Köra en Databricks-anteckningsbok från en annan notebook-fil
Viktigt!
För orkestrering av notebook-filer använder du Databricks-jobb. För scenarier med kod modularisering använder du arbetsytefiler. Du bör bara använda de tekniker som beskrivs i den här artikeln när ditt användningsfall inte kan implementeras med ett Databricks-jobb, till exempel för att loopa notebook-filer över en dynamisk uppsättning parametrar eller om du inte har åtkomst till arbetsytefiler. Mer information finns i Databricks-jobb och dela kod.
Jämförelse av %run
och dbutils.notebook.run()
Med %run
kommandot kan du inkludera en annan notebook-fil i en notebook-fil. Du kan använda %run
för att modularisera koden, till exempel genom att placera stödfunktioner i en separat notebook-fil. Du kan också använda den för att sammanfoga notebook-filer som implementerar stegen i en analys. När du använder %run
körs den anropade notebook-filen omedelbart och de funktioner och variabler som definieras i den blir tillgängliga i den anropande notebook-filen.
API:et dbutils.notebook
är ett komplement till %run
eftersom du kan skicka parametrar till och returnera värden från en notebook-fil. På så sätt kan du skapa komplexa arbetsflöden och pipelines med beroenden. Du kan till exempel hämta en lista över filer i en katalog och skicka namnen till en annan notebook-fil, vilket inte är möjligt med %run
. Du kan också skapa if-then-else-arbetsflöden baserat på returvärden eller anropa andra notebook-filer med hjälp av relativa sökvägar.
dbutils.notebook.run()
Till skillnad från %run
startar metoden ett nytt jobb för att köra notebook-filen.
Dessa metoder, liksom alla dbutils
API:er, är endast tillgängliga i Python och Scala. Du kan dock använda dbutils.notebook.run()
för att anropa en R-notebook-fil.
Använd %run
för att importera en notebook-fil
I det här exemplet definierar den första notebook-filen en funktion, reverse
, som är tillgänglig i den andra notebook-filen när du använder magin %run
för att köra shared-code-notebook
.
Eftersom båda dessa notebook-filer finns i samma katalog på arbetsytan använder du prefixet ./
i ./shared-code-notebook
för att ange att sökvägen ska matchas i förhållande till den notebook-fil som körs. Du kan ordna notebook-filer i kataloger, till exempel %run ./dir/notebook
, eller använda en absolut sökväg som %run /Users/username@organization.com/directory/notebook
.
Kommentar
%run
måste vara i en cell av sig själv, eftersom den kör hela notebook-filen infogad.- Du kan inte använda
%run
för att köra en Python-fil ochimport
de entiteter som definierats i filen i en notebook-fil. Information om hur du importerar från en Python-fil finns i Modularisera koden med hjälp av filer. Eller paketera filen i ett Python-bibliotek, skapa ett Azure Databricks-bibliotek från Python-biblioteket och installera biblioteket i klustret som du använder för att köra anteckningsboken. - När du använder
%run
för att köra en notebook-fil som innehåller widgetar körs som standard den angivna notebook-filen med widgetens standardvärden. Du kan också skicka in värden till widgetar. se Använda Databricks-widgetar med %run.
dbutils.notebook
API
De metoder som är tillgängliga i API:et dbutils.notebook
är run
och exit
. Både parametrar och returvärden måste vara strängar.
run(path: String, timeout_seconds: int, arguments: Map): String
Kör en notebook-fil och returnera dess slutvärde. Metoden startar ett tillfälliga jobb som körs omedelbart.
Parametern timeout_seconds
styr tidsgränsen för körningen (0 innebär ingen timeout): anropet till run
utlöser ett undantag om det inte slutförs inom den angivna tiden. Om Azure Databricks är nere i mer än 10 minuter misslyckas notebook-körningen oavsett timeout_seconds
.
Parametern arguments
anger widgetvärden för målanteckningsboken. Mer specifikt, om notebook-filen som du kör har en widget med namnet A
, och du skickar ett nyckel/värde-par ("A": "B")
som en del av argumentparet till anropet, returneras "B"
värdet för widgeten run()
A
. Du hittar instruktionerna för att skapa och arbeta med widgetar i artikeln Databricks-widgetar .
Kommentar
- Parametern
arguments
accepterar endast latinska tecken (ASCII-teckenuppsättning). Om du använder icke-ASCII-tecken returneras ett fel. - Jobb som skapas med hjälp av API:et
dbutils.notebook
måste slutföras om 30 dagar eller mindre.
run
Användning
Python
dbutils.notebook.run("notebook-name", 60, {"argument": "data", "argument2": "data2", ...})
Scala
dbutils.notebook.run("notebook-name", 60, Map("argument" -> "data", "argument2" -> "data2", ...))
run
Exempel
Anta att du har en notebook-fil med namnet workflows
med en widget med namnet foo
som skriver ut widgetens värde:
dbutils.widgets.text("foo", "fooDefault", "fooEmptyLabel")
print(dbutils.widgets.get("foo"))
Körning dbutils.notebook.run("workflows", 60, {"foo": "bar"})
ger följande resultat:
Widgeten hade det värde som du skickade med hjälp av dbutils.notebook.run()
, "bar"
i stället för standardvärdet.
exit(value: String): void
Avsluta en notebook-fil med ett värde. Om du anropar en notebook-fil med hjälp av run
metoden är det här värdet som returneras.
dbutils.notebook.exit("returnValue")
När du anropar dbutils.notebook.exit
ett jobb slutförs notebook-filen. Om du vill att jobbet ska misslyckas utlöser du ett undantag.
Exempel
I följande exempel skickar du argument till DataImportNotebook
och kör olika notebook-filer (DataCleaningNotebook
eller ErrorHandlingNotebook
) baserat på resultatet från DataImportNotebook
.
När koden körs visas en länk till den notebook-fil som körs:
Om du vill visa information om körningen klickar du på notebook-länken Notebook-jobb #xxxx.
Skicka strukturerade data
Det här avsnittet visar hur du skickar strukturerade data mellan notebook-filer.
Python
# Example 1 - returning data through temporary views.
# You can only return one string using dbutils.notebook.exit(), but since called notebooks reside in the same JVM, you can
# return a name referencing data stored in a temporary view.
## In callee notebook
spark.range(5).toDF("value").createOrReplaceGlobalTempView("my_data")
dbutils.notebook.exit("my_data")
## In caller notebook
returned_table = dbutils.notebook.run("LOCATION_OF_CALLEE_NOTEBOOK", 60)
global_temp_db = spark.conf.get("spark.sql.globalTempDatabase")
display(table(global_temp_db + "." + returned_table))
# Example 2 - returning data through DBFS.
# For larger datasets, you can write the results to DBFS and then return the DBFS path of the stored data.
## In callee notebook
dbutils.fs.rm("/tmp/results/my_data", recurse=True)
spark.range(5).toDF("value").write.format("parquet").save("dbfs:/tmp/results/my_data")
dbutils.notebook.exit("dbfs:/tmp/results/my_data")
## In caller notebook
returned_table = dbutils.notebook.run("LOCATION_OF_CALLEE_NOTEBOOK", 60)
display(spark.read.format("parquet").load(returned_table))
# Example 3 - returning JSON data.
# To return multiple values, you can use standard JSON libraries to serialize and deserialize results.
## In callee notebook
import json
dbutils.notebook.exit(json.dumps({
"status": "OK",
"table": "my_data"
}))
## In caller notebook
import json
result = dbutils.notebook.run("LOCATION_OF_CALLEE_NOTEBOOK", 60)
print(json.loads(result))
Scala
// Example 1 - returning data through temporary views.
// You can only return one string using dbutils.notebook.exit(), but since called notebooks reside in the same JVM, you can
// return a name referencing data stored in a temporary view.
/** In callee notebook */
sc.parallelize(1 to 5).toDF().createOrReplaceGlobalTempView("my_data")
dbutils.notebook.exit("my_data")
/** In caller notebook */
val returned_table = dbutils.notebook.run("LOCATION_OF_CALLEE_NOTEBOOK", 60)
val global_temp_db = spark.conf.get("spark.sql.globalTempDatabase")
display(table(global_temp_db + "." + returned_table))
// Example 2 - returning data through DBFS.
// For larger datasets, you can write the results to DBFS and then return the DBFS path of the stored data.
/** In callee notebook */
dbutils.fs.rm("/tmp/results/my_data", recurse=true)
sc.parallelize(1 to 5).toDF().write.format("parquet").save("dbfs:/tmp/results/my_data")
dbutils.notebook.exit("dbfs:/tmp/results/my_data")
/** In caller notebook */
val returned_table = dbutils.notebook.run("LOCATION_OF_CALLEE_NOTEBOOK", 60)
display(sqlContext.read.format("parquet").load(returned_table))
// Example 3 - returning JSON data.
// To return multiple values, you can use standard JSON libraries to serialize and deserialize results.
/** In callee notebook */
// Import jackson json libraries
import com.fasterxml.jackson.module.scala.DefaultScalaModule
import com.fasterxml.jackson.module.scala.experimental.ScalaObjectMapper
import com.fasterxml.jackson.databind.ObjectMapper
// Create a json serializer
val jsonMapper = new ObjectMapper with ScalaObjectMapper
jsonMapper.registerModule(DefaultScalaModule)
// Exit with json
dbutils.notebook.exit(jsonMapper.writeValueAsString(Map("status" -> "OK", "table" -> "my_data")))
/** In caller notebook */
// Import jackson json libraries
import com.fasterxml.jackson.module.scala.DefaultScalaModule
import com.fasterxml.jackson.module.scala.experimental.ScalaObjectMapper
import com.fasterxml.jackson.databind.ObjectMapper
// Create a json serializer
val jsonMapper = new ObjectMapper with ScalaObjectMapper
jsonMapper.registerModule(DefaultScalaModule)
val result = dbutils.notebook.run("LOCATION_OF_CALLEE_NOTEBOOK", 60)
println(jsonMapper.readValue[Map[String, String]](result))
Hantera fel
Det här avsnittet visar hur du hanterar fel.
Python
# Errors throw a WorkflowException.
def run_with_retry(notebook, timeout, args = {}, max_retries = 3):
num_retries = 0
while True:
try:
return dbutils.notebook.run(notebook, timeout, args)
except Exception as e:
if num_retries > max_retries:
raise e
else:
print("Retrying error", e)
num_retries += 1
run_with_retry("LOCATION_OF_CALLEE_NOTEBOOK", 60, max_retries = 5)
Scala
// Errors throw a WorkflowException.
import com.databricks.WorkflowException
// Since dbutils.notebook.run() is just a function call, you can retry failures using standard Scala try-catch
// control flow. Here we show an example of retrying a notebook a number of times.
def runRetry(notebook: String, timeout: Int, args: Map[String, String] = Map.empty, maxTries: Int = 3): String = {
var numTries = 0
while (true) {
try {
return dbutils.notebook.run(notebook, timeout, args)
} catch {
case e: WorkflowException if numTries < maxTries =>
println("Error, retrying: " + e)
}
numTries += 1
}
"" // not reached
}
runRetry("LOCATION_OF_CALLEE_NOTEBOOK", timeout = 60, maxTries = 5)
Köra flera notebook-filer samtidigt
Du kan köra flera notebook-filer samtidigt med hjälp av standardkonstruktioner för Scala och Python, till exempel Trådar (Scala, Python) och Futures (Scala, Python). Exempelanteckningsböckerna visar hur du använder dessa konstruktioner.
- Ladda ned följande 4 notebook-filer. Notebook-filerna är skrivna i Scala.
- Importera anteckningsböckerna till en enda mapp på arbetsytan.
- Kör anteckningsboken Kör samtidigt .