Référence YAML de l'opérateur défini par l'utilisateur

Les opérateurs définis par l’utilisateur dans Lakeflow Designer sont définis en YAML. Tous les types d'opérateurs (uc-udf, uc-udtf et python-run-function) utilisent le schéma user-defined-operator-v0.1.0, qui définit les champs de configuration en utilisant le format de schéma JSON.

Pour plus d'informations sur la façon de créer des opérateurs définis par l'utilisateur, consultez Opérateurs définis par l'utilisateur dans Lakeflow Designer.

Propriétés racine

Chaque fichier YAML d'opérateur commence par un ensemble de propriétés racine qui identifient l'opérateur et définissent son comportement. L'exemple suivant montre la structure générale :

YAML
schema: user-defined-operator-v0.1.0
type: python-run-function
name: My Operator
id: my_operator
version: '1.0.0'
description: >
  What this operator does.
  Can be multiple lines.
config:
  type: object
  properties:
    my_field:
      type: string
      title: My Field
      description: Help text
ports:
  input:
    - name: data
      title: Input Data
  output:
    - name: out
      title: Output
run_function:
  type: inline
  code: |
    def run(config, inputs, spark):
        return {"out": inputs["data"]}
environment:
  environment_version: '4'
  dependencies:
    - 'pandas>=2.0'

Propriété	Type	Obligatoire	Description
`schema`	chaîne	Oui	Identifiant de schéma. Doit être `user-defined-operator-v0.1.0`.
`type`	chaîne	Oui	Type d'opérateur : `uc-udf`, `uc-udtf`, ou `python-run-function`.
`name`	chaîne	Oui	Nom d'affichage de l'opérateur. Gardez-le court pour l'adapter à l'Interface utilisateur de Lakeflow Designer. Longueur minimale de 1 caractère.
`id`	chaîne	Oui	Identifiant unique pour le type d'opérateur. Longueur minimale de 1 caractère. Envisagez d'utiliser des espaces de noms (tels que `finance.` ou `ml.`) pour catégoriser les opérateurs.
`description`	chaîne	Oui	Description détaillée de ce que fait l'opérateur. Affiché aux utilisateurs dans l'interface utilisateur. Utilisez la syntaxe YAML multiligne (`>`) pour des descriptions plus longues.
`config`	objet	Oui	Objet de schéma JSON qui définit les champs de configuration. Consultez Configuration.
`ports`	objet	Non	Définitions des ports d'entrée et de sortie. Voir Ports.
`version`	chaîne	Oui	Chaîne de version (par exemple, `"1.0.0"`). Utilisez ceci pour suivre vos propres versions d'opérateurs.
`run_function`	objet	Non	Code Python intégré pour `python-run-function` opérateurs. Voir `run_function`.
`environment`	objet	Non	Configuration de l’environnement Python, y compris les dépendances. Consultez `environment`.

Propriété	Type	Obligatoire	Description
`schema`	chaîne	Oui	Identifiant de schéma. Doit être `user-defined-operator-v0.1.0`.
`type`	chaîne	Oui	Type d'opérateur : `uc-udf`, `uc-udtf`, ou `python-run-function`.
`name`	chaîne	Oui	Nom d'affichage de l'opérateur. Gardez-le court pour l'adapter à l'Interface utilisateur de Lakeflow Designer. Longueur minimale de 1 caractère.
`id`	chaîne	Oui	Identifiant unique pour le type d'opérateur. Longueur minimale de 1 caractère. Envisagez d'utiliser des espaces de noms (tels que `finance.` ou `ml.`) pour catégoriser les opérateurs.
`description`	chaîne	Oui	Description détaillée de ce que fait l'opérateur. Affiché aux utilisateurs dans l'interface utilisateur. Utilisez la syntaxe YAML multiligne (`>`) pour des descriptions plus longues.
`config`	objet	Oui	Objet de schéma JSON qui définit les champs de configuration. Consultez Configuration.
`ports`	objet	Non	Définitions des ports d'entrée et de sortie. Voir Ports.
`version`	chaîne	Oui	Chaîne de version (par exemple, `"1.0.0"`). Utilisez ceci pour suivre vos propres versions d'opérateurs.
`run_function`	objet	Non	Code Python intégré pour `python-run-function` opérateurs. Voir `run_function`.
`environment`	objet	Non	Configuration de l’environnement Python, y compris les dépendances. Consultez `environment`.

Ports

Les ports définissent la manière dont votre opérateur se connecte à d’autres opérateurs dans le pipeline. L’objet ports contient les tableaux input et output.

YAML
ports:
  input:
    - name: input_data
      title: Input Data
      mime: application/vnd.databricks.dataframe
      allowMultiple: true
      required: true
  output:
    - name: out
      title: Output

Propriété	Type	Obligatoire	Description
`name`	chaîne	Oui	Identifiant unique pour le port. Utilisé dans les connexions et les références de configuration.
`title`	chaîne	Non	Libellé lisible par l'utilisateur affiché dans l'interface utilisateur.
`mime`	chaîne	Non	Type MIME pour les données du port. Par exemple, `application/vnd.databricks.dataframe`.
`allowMultiple`	booléen	Non	Si `true`, le port accepte plusieurs connexions entrantes. Par défaut, `false`, où le port accepte une seule connexion et le raccordement d'une nouvelle source remplace celle existante.
`required`	booléen	Non	Si `false`, le port est facultatif. Default: `true`.

Propriété	Type	Obligatoire	Description
`name`	chaîne	Oui	Identifiant unique pour le port. Utilisé dans les connexions et les références de configuration.
`title`	chaîne	Non	Libellé lisible par l'utilisateur affiché dans l'interface utilisateur.
`mime`	chaîne	Non	Type MIME pour les données du port. Par exemple, `application/vnd.databricks.dataframe`.
`allowMultiple`	booléen	Non	Si `true`, le port accepte plusieurs connexions entrantes. Par défaut, `false`, où le port accepte une seule connexion et le raccordement d'une nouvelle source remplace celle existante.
`required`	booléen	Non	Si `false`, le port est facultatif. Default: `true`.

Seules les propriétés de port documentées sont acceptées. Les clés inconnues (telles que le champ hérité label) sont rejetées par la validation du schéma.

Exemples de ports

UDF avec des ports d'entrée et de sortie :

YAML
ports:
  input:
    - name: in
      title: Input Data
  output:
    - name: out
      title: Output

UDTF avec ports d'entrée et de sortie :

YAML
ports:
  input:
    - name: input_data
      title: Input Data
  output:
    - name: clustered_data
      title: Clustered Results

fonction d'exécution Python avec plusieurs entrées et un port facultatif :

YAML
ports:
  input:
    - name: main_data
      title: Main Data
    - name: reference_data
      title: Reference Table
      required: false
  output:
    - name: joined_output
      title: Joined Output

Configuration

Le champ config est un objet de schéma JSON. Vous définissez chaque champ de configuration comme une propriété au sein du schéma. Ce format vous donne accès aux fonctionnalités de validation de schéma JSON standard comme enum, minimum, maximum et examples.

L'objet config doit avoir type: object et un mappage properties. Vous pouvez éventuellement inclure required (un tableau de noms de propriétés requis) et additionalProperties.

YAML
config:
  type: object
  properties:
    cluster_count:
      type: number
      title: Number of Clusters
      description: How many clusters to create
      default: 3
      minimum: 1
      maximum: 100
    algorithm:
      type: string
      title: Algorithm
      description: Clustering algorithm to use
      enum: ['kmeans', 'dbscan', 'hierarchical']
      default: kmeans
    feature_col:
      type: string
      title: Feature Column
      description: Column to use as input
      format: expression
      x-ui:
        widget: expression
        port: data
  required: [cluster_count, feature_col]
  additionalProperties: false

Champs de propriété de configuration

Chaque propriété de l’objet config.properties prend en charge les champs de schéma JSON standard suivants :

Champ	Type	Description
`type`	chaîne	Type de données : `string`, `number`, `integer`, `boolean`, `array`, ou `object`.
`title`	chaîne	Libellé lisible par l'utilisateur affiché dans l'interface utilisateur.
`description`	chaîne	Texte d'aide affiché aux utilisateurs.
`default`	tout	Valeur par default pour le champ.
`examples`	tableau	Exemples de valeurs pour le champ.
`enum`	tableau	Liste fixe de valeurs autorisées.
`format`	chaîne	Indication de type sémantique. Voir Formater les valeurs.
`minimum`	Nombre	Valeur minimale autorisée (pour les types `number` et `integer`).
`maximum`	Nombre	Valeur maximale autorisée (pour les types `number` et `integer`).
`items`	objet	Schéma pour les éléments de tableau (lorsque `type` est `array`).
`properties`	objet	Définitions de propriétés imbriquées (lorsque `type` est `object`).
`required`	tableau	Liste des noms de propriétés imbriquées requises (lorsque `type` est `object`).

Champ	Type	Description
`type`	chaîne	Type de données : `string`, `number`, `integer`, `boolean`, `array`, ou `object`.
`title`	chaîne	Libellé lisible par l'utilisateur affiché dans l'interface utilisateur.
`description`	chaîne	Texte d'aide affiché aux utilisateurs.
`default`	tout	Valeur par default pour le champ.
`examples`	tableau	Exemples de valeurs pour le champ.
`enum`	tableau	Liste fixe de valeurs autorisées.
`format`	chaîne	Indication de type sémantique. Voir Formater les valeurs.
`minimum`	Nombre	Valeur minimale autorisée (pour les types `number` et `integer`).
`maximum`	Nombre	Valeur maximale autorisée (pour les types `number` et `integer`).
`items`	objet	Schéma pour les éléments de tableau (lorsque `type` est `array`).
`properties`	objet	Définitions de propriétés imbriquées (lorsque `type` est `object`).
`required`	tableau	Liste des noms de propriétés imbriquées requises (lorsque `type` est `object`).

D'autres champs JSON Schema standard tels que minLength, maxLength, pattern et const sont également pris en charge.

Formater les valeurs

Le champ format d'une propriété de configuration fournit une indication de type sémantique qui indique à Lakeflow Designer comment interpréter la valeur. Ces indications activent un comportement d'interface utilisateur et une validation spécialisés.

Format	Description
`expression`	Référence de colonne ou expression SQL.
`table_source`	Référence de la table source.
`file_source`	Référence de la source du fichier.
`column_expressions`	Expressions de colonne.
`sort_expressions`	Expressions de tri.
`aggregation_expressions`	Expressions d'agrégation.
`ai_function_expressions`	Expressions de fonctions IA.
`is_preview`	Indicateur de mode aperçu automatique. Lakeflow Designer définit ceci à `true` pendant l'aperçu du workflow. Le nom de la propriété de configuration est arbitraire ; seule la balise `format: is_preview` compte. Utilisez ceci pour ignorer les effets secondaires comme les appels d'API externes pendant l'aperçu.
`string[]`	Tableau de chaînes.

Format	Description
`expression`	Référence de colonne ou expression SQL.
`table_source`	Référence de la table source.
`file_source`	Référence de la source du fichier.
`column_expressions`	Expressions de colonne.
`sort_expressions`	Expressions de tri.
`aggregation_expressions`	Expressions d'agrégation.
`ai_function_expressions`	Expressions de fonctions IA.
`is_preview`	Indicateur de mode aperçu automatique. Lakeflow Designer définit ceci à `true` pendant l'aperçu du workflow. Le nom de la propriété de configuration est arbitraire ; seule la balise `format: is_preview` compte. Utilisez ceci pour ignorer les effets secondaires comme les appels d'API externes pendant l'aperçu.
`string[]`	Tableau de chaînes.

Widgets d'interface utilisateur

Les widgets personnalisent la manière dont un champ de configuration s'affiche dans l'interface de Lakeflow Designer. Définissez des widgets dans la propriété x-ui de chaque propriété de configuration. Si vous omettez le widget, Lakeflow Designer utilise un widget default basé sur le type de données.

Widget	Type de données	Description
`input`	chaîne	Saisie de texte sur une seule ligne.
`textarea`	chaîne	Zone de texte multiligne. Prend en charge la propriété facultative `rows`.
`checkbox`	booléen	Case à cocher standard.
`toggle`	booléen	Interrupteur à bascule.
`number`	nombre/entier	Entrée numérique avec contraintes facultatives.
`slider`	nombre/entier	Curseur visuel pour les plages numériques. Prend en charge la propriété facultative `step`.
`select`	chaîne	Menu déroulant à sélection unique. Requiert `optionsSource`.
`multi-select`	tableau	Liste déroulante à sélection multiple. Requiert `optionsSource`.
`expression`	chaîne	Sélecteur de colonne/d’expression. Requiert `port`.

Widget	Type de données	Description
`input`	chaîne	Saisie de texte sur une seule ligne.
`textarea`	chaîne	Zone de texte multiligne. Prend en charge la propriété facultative `rows`.
`checkbox`	booléen	Case à cocher standard.
`toggle`	booléen	Interrupteur à bascule.
`number`	nombre/entier	Entrée numérique avec contraintes facultatives.
`slider`	nombre/entier	Curseur visuel pour les plages numériques. Prend en charge la propriété facultative `step`.
`select`	chaîne	Menu déroulant à sélection unique. Requiert `optionsSource`.
`multi-select`	tableau	Liste déroulante à sélection multiple. Requiert `optionsSource`.
`expression`	chaîne	Sélecteur de colonne/d’expression. Requiert `port`.

`input`

Champ de saisie de texte à une seule ligne.

YAML
api_endpoint:
  type: string
  title: API Endpoint
  x-ui:
    widget: input

`textarea`

Zone de texte multiligne pour un contenu plus long. Prend en charge une propriété rows facultative pour contrôler la hauteur.

YAML
message_body:
  type: string
  title: Message Body
  x-ui:
    widget: textarea
    rows: 4

`checkbox`

Case à cocher standard pour les valeurs booléennes.

YAML
send_notification:
  type: boolean
  title: Send Notification
  default: false
  x-ui:
    widget: checkbox

`toggle`

Bouton bascule pour les valeurs booléennes.

YAML
enable_logging:
  type: boolean
  title: Enable Logging
  default: true
  x-ui:
    widget: toggle

`number`

Champ de saisie numérique. Utilisez minimum et maximum sur la propriété elle-même pour contraindre la plage.

YAML
num_clusters:
  type: number
  title: Number of Clusters
  default: 3
  minimum: 1
  maximum: 100
  x-ui:
    widget: number

`slider`

Curseur visuel pour sélectionner des valeurs numériques dans une plage. Utilisez minimum et maximum sur la propriété pour définir la plage, et step dans x-ui pour contrôler l'incrément.

YAML
confidence_threshold:
  type: number
  title: Confidence Threshold
  default: 0.8
  minimum: 0
  maximum: 1
  x-ui:
    widget: slider
    step: 0.05

`select`

Menu déroulant à sélection unique. Nécessite un optionsSource pour définir l'origine des valeurs du menu déroulant. Consultez Options sources.

YAML
aggregation_type:
  type: string
  title: Aggregation Type
  x-ui:
    widget: select
    optionsSource:
      type: static
      values: ['sum', 'avg', 'min', 'max', 'count']

`multi-select`

Liste déroulante à sélection multiple pour choisir plusieurs valeurs. Utilisez type: array avec items: { type: string } sur la propriété. Nécessite optionsSource. Voir Options sources.

YAML
feature_columns:
  type: array
  title: Feature Columns
  items:
    type: string
  x-ui:
    widget: multi-select
    optionsSource:
      type: inputColumns
      port: input_data

`expression`

Sélecteur de colonne/d'expression permettant aux utilisateurs de choisir une colonne parmi les données d'entrée ou d'écrire une expression SQL personnalisée. Définissez format: expression sur la propriété et spécifiez l'entrée port dans x-ui. Ceci est utile :

Lorsque l'utilisateur doit sélectionner une colonne à partir des données d'entrée.
Lorsque l'utilisateur pourrait vouloir écrire une expression SQL personnalisée.
Pour les paramètres qui font référence à des données dynamiques dans le pipeline.

YAML
amount:
  type: string
  title: Amount
  format: expression
  x-ui:
    widget: expression
    port: input_data

Options sources

Pour les widgets select et multi-select, vous devez définir l'origine des options de la liste déroulante à l'aide de optionsSource. Il existe deux sources : static (une liste fixe définie dans le YAML) et inputColumns (noms de colonnes d'un port d'entrée).

Options statiques

Une liste fixe de valeurs définie dans le YAML.

YAML
optionsSource:
  type: static
  values: ['option1', 'option2', 'option3']

Propriété	Type	Obligatoire	Description
`type`	chaîne	Oui	Doit être `static`.
`values`	tableau	Oui	Tableau de chaînes de valeurs pour la liste déroulante.

Colonnes d'entrée

Remplit dynamiquement la liste déroulante avec les noms de colonne d’un port d’entrée.

YAML
optionsSource:
  type: inputColumns
  port: input_data

Propriété	Type	Obligatoire	Description
`type`	chaîne	Oui	Doit être `inputColumns`.
`port`	chaîne	Oui	Nom du port d'entrée pour obtenir les noms de colonne. Doit correspondre au `name` de l'un de vos ports d'entrée définis.

Propriété	Type	Obligatoire	Description
`type`	chaîne	Oui	Doit être `inputColumns`.
`port`	chaîne	Oui	Nom du port d'entrée pour obtenir les noms de colonne. Doit correspondre au `name` de l'un de vos ports d'entrée définis.

`run_function`

La propriété run_function vous permet d'intégrer du code Python directement dans la configuration YAML pour les opérateurs python-run-function. Cela élimine la nécessité d'enregistrer une fonction Unity Catalog distincte.

YAML
run_function:
  type: inline
  code: |
    def run(config, inputs, spark):
        df = inputs["data"]
        threshold = config["threshold"]
        return {"out": df.filter(df["score"] > threshold)}

Propriété	Type	Obligatoire	Description
`type`	chaîne	Oui	Doit être `inline`.
`code`	chaîne	Oui	Code source Python. Il faut définir une fonction `run()`.

La fonction run() reçoit trois arguments :

config : un dictionnaire de valeurs de configuration définies par l'utilisateur dans l'interface utilisateur.
inputs : Un dictionnaire qui associe les noms des ports d'entrée aux DataFrames.
spark : La SparkSession active.

La fonction doit renvoyer un dictionnaire mappant les noms de ports de sortie aux DataFrames. Les clés doivent correspondre exactement au champ name de chaque port de sortie défini dans ports.output. Par exemple, avec un port de sortie nommé out:

Python
return {"out": result_df}

Avec plusieurs ports de sortie :

Python
return {"match": match_df, "rest": rest_df}

`environment`

La propriété environment spécifie l'environnement Python pour les opérateurs python-run-function. Utilisez-le pour pin la version de l'environnement et déclarer les dépendances pip.

YAML
environment:
  environment_version: '4'
  dependencies:
    - 'scikit-learn>=1.3'
    - 'pandas>=2.0'

Propriété	Type	Obligatoire	Description
`environment_version`	chaîne	Non	La version de l'environnement serverless, qui définit l'exécution Python de base et les bibliothèques préinstallées. Pour les versions disponibles, voir Versions de l'environnement Serverless. Par exemple, `"4"`.
`dependencies`	tableau de chaînes	Non	Liste des spécificateurs de dépendance pip. Chaque entrée suit la syntaxe pip standard (par exemple, `"pandas>=2.0"`).

Propriété	Type	Obligatoire	Description
`environment_version`	chaîne	Non	La version de l'environnement serverless, qui définit l'exécution Python de base et les bibliothèques préinstallées. Pour les versions disponibles, voir Versions de l'environnement Serverless. Par exemple, `"4"`.
`dependencies`	tableau de chaînes	Non	Liste des spécificateurs de dépendance pip. Chaque entrée suit la syntaxe pip standard (par exemple, `"pandas>=2.0"`).

Exemples complets

UDF basée sur UC

Cet exemple définit un opérateur UDF basé sur Unity Catalog qui calcule les intérêts composés.

YAML
schema: user-defined-operator-v0.1.0
type: uc-udf
name: Compound Interest
id: finance.compound_interest
version: '1.0.0'
description: >
  Calculates compound interest based on principal, rate, and time period.

config:
  type: object
  properties:
    principal:
      type: string
      title: Principal Amount
      format: expression
      x-ui:
        widget: expression
        port: input_data

    annual_rate:
      type: number
      title: Annual Interest Rate
      default: 5.0
      minimum: 0
      maximum: 100
      x-ui:
        widget: number

    years:
      type: number
      title: Number of Years
      default: 10
      minimum: 1
      maximum: 50
      x-ui:
        widget: slider
        step: 1

    compound_frequency:
      type: string
      title: Compounding Frequency
      default: 'monthly'
      x-ui:
        widget: select
        optionsSource:
          type: static
          values: ['daily', 'monthly', 'quarterly', 'annually']
  required: [principal, annual_rate]
  additionalProperties: false

ports:
  input:
    - name: input_data
      title: Input Data
  output:
    - name: out
      title: Output

Opérateur de fonction d'exécution Python

Cet exemple définit un opérateur python-run-function qui segmente les clients à l'aide du clustering K-Means.

YAML
schema: user-defined-operator-v0.1.0
type: python-run-function
name: Customer Segmentation
id: ml.customer_segmentation
version: '1.2.0'
description: >
  Segments customers into groups based on selected features
  using K-Means clustering. Returns customer IDs with their
  assigned segment numbers.

config:
  type: object
  properties:
    num_segments:
      type: integer
      title: Number of Segments
      description: How many customer segments to create
      default: 3
      minimum: 2
      maximum: 20
      x-ui:
        widget: number
    customer_id_column:
      type: string
      title: Customer ID Column
      description: Column containing customer identifiers
      x-ui:
        widget: select
        optionsSource:
          type: inputColumns
          port: customer_data
    feature_columns:
      type: array
      title: Feature Columns
      description: Columns to use for segmentation
      items:
        type: string
      x-ui:
        widget: multi-select
        optionsSource:
          type: inputColumns
          port: customer_data
    normalize_features:
      type: boolean
      title: Normalize Features
      description: Whether to normalize feature values before clustering
      default: true
      x-ui:
        widget: toggle
  required: [num_segments, customer_id_column, feature_columns]
  additionalProperties: false

ports:
  input:
    - name: customer_data
      title: Customer Data
      mime: application/vnd.databricks.dataframe
  output:
    - name: segmented_customers
      title: Segmented Customers

run_function:
  type: inline
  code: |
    def run(config, inputs, spark):
        from pyspark.ml.feature import VectorAssembler, StandardScaler
        from pyspark.ml.clustering import KMeans

        df = inputs["customer_data"]
        id_col = config["customer_id_column"]
        features = config["feature_columns"]
        k = config["num_segments"]
        normalize = config.get("normalize_features", True)

        assembler = VectorAssembler(inputCols=features, outputCol="features_vec")
        assembled = assembler.transform(df)

        if normalize:
            scaler = StandardScaler(inputCol="features_vec", outputCol="scaled_features")
            model = scaler.fit(assembled)
            assembled = model.transform(assembled)
            feature_col = "scaled_features"
        else:
            feature_col = "features_vec"

        kmeans = KMeans(k=k, featuresCol=feature_col, predictionCol="segment")
        result = kmeans.fit(assembled).transform(assembled)

        return {"segmented_customers": result.select(id_col, "segment")}

environment:
  environment_version: '4'
  dependencies:
    - 'scikit-learn>=1.3'

Référence rapide

Propriétés racine requises

schema: user-defined-operator-v0.1.0
name: Nom d’affichage
id: Identifiant unique
description: Ce que fait l'opérateur.
config: objet de schéma JSON
type: uc-udf, uc-udtf, ou python-run-function
version: Chaîne de version définie par l'auteur

Propriétés racine facultatives

ports: Définitions des ports d'entrée et de sortie
run_function: Code Python en ligne (python-run-function uniquement)
environment: environnement Python et dépendances (python-run-function uniquement)

Types de données des propriétés de Config

Widgets d'interface utilisateur

Options sources

static (valeurs fixes) | inputColumns (du port d'entrée)

Formater les valeurs

Propriétés racine​

Ports​

Exemples de ports​

Configuration​

Champs de propriété de configuration​

Formater les valeurs​

Widgets d'interface utilisateur​

input​

textarea​

checkbox​

toggle​

number​

slider​

select​

multi-select​

expression​

Options sources​

Options statiques​

Colonnes d'entrée​

run_function​

environment​

Exemples complets​

UDF basée sur UC​

Opérateur de fonction d'exécution Python​

Référence rapide​

Propriétés racine requises​

Propriétés racine facultatives​

Types de données des propriétés de Config​

Widgets d'interface utilisateur​

Options sources​

Formater les valeurs​

Propriétés racine

Ports

Exemples de ports

Configuration

Champs de propriété de configuration

Formater les valeurs

Widgets d'interface utilisateur

`input`

`textarea`

`checkbox`

`toggle`

`number`

`slider`

`select`

`multi-select`

`expression`

Options sources

Options statiques

Colonnes d'entrée

`run_function`

`environment`

Exemples complets

UDF basée sur UC

Opérateur de fonction d'exécution Python

Référence rapide

Propriétés racine requises

Propriétés racine facultatives

Types de données des propriétés de Config

Widgets d'interface utilisateur

Options sources

Formater les valeurs