使用适用于 Visual Studio Code 的 Databricks 扩展通过 pytest 运行测试。
重要
本文档适用于 Visual Studio Code 的 Databricks 扩展版本 2(公共预览版)。
本文介绍如何使用 pytest
通过适用于 Visual Studio Code 的 Databricks 扩展运行测试。 请参阅什么是 Visual Studio Code 的 Databricks 扩展?。
可以针对本地代码运行 pytest,而无需连接到远程 Azure Databricks 工作区中的群集。 例如,可以使用 pytest
来测试接受 PySpark 数据帧并将其返回到本地内存的函数。 若要开始使用并在本地运行 pytest
,请参阅 pytest
文档中的入门。
若要针对远程 Azure Databricks 工作区中的代码运行 pytest
,请在 Visual Studio Code 项目中执行以下操作:
步骤 1:创建测试
使用以下代码添加一个 Python 文件,其中包含要运行的测试。 此示例假设此文件名为 spark_test.py
并且位于 Visual Studio Code 项目的根目录中。 此文件包含一个 pytest
固定例程,该例程使群集的 SparkSession
(群集上 Spark 功能的入口点)可用于测试。 此文件包含单个测试,该测试检查表中的指定单元格是否包含指定值。 你可以根据需要将自己的测试添加到此文件中。
from pyspark.sql import SparkSession
import pytest
@pytest.fixture
def spark() -> SparkSession:
# Create a SparkSession (the entry point to Spark functionality) on
# the cluster in the remote Databricks workspace. Unit tests do not
# have access to this SparkSession by default.
return SparkSession.builder.getOrCreate()
# Now add your unit tests.
# For example, here is a unit test that must be run on the
# cluster in the remote Databricks workspace.
# This example determines whether the specified cell in the
# specified table contains the specified value. For example,
# the third column in the first row should contain the word "Ideal":
#
# +----+-------+-------+-------+---------+-------+-------+-------+------+-------+------+
# |_c0 | carat | cut | color | clarity | depth | table | price | x | y | z |
# +----+-------+-------+-------+---------+-------+-------+-------+------+-------+------+
# | 1 | 0.23 | Ideal | E | SI2 | 61.5 | 55 | 326 | 3.95 | 3. 98 | 2.43 |
# +----+-------+-------+-------+---------+-------+-------+-------+------+-------+------+
# ...
#
def test_spark(spark):
spark.sql('USE default')
data = spark.sql('SELECT * FROM diamonds')
assert data.collect()[0][2] == 'Ideal'
步骤 2:创建 pytest 运行器
添加一个包含以下代码的 Python 文件,用于指示 pytest
运行在上一步骤中创建的测试。 此示例假设该文件名为 pytest_databricks.py
并且位于 Visual Studio Code 项目的根目录中。
import pytest
import os
import sys
# Run all tests in the connected directory in the remote Databricks workspace.
# By default, pytest searches through all files with filenames ending with
# "_test.py" for tests. Within each of these files, pytest runs each function
# with a function name beginning with "test_".
# Get the path to the directory for this file in the workspace.
dir_root = os.path.dirname(os.path.realpath(__file__))
# Switch to the root directory.
os.chdir(dir_root)
# Skip writing .pyc files to the bytecode cache on the cluster.
sys.dont_write_bytecode = True
# Now run pytest from the root directory, using the
# arguments that are supplied by your custom run configuration in
# your Visual Studio Code project. In this case, the custom run
# configuration JSON must contain these unique "program" and
# "args" objects:
#
# ...
# {
# ...
# "program": "${workspaceFolder}/path/to/this/file/in/workspace",
# "args": ["/path/to/_test.py-files"]
# }
# ...
#
retcode = pytest.main(sys.argv[1:])
步骤 3:创建自定义运行配置
若要指示 pytest
运行测试,必须创建自定义运行配置。 使用现有的基于 Databricks 群集的运行配置来创建你自己的自定义运行配置,如下所示:
在主菜单中,单击“运行”>“添加配置”。
在“命令面板”中,选择“Databricks”。
Visual Studio Code 会向项目添加一个
.vscode/launch.json
文件(如果该文件尚不存在)。如下所示更改启动器运行配置,然后保存文件:
- 将此运行配置的名称从
Run on Databricks
更改为此配置的唯一显示名称(在本示例中为Unit Tests (on Databricks)
)。 - 将
program
从${file}
更改为项目中包含测试运行器的路径(在本示例中为${workspaceFolder}/pytest_databricks.py
)。 - 将
args
从[]
更改为项目中包含测试文件的路径(在本例中为["."]
)。
launch.json
文件应如下所示:{ // Use IntelliSense to learn about possible attributes. // Hover to view descriptions of existing attributes. // For more information, visit: https://go.microsoft.com/fwlink/?linkid=830387 "version": "0.2.0", "configurations": [ { "type": "databricks", "request": "launch", "name": "Unit Tests (on Databricks)", "program": "${workspaceFolder}/pytest_databricks.py", "args": ["."], "env": {} } ] }
- 将此运行配置的名称从
步骤 4:运行测试
首先确保 pytest
已安装在群集上。 例如,在 Azure Databricks 工作区中打开群集的设置页后,执行以下操作:
- 在“库”选项卡上,如果“pytest”可见,则表示已安装
pytest
。 如果“pytest”不可见,请单击“安装新程序”。 - 对于“库源”,请单击“PyPI”。
- 对于“包”,请输入
pytest
。 - 单击“安装” 。
- 等待“状态”从“挂起”更改为“已安装”。
若要运行测试,请在 Visual Studio Code 项目中执行以下操作:
- 在主菜单中,单击“查看”>“运行”。
- 在“运行和调试”列表中,单击“单元测试(在 Databricks 上)”(如果尚未选择)。
- 单击绿色箭头(“开始调试”)图标。
pytest
结果将显示在“调试控制台”(在主菜单中选择“查看”>“调试控制台”)中。 例如,这些结果显示至少在 spark_test.py
文件中找到了一个测试,句点 (.
) 表示找到并通过了一项测试。 (失败的测试将显示为 F
。)
<date>, <time> - Creating execution context on cluster <cluster-id> ...
<date>, <time> - Synchronizing code to /Workspace/path/to/directory ...
<date>, <time> - Running /pytest_databricks.py ...
============================= test session starts ==============================
platform linux -- Python <version>, pytest-<version>, pluggy-<version>
rootdir: /Workspace/path/to/directory
collected 1 item
spark_test.py . [100%]
============================== 1 passed in 3.25s ===============================
<date>, <time> - Done (took 10818ms)