Så här skapar och uppdaterar du en Spark-jobbdefinition med Microsoft Fabric Rest API

Rest-API:et för Microsoft Fabric tillhandahåller en tjänstslutpunkt för CRUD-åtgärder av infrastrukturresurser. I den här självstudien går vi igenom ett scenario från slutpunkt till slutpunkt om hur du skapar och uppdaterar en Spark-jobbdefinitionsartefakt. Det handlar om tre övergripande steg:

skapa ett Spark-jobbdefinitionsobjekt med något initialt tillstånd
ladda upp huvuddefinitionsfilen och andra lib-filer
uppdatera Spark-jobbdefinitionsobjektet med OneLake-URL:en för huvuddefinitionsfilen och andra lib-filer

Förutsättningar

En Microsoft Entra-token krävs för att få åtkomst till Rest-API:et för infrastrukturresurser. MSAL-biblioteket rekommenderas för att hämta token. Mer information finns i Stöd för autentiseringsflöde i MSAL.
En lagringstoken krävs för att få åtkomst till OneLake-API:et. Mer information finns i MSAL för Python.

Skapa ett Spark-jobbdefinitionsobjekt med det inledande tillståndet

Rest-API:et för Microsoft Fabric definierar en enhetlig slutpunkt för CRUD-åtgärder för infrastrukturresurser. Slutpunkten är https://api.fabric.microsoft.com/v1/workspaces/{workspaceId}/items.

Objektinformationen anges i begärandetexten. Här är ett exempel på begärandetexten för att skapa ett Spark-jobbdefinitionsobjekt:

{
    "displayName": "SJDHelloWorld",
    "type": "SparkJobDefinition",
    "definition": {
        "format": "SparkJobDefinitionV1",
        "parts": [
            {
                "path": "SparkJobDefinitionV1.json",
                "payload":"eyJleGVjdXRhYmxlRmlsZSI6bnVsbCwiZGVmYXVsdExha2Vob3VzZUFydGlmYWN0SWQiOiIiLCJtYWluQ2xhc3MiOiIiLCJhZGRpdGlvbmFsTGFrZWhvdXNlSWRzIjpbXSwicmV0cnlQb2xpY3kiOm51bGwsImNvbW1hbmRMaW5lQXJndW1lbnRzIjoiIiwiYWRkaXRpb25hbExpYnJhcnlVcmlzIjpbXSwibGFuZ3VhZ2UiOiIiLCJlbnZpcm9ubWVudEFydGlmYWN0SWQiOm51bGx9",
                "payloadType": "InlineBase64"
            }
        ]
    }
}

I det här exemplet namnges Spark-jobbdefinitionsobjektet som SJDHelloWorld. Fältet payload är det base64-kodade innehållet i detaljkonfigurationen. Efter avkodningen är innehållet:

{
    "executableFile":null,
    "defaultLakehouseArtifactId":"",
    "mainClass":"",
    "additionalLakehouseIds":[],
    "retryPolicy":null,
    "commandLineArguments":"",
    "additionalLibraryUris":[],
    "language":"",
    "environmentArtifactId":null
}

Här är två hjälpfunktioner för att koda och avkoda den detaljerade installationen:

import base64

def json_to_base64(json_data):
    # Serialize the JSON data to a string
    json_string = json.dumps(json_data)
    
    # Encode the JSON string as bytes
    json_bytes = json_string.encode('utf-8')
    
    # Encode the bytes as Base64
    base64_encoded = base64.b64encode(json_bytes).decode('utf-8')
    
    return base64_encoded

def base64_to_json(base64_data):
    # Decode the Base64-encoded string to bytes
    base64_bytes = base64_data.encode('utf-8')
    
    # Decode the bytes to a JSON string
    json_string = base64.b64decode(base64_bytes).decode('utf-8')
    
    # Deserialize the JSON string to a Python dictionary
    json_data = json.loads(json_string)
    
    return json_data

Här är kodfragmentet för att skapa ett Spark-jobbdefinitionsobjekt:

import requests

bearerToken = "breadcrumb"; # replace this token with the real AAD token

headers = {
    "Authorization": f"Bearer {bearerToken}", 
    "Content-Type": "application/json"  # Set the content type based on your request
}

payload = "eyJleGVjdXRhYmxlRmlsZSI6bnVsbCwiZGVmYXVsdExha2Vob3VzZUFydGlmYWN0SWQiOiIiLCJtYWluQ2xhc3MiOiIiLCJhZGRpdGlvbmFsTGFrZWhvdXNlSWRzIjpbXSwicmV0cnlQb2xpY3kiOm51bGwsImNvbW1hbmRMaW5lQXJndW1lbnRzIjoiIiwiYWRkaXRpb25hbExpYnJhcnlVcmlzIjpbXSwibGFuZ3VhZ2UiOiIiLCJlbnZpcm9ubWVudEFydGlmYWN0SWQiOm51bGx9"

# Define the payload data for the POST request
payload_data = {
    "displayName": "SJDHelloWorld",
    "Type": "SparkJobDefinition",
    "definition": {
        "format": "SparkJobDefinitionV1",
        "parts": [
            {
                "path": "SparkJobDefinitionV1.json",
                "payload": payload,
                "payloadType": "InlineBase64"
            }
        ]
    }
}

# Make the POST request with Bearer authentication
sjdCreateUrl = f"https://api.fabric.microsoft.com//v1/workspaces/{workspaceId}/items"
response = requests.post(sjdCreateUrl, json=payload_data, headers=headers)

Ladda upp huvuddefinitionsfilen och andra lib-filer

En lagringstoken krävs för att ladda upp filen till OneLake. Här är en hjälpfunktion för att hämta lagringstoken:


import msal

def getOnelakeStorageToken():
    app = msal.PublicClientApplication(
        "{client id}", # this filed should be the client id 
        authority="https://login.microsoftonline.com/microsoft.com")

    result = app.acquire_token_interactive(scopes=["https://storage.azure.com/.default"])

    print(f"Successfully acquired AAD token with storage audience:{result['access_token']}")

    return result['access_token']

Nu har vi skapat ett Spark-jobbdefinitionsobjekt, så att det kan köras måste vi konfigurera huvuddefinitionsfilen och nödvändiga egenskaper. Slutpunkten för att ladda upp filen för det här SJD-objektet är https://onelake.dfs.fabric.microsoft.com/{workspaceId}/{sjdartifactid}. Samma "workspaceId" från föregående steg ska användas. Värdet "sjdartifactid" hittades i svarstexten i föregående steg. Här är kodfragmentet för att konfigurera huvuddefinitionsfilen:

import requests

# three steps are required: create file, append file, flush file

onelakeEndPoint = "https://onelake.dfs.fabric.microsoft.com/workspaceId/sjdartifactid"; # replace the id of workspace and artifact with the right one
mainExecutableFile = "main.py"; # the name of the main executable file
mainSubFolder = "Main"; # the sub folder name of the main executable file. Don't change this value


onelakeRequestMainFileCreateUrl = f"{onelakeEndPoint}/{mainSubFolder}/{mainExecutableFile}?resource=file" # the url for creating the main executable file via the 'file' resource type
onelakePutRequestHeaders = {
    "Authorization": f"Bearer {onelakeStorageToken}", # the storage token can be achieved from the helper function above
}

onelakeCreateMainFileResponse = requests.put(onelakeRequestMainFileCreateUrl, headers=onelakePutRequestHeaders)
if onelakeCreateMainFileResponse.status_code == 201:
    # Request was successful
    print(f"Main File '{mainExecutableFile}' was successfully created in onelake.")

# with previous step, the main executable file is created in OneLake, now we need to append the content of the main executable file

appendPosition = 0;
appendAction = "append";

### Main File Append.
mainExecutableFileSizeInBytes = 83; # the size of the main executable file in bytes
onelakeRequestMainFileAppendUrl = f"{onelakeEndPoint}/{mainSubFolder}/{mainExecutableFile}?position={appendPosition}&action={appendAction}";
mainFileContents = "filename = 'Files/' + Constant.filename; tablename = 'Tables/' + Constant.tablename"; # the content of the main executable file, please replace this with the real content of the main executable file
mainExecutableFileSizeInBytes = 83; # the size of the main executable file in bytes, this value should match the size of the mainFileContents

onelakePatchRequestHeaders = {
    "Authorization": f"Bearer {onelakeStorageToken}",
    "Content-Type" : "text/plain"
}

onelakeAppendMainFileResponse = requests.patch(onelakeRequestMainFileAppendUrl, data = mainFileContents, headers=onelakePatchRequestHeaders)
if onelakeAppendMainFileResponse.status_code == 202:
    # Request was successful
    print(f"Successfully Accepted Main File '{mainExecutableFile}' append data.")

# with previous step, the content of the main executable file is appended to the file in OneLake, now we need to flush the file

flushAction = "flush";

### Main File flush
onelakeRequestMainFileFlushUrl = f"{onelakeEndPoint}/{mainSubFolder}/{mainExecutableFile}?position={mainExecutableFileSizeInBytes}&action={flushAction}"
print(onelakeRequestMainFileFlushUrl)
onelakeFlushMainFileResponse = requests.patch(onelakeRequestMainFileFlushUrl, headers=onelakePatchRequestHeaders)
if onelakeFlushMainFileResponse.status_code == 200:
    print(f"Successfully Flushed Main File '{mainExecutableFile}' contents.")
else:
    print(onelakeFlushMainFileResponse.json())

Följ samma process för att ladda upp de andra lib-filerna om det behövs.

Uppdatera Spark-jobbdefinitionsobjektet med OneLake-URL:en för huvuddefinitionsfilen och andra lib-filer

Hittills har vi skapat ett Spark-jobbdefinitionsobjekt med något initialt tillstånd, laddat upp huvuddefinitionsfilen och andra lib-filer. Det sista steget är att uppdatera objektet Spark-jobbdefinition för att ange URL-egenskaperna för huvuddefinitionsfilen och andra lib-filer. Slutpunkten för uppdatering av Spark-jobbdefinitionsobjektet är https://api.fabric.microsoft.com/v1/workspaces/{workspaceId}/items/{sjdartifactid}. Samma "workspaceId" och "sjdartifactid" från föregående steg ska användas. Här är kodfragmentet för att uppdatera Spark-jobbdefinitionsobjektet:


mainAbfssPath = f"abfss://{workspaceId}@onelake.dfs.fabric.microsoft.com/{sjdartifactid}/Main/{mainExecutableFile}" # the workspaceId and sjdartifactid are the same as previous steps, the mainExecutableFile is the name of the main executable file
libsAbfssPath = f"abfss://{workspaceId}@onelake.dfs.fabric.microsoft.com/{sjdartifactid}/Libs/{libsFile}"  # the workspaceId and sjdartifactid are the same as previous steps, the libsFile is the name of the libs file
defaultLakehouseId = 'defaultLakehouseid'; # replace this with the real default lakehouse id

updateRequestBodyJson = {
    "executableFile":mainAbfssPath,
    "defaultLakehouseArtifactId":defaultLakehouseId,
    "mainClass":"",
    "additionalLakehouseIds":[],
    "retryPolicy":None,
    "commandLineArguments":"",
    "additionalLibraryUris":[libsAbfssPath],
    "language":"Python",
    "environmentArtifactId":None}

# Encode the bytes as a Base64-encoded string
base64EncodedUpdateSJDPayload = json_to_base64(updateRequestBodyJson)

# Print the Base64-encoded string
print("Base64-encoded JSON payload for SJD Update:")
print(base64EncodedUpdateSJDPayload)

# Define the API URL
updateSjdUrl = f"https://api.fabric.microsoft.com//v1/workspaces/{workspaceId}/items/{sjdartifactid}/updateDefinition"

updatePayload = base64EncodedUpdateSJDPayload
payloadType = "InlineBase64"
path = "SparkJobDefinitionV1.json"
format = "SparkJobDefinitionV1"
Type = "SparkJobDefinition"

# Define the headers with Bearer authentication
bearerToken = "breadcrumb"; # replace this token with the real AAD token

headers = {
    "Authorization": f"Bearer {bearerToken}", 
    "Content-Type": "application/json"  # Set the content type based on your request
}

# Define the payload data for the POST request
payload_data = {
    "displayName": "sjdCreateTest11",
    "Type": Type,
    "definition": {
        "format": format,
        "parts": [
            {
                "path": path,
                "payload": updatePayload,
                "payloadType": payloadType
            }
        ]
    }
}


# Make the POST request with Bearer authentication
response = requests.post(updateSjdUrl, json=payload_data, headers=headers)
if response.status_code == 200:
    print("Successfully updated SJD.")
else:
    print(response.json())
    print(response.status_code)

För att sammanfatta hela processen krävs både Fabric REST API och OneLake API för att skapa och uppdatera ett Spark-jobbdefinitionsobjekt. Rest-API:et för infrastrukturresurser används för att skapa och uppdatera Spark-jobbdefinitionsobjektet. OneLake-API:et används för att ladda upp huvuddefinitionsfilen och andra lib-filer. Huvuddefinitionsfilen och andra lib-filer laddas upp till OneLake först. Sedan anges URL-egenskaperna för huvuddefinitionsfilen och andra lib-filer i spark-jobbdefinitionsobjektet.

Schemalägga och köra en Apache Spark-jobbdefinition

Feedback

Var den här sidan till hjälp?

Last updated on 2023-11-15