メインコンテンツまでスキップ

チュートリアル: Visual Studio CodeのDatabricks拡張を用いた、クラスター上およびジョブとしてのPythonの実行

このチュートリアルでは、Visual Studio Code のDatabricks 拡張機能を設定し、DatabricksクラスターでPython を実行し、リモート ワークスペースで ジョブとして実行する方法について説明します。Visual Studio Code の Databricks 拡張機能とはを参照してください。

必要条件

このチュートリアルでは、次のことが必要です。

  • Visual Studio Code 用の Databricks 拡張機能をインストールていること。 Visual Studio Code の Databricks 拡張機能のインストールを参照してください。
  • 使用するリモート Databricks クラスターがあります。 クラスターの名前をメモします。 利用可能なクラスターを表示するには、 Databricks ワークスペースのサイドバーで[ コンピュート ]をクリックします。 コンピュートを参照してください。

手順 1: 新しい Databricks プロジェクトを作成する

この手順では、新しい Databricks プロジェクトを作成し、リモート Databricks ワークスペースとの接続を構成します。

  1. Visual Studio Code を起動し、 ファイル > フォルダーを開く をクリックして、ローカルの開発マシンで空のフォルダーを開きます。
  2. サイドバーで、 Databricks のロゴアイコンをクリックします。 これにより、Databricks 拡張機能が開きます。
  3. 設定 ビューで、 設定の作成 をクリックします。
  4. Databricks ワークスペースを構成するための コマンド パレット が開きます。 Databricks Host で、ワークスペース インスタンスの URL (https://dbc-a1b2345c-d6e7.cloud.databricks.comなど) を入力または選択します。
  5. プロジェクトの認証プロファイルを選択します。 Visual Studio Code の Databricks 拡張機能の承認を設定するを参照してください。

手順 2: クラスター情報を Databricks 拡張機能に追加し、クラスターを開始する

  1. 設定 ビューがすでに開いている状態で、 クラスターの選択 をクリックするか、歯車 ( クラスターの設定 ) アイコンをクリックします。

    クラスターの構成

  2. コマンド パレット で、前に作成したクラスターの名前を選択します。

  3. クラスターが開始していない場合には、再生アイコン( クラスターの起動 )をクリックします。

ステップ 3: Python コードを作成して実行する

  1. ローカルのPythonコードファイルを作成する:サイドバーで、フォルダ( エクスプローラー )アイコンをクリックします。

  2. メイン メニューで、 ファイル > 新しいファイル をクリックし、Python ファイルを選択します。ファイルに demo.py という名前を付け、プロジェクトのルートに保存します。

  3. 以下のコードをファイルに追加し、保存します。このコードは、基本的なPySparkデータフレームを作成し、その内容を表示するコードです。

    Python
    from pyspark.sql import SparkSession
    from pyspark.sql.types import *

    spark = SparkSession.builder.getOrCreate()

    schema = StructType([
    StructField('CustomerID', IntegerType(), False),
    StructField('FirstName', StringType(), False),
    StructField('LastName', StringType(), False)
    ])

    data = [
    [ 1000, 'Mathijs', 'Oosterhout-Rijntjes' ],
    [ 1001, 'Joost', 'van Brunswijk' ],
    [ 1002, 'Stan', 'Bokenkamp' ]
    ]

    customers = spark.createDataFrame(data, schema)
    customers.show()
    Output
    # +----------+---------+-------------------+
    # |CustomerID|FirstName| LastName|
    # +----------+---------+-------------------+
    # | 1000| Mathijs|Oosterhout-Rijntjes|
    # | 1001| Joost| van Brunswijk|
    # | 1002| Stan| Bokenkamp|
    # +----------+---------+-------------------+
  4. エディター タブの一覧の横にある Databricks で実行 アイコンをクリックし、 ファイルのアップロードと実行 をクリックします。 出力が デバッグコンソール ビューに表示されます。

    アイコンからファイルをアップロードして実行する

    または、 エクスプローラー ビューで demo.py ファイルを右クリックし、 Databricks で実行 > ファイルのアップロードと実行 をクリックします。

    コンテキストメニューからのフ�ァイルのアップロードと実行

ステップ 4: コードをジョブとして実行する

demo.py をジョブとして実行するには、エディタ タブのリストの横にある Databricksで実行 アイコンをクリックし、 ワークフローとしてファイルを実行 をクリックします。出力は、 demo.py ファイルエディタの横にある別のエディタタブに表示されます。

アイコンからファイルをワークフローとして実行

または、 エクスプローラー パネルで demo.py ファイルを右クリックし、 Databricks で実行 > ファイルをワークフローとして実行 を選択します。

コンテキストメニューからワークフローとしてファイルを実行する

次のステップ

Visual Studio Code の Databricks 拡張機能を正常に使用してローカルの Python ファイルをアップロードし、リモートで実行したので、次の操作も実行できます。