Visual Studio Code ile dbx kullanma

Makale
10/09/2024

Önemli

Bu belge kullanımdan kaldırılmıştır ve güncelleştirilmeyebilir.

Databricks, Databricks Labs yerine dbx Databricks Varlık Paketleri kullanmanızı önerir. Bkz . Databricks Varlık Paketleri nedir? ve Dbx'ten paketlere geçiş.

Azure Databricks'i Visual Studio Code ile kullanmak için Visual Studio Code için Databricks uzantısı makalesine bakın.

Bu makalede, Python uyumlu herhangi bir IDE'de çalışabileceğiniz Python tabanlı bir kod örneği açıklanmaktadır. Özellikle, bu makalede aşağıdaki geliştirici üretkenliği özelliklerini sağlayan Visual Studio Code'da bu kod örneğiyle nasıl çalışıldığı açıklanmaktadır:

Kod tamamlama
Lint uygulama
Test etme
Uzak Azure Databricks kaynaklarına gerçek zamanlı bağlantı gerektirmeyen kod nesnelerinde hata ayıklama.

Bu makalede, kod örneğini uzak bir Azure Databricks çalışma alanına göndermek için Visual Studio Code ile birlikte Databricks Labs tarafından dbx kullanılmaktadır. dbxAzure Databricks'e gönderilen kodu bu çalışma alanında bir Azure Databricks işleri kümesinde çalıştırması için iş akışlarını zamanlamasını ve düzenlemesini sağlar.

Kodunuzun sürüm denetimi ve sürekli tümleştirme ve sürekli teslimi veya sürekli dağıtımı (CI/CD) için popüler üçüncü taraf Git sağlayıcılarını kullanabilirsiniz. Sürüm denetimi için bu Git sağlayıcıları aşağıdakileri içerir:

GitHub
Bitbucket
GitLab
Azure DevOps (Azure Çin bölgelerinde kullanılamaz)
AWS CodeCommit
GitHub AE

CI/CD için dbx aşağıdaki CI/CD platformlarını destekler:

Sürüm denetiminin ve CI/CD'nin nasıl çalışabileceğini göstermek için, bu makalede GitHub ve GitHub Actions ile birlikte Visual Studio Code, dbxve bu kod örneğinin nasıl kullanılacağı açıklanır.

Kod örneği gereksinimleri

Bu kod örneğini kullanmak için aşağıdakilere sahip olmanız gerekir:

Azure Databricks hesabınızda bir Azure Databricks çalışma alanı.
Bir GitHub hesabı. Henüz bir GitHub hesabınız yoksa bir GitHub hesabı oluşturun.

Ayrıca, yerel geliştirme makinenizde aşağıdakilere sahip olmanız gerekir:

Python sürüm 3.8 veya üzeri.

Hedef kümelerinizde yüklü olanla eşleşen bir Python sürümü kullanmalısınız. Mevcut bir kümede yüklü olan Python sürümünü almak için, komutunu çalıştırmak için kümenin web terminalini python --version kullanabilirsiniz. Ayrıca Databricks Runtime sürüm notlarının sürümleri ve hedef kümeleriniz için Databricks Runtime sürümü uyumluluğu bölümündeki "Sistem ortamı" bölümüne de bakın. Her durumda Python sürümü 3.8 veya üzeri olmalıdır.

Yerel makinenizde şu anda başvuruda bulunan Python sürümünü almak için yerel terminalinizden komutunu çalıştırın python --version . (Yerel makinenizde Python'ı nasıl ayarladığınıza bağlı olarak, bu makalenin tamamında python değil çalıştırmanız python3 gerekebilir.) Ayrıca bkz. Python yorumlayıcı seçme.
pip. pip python'ın daha yeni sürümleriyle otomatik olarak yüklenir. Zaten yüklü olup olmadığını pip denetlemek için yerel terminalinizden komutunu çalıştırın pip --version . (Python'ı nasıl ayarladığınıza veya pip yerel makinenizde nasıl ayarladığınıza bağlı olarak, bu makalenin tamamında pip değil çalıştırmanız pip3 gerekebilir.)
dbx sürüm 0.8.0 veya üzeri. komutunu çalıştırarak pip install dbxpaketi Python Paket Dizini'nden (PyPI) yükleyebilirsinizdbx.

Not

Şimdi yüklemeniz dbx gerekmez. Bunu daha sonra kod örneği kurulum bölümünden yükleyebilirsiniz.
Projelerinizde dbx python ve paket bağımlılıklarının doğru sürümlerini kullandığınızdan emin olmak için Python sanal ortamları oluşturma yöntemi. Bu makale pipenv'i kapsar.
Databricks CLI sürüm 0.18 veya üzeri, kimlik doğrulaması ile ayarlanır.

Not

Eski Databricks CLI'yi (Databricks CLI sürüm 0.17) şimdi yüklemeniz gerekmez. Bunu daha sonra kod örneği kurulum bölümünden yükleyebilirsiniz. Daha sonra yüklemek istiyorsanız, bunun yerine kimlik doğrulamasını ayarlamayı unutmamalısınız.
Visual Studio Code.
Visual Studio Code için Python uzantısı.
Visual Studio Code için GitHub Çekme İstekleri ve Sorunları uzantısı.
Git.

Kod örneği hakkında

Bu makalenin GitHub'daki databricks/ide-best-practices deposunda bulunan Python kod örneği aşağıdakileri yapar:

GitHub'daki owid/covid-19-data deposundan veri alır.
Belirli bir ISO ülke kodu için verileri filtreler.
Verilerden bir özet tablo oluşturur.
Veriler üzerinde veri temizleme gerçekleştirir.
Kod mantığını yeniden kullanılabilir işlevlere modülerleştirir.
Birim işlevleri test ediyor.
Kodun dbx verileri uzak bir Azure Databricks çalışma alanında delta tablosuna yazmasını sağlamak için proje yapılandırmaları ve ayarları sağlar.

Kod örneğini ayarlama

Bu kod örneğinin gereksinimlerini karşıladıktan sonra, kod örneğini kullanmaya başlamak için aşağıdaki adımları tamamlayın.

Not

Bu adımlar CI/CD için bu kod örneğini ayarlamayı içermez. Bu kod örneğini çalıştırmak için CI/CD ayarlamanız gerekmez. CI/CD'yi daha sonra ayarlamak istiyorsanız bkz . GitHub Actions ile çalıştırma.

1. Adım: Python sanal ortamı oluşturma

Terminalinizde, bu kod örneğinin sanal ortamını içeren boş bir klasör oluşturun. Bu yönergelerde adlı ide-demobir üst klasör kullanılır. Bu klasöre istediğiniz adı verebilirsiniz. Farklı bir ad kullanıyorsanız, bu makalenin tamamında adı değiştirin. Klasörü oluşturduktan sonra klasöre geçin ve ardından bu klasörden Visual Studio Code'u başlatın. Komutun arkasına nokta (.) eklediğinizden code emin olun.

Linux ve macOS için:
```
mkdir ide-demo
cd ide-demo
code .
```
İpucu

hatasını command not found: codealırsanız, bkz . Microsoft web sitesindeki komut satırından başlatma.

Windows için:
```
md ide-demo
cd ide-demo
code .
```
Visual Studio Code'da, menü çubuğunda Terminali Görüntüle'ye > tıklayın.
Klasörün kökünden ide-demo komutunu aşağıdaki seçenekle çalıştırın pipenv ; burada <version> yerel olarak zaten yüklemiş olduğunuz Hedef Python sürümüdür (ve ideal olarak hedef kümelerinizin Python sürümüyle eşleşen bir sürümdür). Örneğin 3.8.14.
```
pipenv --python <version>
```
Sonraki adımda ihtiyacınız olacağı için komutun pipenv çıkışındaki değeri not Virtualenv location edin.
Hedef Python yorumlayıcısını seçin ve python sanal ortamını etkinleştirin:
1. Menü çubuğunda Komut Paletini Görüntüle'ye > tıklayın, yazın Python: Selectve python: Yorumlayıcı'yı seçin'e tıklayın.
2. Yeni oluşturduğunuz Python sanal ortamına giden yolda Python yorumlayıcısını seçin. (Bu yol, komutun Virtualenv location çıkışında pipenv değer olarak listelenir.)
3. Menü çubuğunda Komut Paletini Görüntüle'ye > tıklayın, yazın Terminal: Createve ardından Terminal: Yeni Terminal Oluştur'a tıklayın.
4. Komut isteminin kabukta olduğunuzu gösterdiğinden pipenv emin olun. Onaylamak için komut isteminizden önce gibi (<your-username>) bir şey görmeniz gerekir. Bunu görmüyorsanız aşağıdaki komutu çalıştırın:
```
pipenv shell
```
  Kabukta pipenv çıkmak için komutunu exitçalıştırın ve parantezler kaybolur.
Daha fazla bilgi için Visual Studio Code belgelerindeki VS Code'da Python ortamlarını kullanma bölümüne bakın.

2. Adım: GitHub'dan kod örneğini kopyalama

Visual Studio Code'da, henüz açık değilse klasörü (Dosya > Aç Klasörü) açınide-demo.
Komut Paleti Görüntüle'ye > tıklayın, yazın Git: Cloneve git: Kopyala'ya tıklayın.
Depo URL'si sağlayın veya bir depo kaynağı seçin içinhttps://github.com/databricks/ide-best-practices
Klasörünüze ide-demo göz atın ve Depo Konumu Seç'e tıklayın.

3. Adım: Kod örneğinin bağımlılıklarını yükleme

Ve Databricks CLI sürüm 0.18'in python sürümünüzle uyumlu bir dbx sürümünü yükleyin. Bunu yapmak için terminalinizdeki Visual Studio Code'da, bir kabuğun etkinleştirildiği klasörünüzden ide-demo pipenv ()pipenv shell aşağıdaki komutu çalıştırın:
```
pip install dbx
```
Yüklü olduğunu dbx onaylayın. Bunu yapmak için aşağıdaki komutu çalıştırın:
```
dbx --version
```
Sürüm numarası döndürülürse dbx yüklenir.

Sürüm numarası 0.8.0'ın altındaysa, aşağıdaki komutu çalıştırarak yükseltin dbx ve ardından sürüm numarasını yeniden denetleyin:
```
pip install dbx --upgrade
dbx --version

# Or ...
python -m pip install dbx --upgrade
dbx --version
```
yüklediğinizde dbx, eski Databricks CLI (Databricks CLI sürüm 0.17) da otomatik olarak yüklenir. Eski Databricks CLI'sinin (Databricks CLI sürüm 0.17) yüklü olduğunu onaylamak için aşağıdaki komutu çalıştırın:
```
databricks --version
```
Databricks CLI sürüm 0.17 döndürülürse eski Databricks CLI yüklenir.
Eski Databricks CLI'yi (Databricks CLI sürüm 0.17) kimlik doğrulamasıyla ayarlamadıysanız, bunu şimdi yapmanız gerekir. Kimlik doğrulamasının ayarlandığını onaylamak için aşağıdaki temel komutu çalıştırarak Azure Databricks çalışma alanınızla ilgili bazı özet bilgileri alın. Alt komutun arkasına eğik çizgiyi (/) eklediğinizden ls emin olun:
```
databricks workspace ls /
```
Çalışma alanınız için kök düzeyinde klasör adlarının listesi döndürülürse kimlik doğrulaması ayarlanır.
Bu kod örneğinin bağımlı olduğu Python paketlerini yükleyin. Bunu yapmak için klasöründen aşağıdaki komutu ide-demo/ide-best-practices çalıştırın:
```
pip install -r unit-requirements.txt
```
Kod örneğinin bağımlı paketlerinin yüklendiğini onaylayın. Bunu yapmak için aşağıdaki komutu çalıştırın:
```
pip list
```
ve unit-requirements.txt dosyalarında requirements.txt listelenen paketler bu listede bir yerdeyse, bağımlı paketler yüklenir.

Not

içinde requirements.txt listelenen dosyalar belirli paket sürümleri içindir. Daha iyi uyumluluk için, azure Databricks çalışma alanınızın daha sonra dağıtımları çalıştırmak için kullanmasını istediğiniz küme düğümü türüyle bu sürümlere çapraz başvuruda bulunabilirsiniz. Databricks Runtime sürüm notları sürümleri ve uyumluluğunda kümenizin Databricks Runtime sürümü için "Sistem ortamı" bölümüne bakın.

4. Adım: Azure Databricks çalışma alanınız için kod örneğini özelleştirme

Deponun dbx proje ayarlarını özelleştirin. Bunu yapmak için, .dbx/project.json dosyasında nesnesinin profile DEFAULT değerini, eski Databricks CLI ile (Databricks CLI sürüm 0.17) kimlik doğrulaması için ayarladığınız profilin adıyla değiştirin. Varsayılan olmayan bir profil ayarlamadıysanız olduğu gibi bırakın DEFAULT . Örneğin:
```
{
  "environments": {
    "default": {
      "profile": "DEFAULT",
      "storage_type": "mlflow",
      "properties": {
        "workspace_directory": "/Workspace/Shared/dbx/covid_analysis",
        "artifact_location": "dbfs:/Shared/dbx/projects/covid_analysis"
      }
    }
  },
  "inplace_jinja_support": false
}
```

dbx Projenin dağıtım ayarlarını özelleştirin. Bunu yapmak için, conf/deployment.yml dosyasında ve node_type_id nesnelerinin spark_version 10.4.x-scala2.12 m6gd.large değerini, Azure Databricks çalışma zamanı sürüm dizesi ve Azure Databricks çalışma alanınızın üzerinde dağıtımları çalıştırmak için kullanmasını istediğiniz küme düğümü türüyle değiştirin.

Örneğin, Databricks Runtime 10.4 LTS ve bir Standard_DS3_v2 düğüm türü belirtmek için:

environments:
  default:
    workflows:
      - name: "covid_analysis_etl_integ"
        new_cluster:
          spark_version: "10.4.x-scala2.12"
          num_workers: 1
        node_type_id: "Standard_DS3_v2"
        spark_python_task:
          python_file: "file://jobs/covid_trends_job.py"
      - name: "covid_analysis_etl_prod"
        new_cluster:
          spark_version: "10.4.x-scala2.12"
          num_workers: 1
          node_type_id: "Standard_DS3_v2"
          spark_python_task:
            python_file: "file://jobs/covid_trends_job.py"
          parameters: ["--prod"]
      - name: "covid_analysis_etl_raw"
        new_cluster:
          spark_version: "10.4.x-scala2.12"
          num_workers: 1
          node_type_id: "Standard_DS3_v2"
          spark_python_task:
            python_file: "file://jobs/covid_trends_job_raw.py"

İpucu

Bu örnekte, bu üç iş tanımının her biri aynı spark_version ve node_type_id değere sahiptir. Farklı iş tanımları için farklı değerler kullanabilirsiniz. Ayrıca, yazma hatalarını ve kod bakımını azaltmak için paylaşılan değerler oluşturabilir ve bunları iş tanımları arasında yeniden kullanabilirsiniz. Belgelerde YAML örneğine dbx bakın.

Kod örneğini keşfetme

Kod örneğini ayarladıktan sonra, klasördeki çeşitli dosyaların ide-demo/ide-best-practices nasıl çalıştığı hakkında bilgi edinmek için aşağıdaki bilgileri kullanın.

Kod modülerleştirme

Değiştirilmemiş kod

Dosya jobs/covid_trends_job_raw.py , kod mantığının değiştirilmemiş bir sürümüdür. Bu dosyayı tek başına çalıştırabilirsiniz.

Modüler kod

Dosya jobs/covid_trends_job.py , kod mantığının modülerleştirilmiş bir sürümüdür. Bu dosya, dosyadaki paylaşılan koda covid_analysis/transforms.py dayanır. Dosya, covid_analysis/__init__.py klasörü içeren bir paket olarak ele covide_analysis alır.

Test Etme

Birim testleri

Dosya, tests/testdata.csv test amacıyla dosyadaki covid-hospitalizations.csv verilerin küçük bir bölümünü içerir. Dosya, tests/transforms_test.py dosyanın birim testlerini covid_analysis/transforms.py içerir.

Birim testi çalıştırıcısı

Dosya, pytest.ini pytest ile testleri çalıştırmak için yapılandırma seçeneklerini içerir. Belgelerde pytest.ini ve Yapılandırma Seçenekleri'ne pytest bakın.

Dosya, .coveragerc coverage.py ile Python kod kapsamı ölçümleri için yapılandırma seçeneklerini içerir. Belgelerdeki Yapılandırma başvurusuna coverage.py bakın.

ile requirements.txt daha önce pipçalıştırdığınız dosyanın bir alt kümesi unit-requirements.txt olan dosya, birim testlerinin de bağımlı olduğu paketlerin listesini içerir.

Paketleme

Dosya, setup.py Python projelerini kurulum araçlarıyla paketlemek için konsolunda (konsol betikleri) pip çalıştırılacak komutlar sağlar. Belgelerde Giriş Noktaları'na setuptools bakın.

Diğer dosyalar

Bu kod örneğinde daha önce açıklanmamış başka dosyalar da vardır:

Klasör.github/workflows, databricks_pull_request_tests.ymlonrelease.yamlonpush.ymlGitHub Actions bölümünde daha sonra ele alınan GitHub Actions'ı temsil eden üç dosya içerir.
Dosya, Git'in .gitignore deponuz için yoksaydığını yerel klasörlerin ve dosyaların listesini içerir.

Kod örneğini çalıştırma

Sonraki alt bölümde açıklandığı gibi Azure Databricks'e kod örneğini uzak çalışma alanınızda isteğe bağlı olarak çalıştırmasını bildirmek için yerel makinenizde kullanabilirsiniz dbx . Dilerseniz GitHub Actions'ı kullanarak GitHub deponuza her kod değişikliği gönderişinizde GitHub'ın kod örneğini çalıştırmasını sağlayabilirsiniz.

dbx ile çalıştırma

Projenizin kökünden covid_analysis (örneğin, ide-demo/ide-best-practices klasör) aşağıdaki komutu çalıştırarak klasörün içeriğini Python setuptools geliştirme modunda paket olarak dbx yükleyin. Bu komutun sonuna nokta (.) eklediğinizden emin olun:
```
pip install -e .
```
Bu komut, ve covid_analysis/transforms.py dosyalarının derlenmiş sürümü covid_analysis/__init__.py hakkında bilgi içeren bir covid_analysis.egg-info klasör oluşturur.
Aşağıdaki komutu çalıştırarak testleri çalıştırın:
```
pytest tests/
```
Testlerin sonuçları terminalde görüntülenir. Dört test de başarılı olarak gösterilmelidir.

İpucu

R ve Scala not defterleri için test de dahil olmak üzere teste yönelik ek yaklaşımlar için bkz . Not defterleri için birim testi.
İsteğe bağlı olarak, aşağıdaki komutu çalıştırarak testleriniz için test kapsamı ölçümlerini alın:
```
coverage run -m pytest tests/
```
Not

Bulunamayan bir ileti görüntülenirse coverage komutunu çalıştırın pip install coverageve yeniden deneyin.

Test kapsamı sonuçlarını görüntülemek için aşağıdaki komutu çalıştırın:
```
coverage report -m
```
Dört test de geçerse aşağıdaki komutu çalıştırarak projenin içeriğini Azure Databricks çalışma alanınıza gönderin dbx :
```
dbx deploy --environment=default
```
Proje ve çalıştırmaları hakkındaki bilgiler dosyadaki nesnede workspace_directory .dbx/project.json belirtilen konuma gönderilir.

Projenin içeriği, dosyadaki nesnede artifact_location .dbx/project.json belirtilen konuma gönderilir.
Aşağıdaki komutu çalıştırarak çalışma alanınızda kodun üretim öncesi sürümünü çalıştırın:
```
dbx launch covid_analysis_etl_integ
```
Çalıştırmanın sonuçlarına bağlantı terminalde görüntülenir. Şuna benzer şekilde görünecektir:
```
https://<your-workspace-instance-id>/?o=1234567890123456#job/123456789012345/run/12345
```
Çalıştırmanın sonuçlarını çalışma alanınızda görmek için web tarayıcınızda bu bağlantıyı izleyin.
Aşağıdaki komutu çalıştırarak çalışma alanınızda kodun üretim sürümünü çalıştırın:
```
dbx launch covid_analysis_etl_prod
```
Çalıştırmanın sonuçlarına bağlantı terminalde görüntülenir. Şuna benzer şekilde görünecektir:
```
https://<your-workspace-instance-id>/?o=1234567890123456#job/123456789012345/run/23456
```
Çalıştırmanın sonuçlarını çalışma alanınızda görmek için web tarayıcınızda bu bağlantıyı izleyin.

GitHub Actions ile çalıştırma

Projenin .github/workflows klasöründe onpush.yml ve onrelease.yml GitHub Actions dosyaları aşağıdakileri yapar:

ile vbaşlayan bir etikete yapılan her gönderimdecovid_analysis_etl_prod, işi dağıtmak için kullanırdbx.
ile vbaşlayan bir etikete olmayan her gönderimde:
1. Birim testlerini çalıştırmak için kullanır pytest .
2. İşte covid_analysis_etl_integ belirtilen dosyayı uzak çalışma alanına dağıtmak için kullanırdbx.
3. Uzak çalışma alanında işte belirtilen covid_analysis_etl_integ zaten dağıtılmış dosyayı başlatmak için kullanır dbx ve bu çalışma bitene kadar bu çalıştırmayı takip eder.

Not

ve onrelease.yml GitHub Actions dosyalarını etkilemeden onpush.yml denemeniz için bir şablon olarak ek bir GitHub Actions dosyası databricks_pull_request_tests.ymlsağlanır. Bu kod örneğini databricks_pull_request_tests.yml GitHub Actions dosyası olmadan çalıştırabilirsiniz. Kullanımı bu makalede ele alınmamıştır.

Aşağıdaki alt bölümlerde ve onrelease.yml GitHub Actions dosyalarının nasıl ayarlanacağı ve çalıştırıldığı onpush.yml açıklanmaktadır.

GitHub Actions'ı kullanmak için ayarlama

CI/CD için hizmet sorumluları başlığı altında yer alan yönergeleri izleyerek Azure Databricks çalışma alanınızı ayarlayın. Bu, aşağıdaki eylemleri içerir:

Hizmet sorumlusu oluşturma.
Hizmet sorumlusu için bir Microsoft Entra Id belirteci oluşturun.

En iyi güvenlik uygulaması olarak Databricks, GitHub'ın Azure Databricks çalışma alanınızla kimlik doğrulamasını sağlamak için çalışma alanı kullanıcınız için Databricks kişisel erişim belirteci yerine bir hizmet sorumlusu için Microsoft Entra ID belirteci kullanmanızı önerir.

Hizmet sorumlusunu ve Microsoft Entra Id belirtecini oluşturduktan sonra, bir sonraki bölümde kullanacağınız Microsoft Entra ID belirteci değerini durdurun ve not edin.

GitHub Actions'ı çalıştırma

1. Adım: Kopyalanan deponuzu yayımlama

Visual Studio Code'da kenar çubuğunda GitHub simgesine tıklayın. Simge görünmüyorsa, önce Uzantılar görünümü (Uzantıları Görüntüle) aracılığıyla GitHub Çekme İstekleri ve Sorunları uzantısını etkinleştirin.>
Oturum Aç düğmesi görünür durumdaysa, düğmeye tıklayın ve GitHub hesabınızda oturum açmak için ekrandaki yönergeleri izleyin.
Menü çubuğunda Komut Paletini Görüntüle'ye > tıklayın, yazın Publish to GitHubve github'da yayımla'ya tıklayın.
Kopyalanan deponuzu GitHub hesabınızda yayımlamak için bir seçenek belirleyin.

2. Adım: Deponuza şifrelenmiş gizli diziler ekleme

Yayımlanan deponuzun GitHub web sitesinde, aşağıdaki şifrelenmiş gizli diziler için Bir depo için şifrelenmiş gizli diziler oluşturma başlığı altındaki yönergeleri izleyin:

adlı DATABRICKS_HOSTşifrelenmiş bir gizli dizi oluşturun, örneğin https://adb-1234567890123456.7.azuredatabricks.netçalışma alanı başına URL'nizin değerine ayarlayın.
adlı DATABRICKS_TOKENşifrelenmiş bir gizli dizi oluşturun ve hizmet sorumlusu için Microsoft Entra Id belirtecinin değerine ayarlayın.

3. Adım: Deponuzda dal oluşturma ve yayımlama

Visual Studio Code'da, Kaynak Denetimi görünümünde (Kaynak Denetimini Görüntüle>) ... (Görünümler ve Diğer Eylemler) simgesine tıklayın.
Dal > Oluştur'a tıklayın.
Dal için bir ad girin, örneğin my-branch.
Dalın oluşturulacağı dalı seçin, örneğin main.
Yerel deponuzdaki dosyalardan birinde küçük bir değişiklik yapın ve dosyayı kaydedin. Örneğin, dosyadaki bir kod açıklamasında tests/transforms_test.py küçük bir değişiklik yapın.
Kaynak Denetimi görünümünde... (Görünümler ve Diğer Eylemler) simgesine yeniden tıklayın.
Değişiklikler Tüm Değişiklikleri >Hazırlama'ya tıklayın.
... (Görünümler ve Diğer Eylemler) simgesine yeniden tıklayın.
İşleme Aşamalı'ya >tıklayın.
İşleme için bir ileti girin.
... (Görünümler ve Diğer Eylemler) simgesine yeniden tıklayın.
Dal Yayımla Dal'a >tıklayın.

4. Adım: Çekme isteği oluşturma ve birleştirme

Yayımlanmış deponuz https://github/<your-GitHub-username>/ide-best-practicesiçin GitHub web sitesine gidin.
Çekme istekleri sekmesinde, dalımda son göndermeler oldu seçeneğinin yanındaki Karşılaştır ve çekme isteği'ne tıklayın.
Çekme isteği oluştur'a tıklayın.
Çekme isteği sayfasında CI pipleline / ci-pipeline (push) öğesinin yanındaki simgenin yeşil onay işareti görüntülemesini bekleyin. (Simgenin görünmesi birkaç dakika sürebilir.) Yeşil onay işareti yerine kırmızı bir X işareti varsa nedenini öğrenmek için Ayrıntılar'a tıklayın. Simge veya Ayrıntılar artık gösterilmiyorsa Tüm denetimleri göster'e tıklayın.
Yeşil onay işareti görünürse Çekme isteğini birleştir'e tıklayarak çekme isteğini dalla main birleştirin.

Aracılığıyla paylaş