Inuti ett asset bundle

Introduktion till Databricks Lakehouse

Gang Wang

Senior Data Scientist

Bundleprojektets struktur

my_project/
|-- databricks.yml
|-- src/
|   |-- etl_pipeline.py
|   |-- data_quality.py
|-- resources/
|   |-- jobs/
|   |   |-- nightly_etl.yml
|   |-- pipelines/
|       |-- sales_pipeline.yml
|-- tests/
    |-- test_etl.py

databricks.yml – den centrala konfigurationsfilen
src/ – dina notebooks och din kod
resources/ – jobb- och pipelinedefinitioner
tests/ – valfria testfiler

Filen databricks.yml

bundle:
  name: sales_analytics

workspace:
  host: https://myworkspace.databricks.com

targets:
  dev:
    default: true
    workspace:
      root_path: /Users/me/dev
  production:
    workspace:
      root_path: /Shared/production
    permissions:
      - level: CAN_MANAGE
        group_name: data_engineers

Definiera resurser

lager: databricks.yml (överst), Resources – Jobs – Pipelines – Dashboards, Code – Notebooks – Python-skript, Targets – dev – staging – production

resources:
  jobs:
    nightly_etl:
      name: "Nightly ETL Pipeline"
      schedule:
        quartz_cron: "0 0 2 * * ?"
      tasks:
        - task_key: ingest
          notebook_task:
            notebook_path: src/etl.py

Bundle CLI-kommandon

Kommando	Syfte
`bundle validate`	Kontrollera konfigurationen för fel
`bundle deploy`	Driftsätt till ett mål
`bundle run`	Starta ett driftsatt jobb
`bundle destroy`	Ta bort driftsatta resurser

# Validate before deploying
databricks bundle validate

# Deploy to production
databricks bundle deploy \
  --target production

# Trigger a run
databricks bundle run nightly_etl

Driftsättningsarbetsflöde

flödesschema: Driftsättningsarbetsflöde

Lokal utveckling – redigera kod och validera konfigurationer
Versionskontroll – spara ändringar i Git
CI/CD-automatisering – driftsätt till staging och kör tester
Produktionssättning – driftsätt med tillförsikt

Sammanfattning

databricks.yml definierar ditt projekt, mål och resurser
Resurser omfattar jobb, pipelines och dashboards
Mål motsvarar miljöer (dev, staging, production)
CLI-kommandon: validate, deploy, run, destroy

Nu kör vi en övning!

Introduktion till Databricks Lakehouse