. (Valfritt) Konfigurera parametrar som nyckel-värdepar som kan nås i notebook med hjälp av dbutils.widgets. Se Konfigurera aktivitetsparametrar.
2. Klicka på Spara uppgift.

Begränsningar

Notebook-cellernas totala utdata (den kombinerade utdata från alla notebook-celler) omfattas av en begränsning i storlek på 20 MB. Dessutom omfattas enskilda cellutdata av en storleksgräns på 8 MB. Om den totala cellens utdata överskrider 20 MB i storlek, eller om utdata från en enskild cell är större än 8 MB, avbryts körningen och markeras som misslyckad.

Om du behöver hjälp med att hitta celler nära eller utanför gränsen kör du notebook-filen mot ett universellt kluster och använder denna teknik för automatisk lagring av notebook-filer.