Usar um arquivo Python wheel em um trabalho Databricks

Um Python arquivo de roda é uma forma padrão de empacotar e distribuir os arquivos necessários para executar um Python aplicativo. Usando a tarefa Python wheel, o senhor pode garantir a instalação rápida e confiável do código Python no seu trabalho Databricks. Este artigo fornece um exemplo de criação de um arquivo Python wheel e um Job que executa o pacote de aplicativos no arquivo Python wheel. Neste exemplo, você vai:

• Crie os arquivos Python que definem um aplicativo de exemplo.
• Agrupe os arquivos de exemplo em um arquivo Python wheel.
• Crie um trabalho para executar o arquivo Python wheel.
• Execute o job e veja os resultados.

Antes de começar

Você precisa do seguinte para concluir este exemplo:

• Python 3

• O Python wheel e setuptool pacote. O senhor pode usar o site pip para instalar esses pacotes. Por exemplo, o senhor pode executar o seguinte comando para instalar esse pacote:

  Bash

  pip install wheel setuptools

Etapa 1: criar um diretório local para o exemplo

Crie um diretório local para armazenar o código de exemplo e os artefatos gerados, por exemplo, databricks_wheel_test.

Etapa 2: Criar o script Python de exemplo

O exemplo de Python a seguir é um script simples que lê argumentos de entrada e imprime esses argumentos. Copie este script e salve-o em um caminho chamado my_test_code/__main__.py no diretório que você criou na passo anterior.

Python

"""
The entry point of the Python Wheel
"""

import sys

def main():
  # This method will print the provided arguments
  print('Hello from my func')
  print('Got arguments:')
  print(sys.argv)

if __name__ == '__main__':
  main()

Etapa 3: Criar um arquivo de metadados para o pacote

O arquivo a seguir contém metadados que descrevem o pacote. Salve isso em um caminho chamado my_test_code/__init__.py no diretório que você criou na passo 1.

Python

__version__ = "0.0.1"
__author__ = "Databricks"

Etapa 4: Criar o arquivo Python wheel

A conversão dos artefatos do Python em um arquivo Python wheel requer a especificação de metadados do pacote, como o nome do pacote e os pontos de entrada. O script a seguir define esses metadados.

nota

Os entry_points definidos nesse script são usados para executar o pacote no Databricks fluxo de trabalho. Em cada valor em entry_points, o valor antes de = (neste exemplo, run) é o nome do ponto de entrada e é usado para configurar a tarefa do Python wheel.

1. Salve este script em um arquivo chamado setup.py na raiz do diretório que você criou na passo 1:

   Python

   from setuptools import setup, find_packages
   
   import my_test_code
   
   setup(
     name='my_test_package',
     version=my_test_code.__version__,
     author=my_test_code.__author__,
     url='https://databricks.com',
     author_email='john.doe@databricks.com',
     description='my test wheel',
     packages=find_packages(include=['my_test_code']),
     entry_points={
       'group_1': 'run=my_test_code.__main__:main'
     },
     install_requires=[
       'setuptools'
     ]
   )

2. Mude para o diretório que você criou na etapa 1 e execute o seguinte comando para empacotar seu código na distribuição Python wheel:

   Bash

   python3 setup.py bdist_wheel

Esse comando cria o arquivo Python wheel e o salva no arquivo dist/my_test_package-0.0.1-py3.none-any.whl em seu diretório.

Etapa 5. Crie um trabalho Databricks para executar o arquivo Python wheel

1. Acesse o site Databricks páginas de aterrissagem e faça uma das seguintes ações:

   • Na barra lateral, clique em fluxo de trabalho e clique em .
   • Na barra lateral, clique em New e selecione Job no menu.

2. Na caixa de diálogo da tarefa que aparece na tarefa tab, substitua Add a name for your Job (Adicionar um nome para o trabalho ) pelo nome do trabalho, por exemplo, Python wheel example.

3. Em Nome da tarefa , insira um nome para a tarefa, por exemplo, python_wheel_task.

4. Em Type , selecione Python wheel .

5. Em nome do pacote , digite my_test_package. O valor pacote Name é o nome do pacote Python a ser importado. Neste exemplo, o nome do pacote é o valor atribuído ao parâmetro name em setup.py.

6. Em Ponto de entrada , digite run. O ponto de entrada é um dos valores especificados na coleção entry_points no script setup.py. Neste exemplo, run é o único ponto de entrada definido.

7. Em computação , selecione um clustering de trabalho existente ou Adicionar novo clustering de trabalho .

8. Clique em Add (Adicionar ) em Dependent biblioteca (Biblioteca dependente ). Na caixa de diálogo Add dependent library (Adicionar biblioteca dependente ), com o espaço de trabalho selecionado, arraste o arquivo my_test_package-0.0.1-py3-none-any.whl criado na etapa 4 para a área Drop file here (Soltar arquivo aqui) da caixa de diálogo.

9. Clique em Adicionar .

10. Em Parâmetros , selecione Argumentos posicionais ou Argumentos de palavra-chave para inserir a key e o valor de cada parâmetro. Os argumentos posicionais e de palavra-chave são passados para a tarefa de Python wheel como argumentos de linha de comando.

    • Para inserir argumentos posicionais, insira os parâmetros como uma matriz de strings formatada em JSON, por exemplo: ["first argument","first value","second argument","second value"].
    • Para inserir argumentos de palavras-chave, clique em + Add (Adicionar ) e insira um key e um valor. Clique em + Adicionar novamente para inserir mais argumentos.

11. Clique em Criar tarefa .

Etapa 6: executar o trabalho e view os detalhes da execução do trabalho

Clique em para executar o fluxo de trabalho. Para acessar view detalhes da execução, clique em view execution (visualizar execução ) na janela pop-up Triggered execution (execução acionada ) ou clique no link na coluna começar time (tempo ) para a execução no Job execution (execução de trabalho) view.

Quando a execução for concluída, a saída será exibida no painel Output (Saída ), incluindo os argumentos passados para a tarefa.

Próximas etapas

Para saber mais sobre como criar e executar o Databricks Job, consulte Visão geral da orquestração em Databricks.