メインコンテンツまでスキップ

Databricks Asset Bundles のクラスター設定をオーバーライドする

この記事では、Databricks Asset Bundle で Databricks クラスタリングの設定を上書きする方法について説明します。「Databricks アセットバンドルとは」を参照してください。

Databricksバンドル構成ファイルでは、次のように、最上位のresourcesマッピングのクラスター設定をtargetsマッピングのクラスター設定と結合できます。

ジョブの場合、ジョブ定義内で job_cluster_key を使用して、最上位の resources マッピングのジョブ クラスタリング設定を識別し、 targets マッピングのジョブ クラスタリング設定と結合します。

YAML
# ...
resources:
  jobs:
    <some-unique-programmatic-identifier-for-this-job>:
      # ...
      job_clusters:
        - job_cluster_key: <some-unique-programmatic-identifier-for-this-key>
          new_cluster:
            # Cluster settings.

targets:
  <some-unique-programmatic-identifier-for-this-target>:
    resources:
      jobs:
        <the-matching-programmatic-identifier-for-this-job>:
          # ...
          job_clusters:
            - job_cluster_key: <the-matching-programmatic-identifier-for-this-key>
              # Any more cluster settings to join with the settings from the
              # resources mapping for the matching top-level job_cluster_key.
          # ...

クラスター設定が、トップレベルのresourcesマッピングと同じjob_cluster_keyのtargetsマッピングの両方で定義されている場合、targetsマッピングの設定は、トップレベルのresourcesマッピングの設定よりも優先されます。

DLT パイプラインの場合、パイプライン定義のクラスタリング設定内のlabelを使用して、最上位のresourcesマッピングのクラスタリング設定を識別し、targetsマッピングのクラスタリング設定と結合します。

YAML
# ...
resources:
  pipelines:
    <some-unique-programmatic-identifier-for-this-pipeline>:
      # ...
      clusters:
        - label: default | maintenance
          # Cluster settings.

targets:
  <some-unique-programmatic-identifier-for-this-target>:
    resources:
      pipelines:
        <the-matching-programmatic-identifier-for-this-pipeline>:
          # ...
          clusters:
            - label: default | maintenance
              # Any more cluster settings to join with the settings from the
              # resources mapping for the matching top-level label.
          # ...

クラスター設定が、トップレベルのresourcesマッピングと同じlabelのtargetsマッピングの両方で定義されている場合、targetsマッピングの設定は、トップレベルのresourcesマッピングの設定よりも優先されます。

例 1: 複数のリソース マッピングで定義され、設定の競合がない新しいジョブ クラスター設定​

この例では、最上位の resources マッピングの spark_version が targets のresourcesマッピングの node_type_id と num_workers と組み合わされて、job_cluster_key という名前の my-clusterの設定を定義します。

YAML
# ...
resources:
  jobs:
    my-job:
      name: my-job
      job_clusters:
        - job_cluster_key: my-cluster
          new_cluster:
            spark_version: 13.3.x-scala2.12

targets:
  development:
    resources:
      jobs:
        my-job:
          name: my-job
          job_clusters:
            - job_cluster_key: my-cluster
              new_cluster:
                node_type_id: i3.xlarge
                num_workers: 1
          # ...

この例で databricks bundle validate を実行すると、結果のグラフは次のようになります。

JSON
{
  "...": "...",
  "resources": {
    "jobs": {
      "my-job": {
        "job_clusters": [
          {
            "job_cluster_key": "my-cluster",
            "new_cluster": {
              "node_type_id": "i3.xlarge",
              "num_workers": 1,
              "spark_version": "13.3.x-scala2.12"
            }
          }
        ],
        "...": "..."
      }
    }
  }
}

例 2: 複数のリソース マッピングで定義された新しいジョブ クラスター設定の競合​

この例では、 spark_versionと num_workers は、トップレベルの resources マッピングと targetsのresourcesマッピングの両方で定義されています。この例では、targets の resources マッピングのspark_versionとnum_workersが、最上位の resources マッピングのspark_versionとnum_workersよりも優先され、my-clusterという名前のjob_cluster_keyの設定を定義します。

YAML
# ...
resources:
  jobs:
    my-job:
      name: my-job
      job_clusters:
        - job_cluster_key: my-cluster
          new_cluster:
            spark_version: 13.3.x-scala2.12
            node_type_id: i3.xlarge
            num_workers: 1

targets:
  development:
    resources:
      jobs:
        my-job:
          name: my-job
          job_clusters:
            - job_cluster_key: my-cluster
              new_cluster:
                spark_version: 12.2.x-scala2.12
                num_workers: 2
          # ...

この例で databricks bundle validate を実行すると、結果のグラフは次のようになります。

JSON
{
  "...": "...",
  "resources": {
    "jobs": {
      "my-job": {
        "job_clusters": [
          {
            "job_cluster_key": "my-cluster",
            "new_cluster": {
              "node_type_id": "i3.xlarge",
              "num_workers": 2,
              "spark_version": "12.2.x-scala2.12"
            }
          }
        ],
        "...": "..."
      }
    }
  }
}

例 3: 複数のリソース マッピングで定義され、設定の競合がないパイプライン クラスター設定​

この例では、最上位のresourcesマッピングのnode_type_idがtargetsのresourcesマッピングのnum_workersと組み合わされて、defaultという名前のlabelの設定を定義します。

YAML
# ...
resources:
  pipelines:
    my-pipeline:
      clusters:
        - label: default
          node_type_id: i3.xlarge

targets:
  development:
    resources:
      pipelines:
        my-pipeline:
          clusters:
            - label: default
              num_workers: 1
          # ...

この例で databricks bundle validate を実行すると、結果のグラフは次のようになります。

JSON
{
  "...": "...",
  "resources": {
    "pipelines": {
      "my-pipeline": {
        "clusters": [
          {
            "label": "default",
            "node_type_id": "i3.xlarge",
            "num_workers": 1
          }
        ],
        "...": "..."
      }
    }
  }
}

例 4: 複数のリソース マッピングで定義された競合するパイプライン クラスター設定​

この例では、トップレベルのresourcesマッピングとtargets内のresourcesマッピングの両方でnum_workers定義されています。targets の resources マッピングのnum_workersは、最上位のresourcesマッピングのnum_workersよりも優先され、label という名前の defaultの設定を定義します。

YAML
# ...
resources:
  pipelines:
    my-pipeline:
      clusters:
        - label: default
          node_type_id: i3.xlarge
          num_workers: 1

targets:
  development:
    resources:
      pipelines:
        my-pipeline:
          clusters:
            - label: default
              num_workers: 2
          # ...

この例で databricks bundle validate を実行すると、結果のグラフは次のようになります。

JSON
{
  "...": "...",
  "resources": {
    "pipelines": {
      "my-pipeline": {
        "clusters": [
          {
            "label": "default",
            "node_type_id": "i3.xlarge",
            "num_workers": 2
          }
        ],
        "...": "..."
      }
    }
  }
}
に最終更新