工作建立與管理

使用 Python SDK 的 Databricks

Avi Steinberg

Senior Software Engineer

Databricks Notebook 路徑

Databricks Jobs 可執行在 Databricks Notebook 中撰寫的程式碼
WorkspaceClient.current_user.me().user_name 會取得已登入使用者的使用者名稱
Notebook 的路徑為 /Users/${username}/${notebook_name}

# 假設工作區中有一個名為 My_Notebook 的 notebook
w = WorkspaceClient()
notebook_path = f'/Users/{w.current_user.me().user_name}/My_Notebook'

建立 Databricks 工作

WorkspaceClient.jobs.create(createParams)

傳入 name 與 tasks 參數來描述要建立的工作

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

建立並執行 Databricks 工作

from databricks.sdk import WorkspaceClient

# 建立指向名為 "My_Notebook" 的 notebook 路徑
w = WorkspaceClient()
notebook_path = f'/Users/{w.current_user.me().user_name}/My_Notebook'


# 建立一個會執行 Datacamp_Test_Notebook 的工作
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() # 立即執行剛建立的工作

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

列出 Databricks 工作

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

刪除 Databricks 工作

WorkspaceClient.jobs.delete(job_id: str)

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

刪除 Databricks 工作

# 前置作業：已在 Databricks 叢集建立所需的 notebook
w = WorkspaceClient()
notebook_path = f'/Users/{w.current_user.me().user_name}/My_Notebook'
# 建立一個會執行 Datacamp_Test_Notebook 的工作
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 語法

用 Cron 表達式排程時間：

每天 3:30:00 AM = 0 30 3 * * ?
每天 2:45:00 PM = 0 45 2 * * ?

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

排程工作

你可以排程工作，每天凌晨 3 點執行該 notebook。

# 建立一個會執行 Datacamp_Test_Notebook 的工作
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

一起來練習吧！

使用 Python SDK 的 Databricks