使用 Lakeflow 任务创建您的第一个工作流程

使用 Lakeflow Jobs 编排任务，以读取和处理示例数据集。在本快速入门中，请执行以下操作：

创建一个新笔记本，添加代码来读取房产预订的示例数据集。
将数据集保存到Unity Catalog。
创建新的笔记本并添加代码，以从 Unity Catalog 读取数据集，按年份对其进行筛选，并显示结果。
使用笔记本创建新作业并配置两个任务。
运行作业并查看结果。

要求

如果工作区启用了 Unity Catalog，并且启用了无服务器作业，则默认情况下作业会在无服务器计算上运行。你不需群集创建权限即可使用无服务器计算来运行作业。

否则，你必须拥有创建作业计算的群集创建权限或对通用计算资源的权限。

本快速入门从 samples.wanderbricks.bookings 读取数据，而该对象在每个启用了 Unity Catalog 的工作区中都可用，因此无需设置源数据。要写入第二个笔记本读取的表，你需要具备在编录中创建架构的权限（即 USE CATALOG 和 CREATE SCHEMA 权限）。

若要设置这些权限，请咨询您的 Databricks 管理员或查阅 Unity Catalog 权限参考。

创建笔记本

以下步骤创建两个笔记本以在此工作流中运行。

检索和保存数据

要创建一个读取样本数据集并保存到 Unity 目录的笔记本：

单击侧栏中的“ 新建 ”，然后单击“ 笔记本”。

Databricks 会在默认文件夹中创建一个新的空白笔记本并将其打开。默认语言是你最近使用的语言，笔记本会自动附加到你最近使用的计算资源。
（可选）重命名笔记本 获取预订数据。
如果需要，可将默认语言更改为 Python。

复制以下 Python 代码并将其粘贴到笔记本的第一个单元格中。运行前，先检查一下， catalog 并 schema 指向一个你可以写入的地方。如果不存在模式，代码会创建它。

catalog = "main"
schema = "example_output"

spark.sql(f"CREATE SCHEMA IF NOT EXISTS {catalog}.{schema}")

bookings = spark.read.table("samples.wanderbricks.bookings")
bookings.write.mode("overwrite").saveAsTable(f"{catalog}.{schema}.bookings")

读取和显示经过筛选的数据

创建用于筛选和显示数据的笔记本：

单击侧栏中的“ 新建 ”，然后单击“ 笔记本”。
（可选）将笔记本重命名为 Filter booking data。

以下 Python 代码读取你在上一步保存的表格，并创建一个临时视图。它还创建了一个小部件，可以用来按签到年份过滤视图中的数据。使用与你在第一个笔记本中使用的相同 catalog 和 schema 值。

from pyspark.sql.functions import year

catalog = "main"
schema = "example_output"

bookings = spark.read.table(f"{catalog}.{schema}.bookings")
bookings.createOrReplaceTempView("bookings_table")
years = spark.sql("SELECT DISTINCT year(check_in) AS year FROM bookings_table").toPandas()["year"].tolist()
years.sort()
dbutils.widgets.dropdown("year", "2025", [str(x) for x in years])
display(bookings.filter(year(bookings.check_in) == dbutils.widgets.get("year")))