Taken aanmaken en beheren

Databricks met de Python SDK

Avi Steinberg

Senior Software Engineer

Pad van een Databricks-notebook

Databricks-taken kunnen code draaien uit een Databricks-notebook
WorkspaceClient.current_user.me().user_name haalt de gebruikersnaam van de ingelogde gebruiker op
Het notebookpad is /Users/${username}/${notebook_name}

# Ga uit van een notebook in onze workspace met de naam My_Notebook
w = WorkspaceClient()
notebook_path = f'/Users/{w.current_user.me().user_name}/My_Notebook'

Een Databricks-taak aanmaken

WorkspaceClient.jobs.create(createParams)

Geef de parameters name en tasks door om de aan te maken taak te beschrijven

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

Een Databricks-taak maken en uitvoeren

from databricks.sdk import WorkspaceClient

# Maak het notebookpad voor een notebook "My_Notebook"
w = WorkspaceClient()
notebook_path = f'/Users/{w.current_user.me().user_name}/My_Notebook'


# Maak een taak die het Datacamp_Test_Notebook draait
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() # Voer de aangemaakte taak nu uit

¹ https://docs.databricks.com/en/dev-tools/sdk-python.html

Databricks-taken bekijken

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

Een Databricks-taak verwijderen

WorkspaceClient.jobs.delete(job_id: str)

¹ 1. https://databricks-sdk-py.readthedocs.io/en/latest/workspace/jobs/jobs.html

Een Databricks-taak verwijderen

# Voorwaarde: maak eerst het gewenste 
# Databricks-notebook in de Databricks-cluster
w = WorkspaceClient()
notebook_path = f'/Users/{w.current_user.me().user_name}/My_Notebook'
# Maak een taak die het Datacamp_Test_Notebook draait
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

Cron-syntax

Cron-expressie om te plannen op:

03:30:00 elke dag = 0 30 3 * * ?
14:45:00 elke dag = 0 45 2 * * ?

¹ https://www.quartz-scheduler.org/documentation/quartz-2.3.0/tutorials/crontrigger.html

Een taak inplannen

We kunnen een taak plannen om het notebook elke dag om 3:00 uit te voeren

# Maak een taak die het Datacamp_Test_Notebook draait
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

Laten we oefenen!

Databricks met de Python SDK