通过

教程：创建第一个自定义 Databricks 资产捆绑包模板

  • 项目

在本教程中，创建自定义 Databricks 资产捆绑包模板，用于创建使用特定 Docker 容器映像对群集运行具有特定 Python 任务的作业的捆绑包。

准备工作

安装 Databricks CLI 0.218.0 或更高版本。 如果已安装，请从命令行运行 databricks -version，确认版本为 0.218.0 或更高版本。

定义用户提示变量

生成捆绑模板的第一步是定义 databricks bundle init 用户提示变量。 通过命令行：

  1. 创建名为 dab-container-template 的空目录：

    mkdir dab-container-template

  2. 在该目录的根中，创建一个名为 databricks_template_schema.json 的文件：

    cd dab-container-template
touch databricks_template_schema.json

  3. 将以下代码添加到 databricks_template_schema.json 文件并进行保存。 创建捆绑包期间，每个变量都将转换为用户提示。

    {
  "properties": {
    "project_name": {
      "type": "string",
      "default": "project_name",
      "description": "Project name",
      "order": 1
    }
  }
}

创建捆绑文件夹结构

接下来，在模板目录中，创建名为 resources 和 src 的子目录。 template 文件夹包含生成的捆绑包的目录结构。 从用户值派生时，子目录和文件的名称将遵循 Go 包模板语法。

  mkdir -p "template/resources"
  mkdir -p "template/src"

添加 YAML 配置模板

在 template 目录中，创建一个名为 databricks.yml.tmpl 的文件，并添加以下 YAML：

  touch template/databricks.yml.tmpl

  # This is a Databricks asset bundle definition for {{.project_name}}.
  # See https://docs.databricks.com/dev-tools/bundles/index.html for documentation.
  bundle:
    name: {{.project_name}}

  include:
    - resources/*.yml

  targets:
    # The 'dev' target, used for development purposes.
    # Whenever a developer deploys using 'dev', they get their own copy.
    dev:
      # We use 'mode: development' to make sure everything deployed to this target gets a prefix
      # like '[dev my_user_name]'. Setting this mode also disables any schedules and
      # automatic triggers for jobs and enables the 'development' mode for Delta Live Tables pipelines.
      mode: development
      default: true
      workspace:
        host: {{workspace_host}}

    # The 'prod' target, used for production deployment.
    prod:
      # For production deployments, we only have a single copy, so we override the
      # workspace.root_path default of
      # /Users/${workspace.current_user.userName}/.bundle/${bundle.target}/${bundle.name}
      # to a path that is not specific to the current user.
      #
      # By making use of 'mode: production' we enable strict checks
      # to make sure we have correctly configured this target.
      mode: production
      workspace:
        host: {{workspace_host}}
        root_path: /Shared/.bundle/prod/${bundle.name}
      {{- if not is_service_principal}}
      run_as:
        # This runs as {{user_name}} in production. Alternatively,
        # a service principal could be used here using service_principal_name
        # (see Databricks documentation).
        user_name: {{user_name}}
      {{end -}}

创建名为 {{.project_name}}_job.yml.tmpl 的另一个 YAML 文件，并将其置于 template/resources 目录中。 此新的 YAML 文件将项目作业定义与捆绑包的其余定义分开。 将以下 YAML 添加到此文件以描述模板作业，其中包含使用特定 Docker 容器映像在作业群集上运行的特定 Python 任务：

  touch template/resources/{{.project_name}}_job.yml.tmpl

  # The main job for {{.project_name}}
  resources:
    jobs:
      {{.project_name}}_job:
        name: {{.project_name}}_job
        tasks:
          - task_key: python_task
            job_cluster_key: job_cluster
            spark_python_task:
              python_file: ../src/{{.project_name}}/task.py
        job_clusters:
          - job_cluster_key: job_cluster
            new_cluster:
              docker_image:
                url: databricksruntime/python:10.4-LTS
              node_type_id: i3.xlarge
              spark_version: 13.3.x-scala2.12

在此示例中，将使用默认 Databricks 基础 Docker 容器映像，但可以改为指定自己的自定义映像。

添加配置中引用的文件

接下来，创建 template/src/{{.project_name}} 目录，并在模板中创建作业引用的 Python 任务文件：

  mkdir -p template/src/{{.project_name}}
  touch template/src/{{.project_name}}/task.py

现在，将下列内容添加到 task.py：

  import pyspark
  from pyspark.sql import SparkSession

  spark = SparkSession.builder.master('local[*]').appName('example').getOrCreate()

  print(f'Spark version{spark.version}')

验证捆绑模板结构

查看捆绑包模板项目的文件夹结构。 应如下所示：

  .
  ├── databricks_template_schema.json
  └── template
      ├── databricks.yml.tmpl
      ├── resources
      │   └── {{.project_name}}_job.yml.tmpl
      └── src
          └── {{.project_name}}
              └── task.py

测试模板

最后，测试捆绑模板。 若要基于新的自定义模板生成捆绑包，请使用 databricks bundle init 命令，并指定新模板位置。 从捆绑包项目根文件夹：

mkdir my-new-container-bundle
cd my-new-container-bundle
databricks bundle init dab-container-template

后续步骤

资源