Creación y gestión de jobs

Databricks con el SDK de Python

Avi Steinberg

Senior Software Engineer

Ruta de Notebook en Databricks

  • Los jobs de Databricks pueden ejecutar código en un Notebook de Databricks
  • WorkspaceClient.current_user.me().user_name obtiene el usuario conectado
  • La ruta de un notebook es /Users/${username}/${notebook_name}
# Supón que hay un notebook en el workspace llamado My_Notebook
w = WorkspaceClient()
notebook_path = f'/Users/{w.current_user.me().user_name}/My_Notebook'
Databricks con el SDK de Python

Crear un job de Databricks

WorkspaceClient.jobs.create(createParams)

Pasa los parámetros name y tasks para describir el job que se crea

createParams:
  name: str
  tasks: List[Task]
Task:
  description=str
  notebook_task=NotebookTask
  task_key=str
NotebookTask:
  notebook_path: str
1 https://databricks-sdk-py.readthedocs.io/en/latest/workspace/jobs/jobs.html
Databricks con el SDK de Python

Crear y ejecutar un job de Databricks

from databricks.sdk import WorkspaceClient

# Crea la ruta a un notebook llamado "My_Notebook"
w = WorkspaceClient()
notebook_path = f'/Users/{w.current_user.me().user_name}/My_Notebook'

# Crea un job que ejecuta Datacamp_Test_Notebook new_job = w.jobs.create(name='sdk-dc-project-task', tasks=[jobs.Task( description="create_notebook_test", notebook_task=jobs.NotebookTask(notebook_path=notebook_path), task_key="my-key") ]) print(f"New Job Id={new_job.job_id}")
w.jobs.run_now(job_id=new_job.job_id).result() # Ejecuta el job creado
1 https://docs.databricks.com/en/dev-tools/sdk-python.html
Databricks con el SDK de Python

Listar jobs de Databricks

from databricks.sdk import WorkspaceClient
w = WorkspaceClient()
jobs = w.jobs.list()
for job in jobs:
    print(f"JobId={job.job_id}")
JobId=888763141802192
JobId=37050453972815
JobId=681550316180975
JobId=629994089852037
Databricks con el SDK de Python

Eliminar un job de Databricks

WorkspaceClient.jobs.delete(job_id: str)
1 1. https://databricks-sdk-py.readthedocs.io/en/latest/workspace/jobs/jobs.html
Databricks con el SDK de Python

Eliminar un job de Databricks

# Requisito previo: crear el notebook deseado
# de Databricks en el clúster de Databricks
w = WorkspaceClient()
notebook_path = f'/Users/{w.current_user.me().user_name}/My_Notebook'
# Crea un job que ejecuta Datacamp_Test_Notebook
new_job = w.jobs.create(name='sdk-dc-project-task',
                            tasks=[
                              jobs.Task(description="create_notebook_test",
                                        existing_cluster_id=cluster_id,
                      notebook_task=jobs.NotebookTask(notebook_path=notebook_path),
                                        task_key="my-key")
                            ])

w.jobs.delete(job_id=new_job.job_id)
1 1. https://databricks-sdk-py.readthedocs.io/en/latest/workspace/jobs/jobs.html
Databricks con el SDK de Python

Sintaxis cron

Expresiones cron para programar a:

  1. 3:30:00 a. m. todos los días = 0 30 3 * * ?
  2. 2:45:00 p. m. todos los días = 0 45 2 * * ?
1 https://www.quartz-scheduler.org/documentation/quartz-2.3.0/tutorials/crontrigger.html
Databricks con el SDK de Python

Programar un job

Podemos programar un job para ejecutar el notebook cada día a las 3 a. m.

# Crea un job que ejecuta Datacamp_Test_Notebook
cron_expression = "0 0 3 * * ?"

created_job = w.jobs.create( name='sdk-dc-project-task', tasks=[jobs.Task(description="test",
notebook_task=jobs.NotebookTask(notebook_path=notebook_path), task_key="my-key")], timeout_seconds=3600,
schedule=jobs.CronSchedule(quartz_cron_expression=cron_expression, timezone_id="America/New_York") )
1 https://databricks-sdk-py.readthedocs.io/en/latest/workspace/jobs/jobs.html
Databricks con el SDK de Python

¡Vamos a practicar!

Databricks con el SDK de Python

Preparing Video For Download...