Delen via

Klassieke Jupyter Notebook gebruiken met Databricks Connect voor Python

  • Artikel

Notitie

Dit artikel bevat informatie over Databricks Connect voor Databricks Runtime 13.3 LTS en hoger.

In dit artikel wordt beschreven hoe u Databricks Connect voor Python gebruikt met klassieke Jupyter Notebook. Met Databricks Connect kunt u populaire notebookservers, IDE's en andere aangepaste toepassingen verbinden met Azure Databricks-clusters. Zie Wat is Databricks Connect?

Notitie

Voordat u Databricks Connect gaat gebruiken, moet u de Databricks Connect-client instellen.

Als u Databricks Connect wilt gebruiken met klassieke Jupyter Notebook en Python, volgt u deze instructies.

  1. Als u klassieke Jupyter Notebook wilt installeren, voert u de volgende opdracht uit vanaf uw terminal of opdrachtprompt, waarbij uw virtuele Python-omgeving is geactiveerd:

    pip3 install notebook

  2. Als u klassieke Jupyter Notebook in uw webbrowser wilt starten, voert u de volgende opdracht uit vanuit uw geactiveerde virtuele Python-omgeving:

    jupyter notebook

    Als de klassieke Jupyter Notebook niet wordt weergegeven in uw webbrowser, kopieert u de URL die begint met localhost of 127.0.0.1 vanuit uw virtuele omgeving en voert u deze in de adresbalk van uw webbrowser in.

  3. Maak een nieuw notebook: klik in de klassieke Jupyter Notebook op het tabblad Bestanden op Nieuw > Python 3 (ipykernel).

  4. Voer in de eerste cel van het notitieblok de voorbeeldcode of uw eigen code in. Als u uw eigen code gebruikt, moet u minimaal initialiseren DatabricksSession zoals wordt weergegeven in de voorbeeldcode.

  5. Als u het notitieblok wilt uitvoeren, klikt u op Cel > alles uitvoeren. Alle Python-code wordt lokaal uitgevoerd, terwijl alle PySpark-code met betrekking tot DataFrame-bewerkingen wordt uitgevoerd op het cluster in de externe Azure Databricks-werkruimte en antwoorden worden teruggestuurd naar de lokale beller.

  6. Als u fouten in het notebook wilt opsporen, voegt u de volgende coderegel toe aan het begin van uw notebook:

    from IPython.core.debugger import set_trace

    En roep vervolgens set_trace() aan om foutopsporingsinstructies op dat moment van notebookuitvoering in te voeren. Alle Python-code wordt lokaal opgespoord, terwijl alle PySpark-code blijft worden uitgevoerd op het cluster in de externe Azure Databricks-werkruimte. De kerncode van de Spark-engine kan niet rechtstreeks vanuit de client worden opgespoord.

  7. Als u de klassieke Jupyter Notebook wilt afsluiten, klikt u op Bestand > sluiten en stoppen. Als het klassieke Jupyter Notebook-proces nog steeds wordt uitgevoerd in uw terminal of opdrachtprompt, stopt u dit proces door op te drukken Ctrl + c en vervolgens y te bevestigen.