Biblioteksadministration i Fabric-miljøer
Microsoft Fabric-miljøer giver fleksible konfigurationer til kørsel af dine Spark-job. Biblioteker leverer kode, der kan genbruges, og som udviklere vil inkludere i deres arbejde. Med undtagelse af de indbyggede biblioteker, der følger med hver Spark-kørsel, kan du installere offentlige og brugerdefinerede biblioteker i dine Fabric-miljøer. Og du kan nemt vedhæfte miljøer til dine notesbøger og Spark-jobdefinitioner.
Bemærk
Ændring af versionen af en bestemt pakke kan potentielt ødelægge andre pakker, der er afhængige af den. Nedgradering azure-storage-blob
kan f.eks. medføre problemer med Pandas
og forskellige andre biblioteker, der er afhængige Pandas
af , herunder mssparkutils
, fsspec_wrapper
og notebookutils
.
Du kan få vist listen over forudinstallerede pakker og deres versioner for hver kørsel her.
Se flere indstillinger og bedste praksis for brug af biblioteker i Microsoft Fabric: Administrer Apache Spark-biblioteker i Microsoft Fabric
Offentlige biblioteker
Offentlige biblioteker stammer fra lagre som PyPI og Conda, som Fabric understøtter i øjeblikket.
Tilføj et nyt offentligt bibliotek
Hvis du vil tilføje et nyt offentligt bibliotek, skal du vælge en kilde og angive bibliotekets navn og version. Du kan også uploade en Conda-miljøspecifikation .yml fil for at angive de offentlige biblioteker. Indholdet af den overførte .yml fil udtrækkes og føjes til listen.
Bemærk
Funktionen til automatisk fuldførelse af biblioteksnavne under tilføjelse er begrænset til de mest populære biblioteker. Hvis det bibliotek, du vil installere, ikke findes på listen, modtager du ikke en prompt om automatisk fuldførelse. Søg i stedet efter biblioteket direkte i PyPI eller Conda ved at angive dets fulde navn. Hvis bibliotekets navn er gyldigt, kan du se de tilgængelige versioner. Hvis bibliotekets navn ikke er gyldigt, får du vist en advarsel om, at biblioteket ikke findes.
Tilføj offentlige biblioteker i en batch
Miljøer understøtter upload af YAML-filen for at administrere flere offentlige biblioteker i en batch. Indholdet af YAML udtrækkes og tilføjes på listen over offentlige biblioteker.
Bemærk
De brugerdefinerede conda-kanaler i YAML-filen understøttes ikke i øjeblikket. Kun biblioteker fra PyPI og conda genkendes.
Filtrer offentlige biblioteker
Angiv nøgleord i søgefeltet på siden Offentlige biblioteker for at filtrere listen over offentlige biblioteker og finde det, du har brug for.
Opdater offentlige biblioteker
Hvis du vil opdatere versionen af et eksisterende offentligt bibliotek, skal du gå til din registrering og åbne offentlige biblioteker eller brugerdefinerede biblioteker. Vælg det påkrævede bibliotek, vælg rullelisten version, og opdater dets version.
Slet offentlige biblioteker
Indstillingen Papirkurv for hvert bibliotek vises, når du holder markøren over den tilsvarende række. Du kan også slette flere offentlige biblioteker ved at vælge dem og derefter vælge Slet på båndet.
Vis afhængighed
Hvert offentligt bibliotek har forskellige afhængigheder. Indstillingen visningsafhængighed vises, når du holder markøren over den tilsvarende række.
Eksportér til yaml
Fabric giver mulighed for at eksportere hele listen over offentlige biblioteker til en YAML-fil og downloade den til din lokale mappe.
Brugerdefinerede biblioteker
Brugerdefinerede biblioteker refererer til kode, der er oprettet af dig eller din organisation. Fabric understøtter brugerdefinerede biblioteksfiler i formaterne .whl, .py, .jar og .tar.gz.
Bemærk
Fabric understøtter kun .tar.gz filer til R-sprog. Brug filformatet .whl, .py til Python-sprog.
Overfør det brugerdefinerede bibliotek
Du kan uploade brugerdefinerede biblioteker fra din lokale mappe til Fabric-miljøet.
Slet det brugerdefinerede bibliotek
Indstillingen Papirkurv for hvert bibliotek vises, når du holder markøren over den tilsvarende række. Du kan også slette flere brugerdefinerede biblioteker ved at markere dem og derefter vælge Slet på båndet.
Download alle brugerdefinerede biblioteker
Hvis der klikkes på dem, downloader brugerdefinerede biblioteker én efter én til din lokale standardmappe til download.