UDF でタスク コンテキストを取得する

TaskContext PySpark API を使用して、バッチ Unity Catalog Python UDF または PySpark UDFの実行中にコンテキスト情報を取得します。

たとえば、ユーザーの ID やクラスタータグなどのコンテキスト情報を使用すると、外部サービスにアクセスするためにユーザーの ID を検証できます。

必要条件

• TaskContext は、Databricks Runtime バージョン 16.3 以降でサポートされています。

• TaskContext は、次の UDF タイプでサポートされています。

  • バッチ Unity Catalog Python UDF
  • スカラー Python UDF

TaskContext を使用してコンテキスト情報を取得する

タブを選択すると、 PySpark UDF または バッチ Unity Catalog Python UDF の TaskContext の例が表示されます。

PySpark UDF

次の PySpark UDF の例では、ユーザーのコンテキストを出力します。

Python

@udf
def log_context():
  import json
  from pyspark.taskcontext import TaskContext
  tc = TaskContext.get()

  # Returns current user executing the UDF
  session_user = tc.getLocalProperty("user")

  # Returns cluster tags
  tags = dict(item.values() for item in json.loads(tc.getLocalProperty("spark.databricks.clusterUsageTags.clusterAllTags  ") or "[]"))

  # Returns current version details
  current_version = {
    "dbr_version": tc.getLocalProperty("spark.databricks.clusterUsageTags.sparkVersion"),
    "dbsql_version": tc.getLocalProperty("spark.databricks.clusterUsageTags.dbsqlVersion")
  }

  return {
    "user": session_user,
    "job_group_id": job_group_id,
    "tags": tags,
    "current_version": current_version
  }

Batch Unity Catalog Python UDF

次のバッチ Unity Catalog Python UDF 例では、サービスの資格情報を使用して AWS Lambda 関数を呼び出すためのユーザーの ID を取得します。

Python

%sql
CREATE OR REPLACE FUNCTION main.test.call_lambda_func(data STRING, debug BOOLEAN) RETURNS STRING LANGUAGE PYTHON
PARAMETER STYLE PANDAS
HANDLER 'batchhandler'
CREDENTIALS (
  `batch-udf-service-creds-example-cred` DEFAULT
)
AS $$
import boto3
import json
import pandas as pd
import base64
from pyspark.taskcontext import TaskContext


def batchhandler(it):
  # Automatically picks up DEFAULT credential:
  session = boto3.Session()

  client = session.client("lambda", region_name="us-west-2")

  # Can propagate TaskContext information to lambda context:
  user_ctx = {"custom": {"user": TaskContext.get().getLocalProperty("user")}}

  for vals, is_debug in it:
    payload = json.dumps({"values": vals.to_list(), "is_debug": bool(is_debug[0])})

    res = client.invoke(
      FunctionName="HashValuesFunction",
      InvocationType="RequestResponse",
      ClientContext=base64.b64encode(json.dumps(user_ctx).encode("utf-8")).decode(
        "utf-8"
      ),
      Payload=payload,
    )

    response_payload = json.loads(res["Payload"].read().decode("utf-8"))
    if "errorMessage" in response_payload:
      raise Exception(str(response_payload))

    yield pd.Series(response_payload["values"])
$$;

登録後に UDF を呼び出します。

SQL

SELECT main.test.call_lambda_func(data, false)
FROM VALUES
('abc'),
('def')
AS t(data)

TaskContext プロパティ

TaskContext.getLocalProperty() メソッドには、次のプロパティ キーがあります。

プロパティ キー	説明	使用例
user	現在 UDF を実行しているユーザー	tc.getLocalProperty("user") -> "alice"
spark.jobGroup.id	現在の UDF に関連付けられている Spark ジョブ グループ ID	tc.getLocalProperty("spark.jobGroup.id") -> "jobGroup-92318"
spark.databricks.clusterUsageTags.clusterAllTags	JSONディクショナリの文字列表現として書式設定されたキーと値のペアとしてのメタデータタグのクラスタリング	tc.getLocalProperty("spark.databricks.clusterUsageTags.clusterAllTags") -> [{"Department": "Finance"}]
spark.databricks.clusterUsageTags.region	ワークスペースが存在する地域	tc.getLocalProperty("spark.databricks.clusterUsageTags.region") -> "us-west-2"
accountId	実行中のコンテキストの Databricks アカウント ID	tc.getLocalProperty("accountId") -> "1234567890123456"
orgId	ワークスペース ID (DBSQL では使用できません)	tc.getLocalProperty("orgId") -> "987654321"
spark.databricks.clusterUsageTags.sparkVersion	クラスタリングの Databricks Runtime バージョン (DBSQL 以外の環境)	tc.getLocalProperty("spark.databricks.clusterUsageTags.sparkVersion") -> "16.3"
spark.databricks.clusterUsageTags.dbsqlVersion	DBSQL バージョン (DBSQL 環境上)	tc.getLocalProperty("spark.databricks.clusterUsageTags.dbsqlVersion") -> "2024.35"