Używanie dbx z programem Visual Studio Code

Artykuł
01/22/2025

Ważne

Ta dokumentacja została wycofana i może nie zostać zaktualizowana.

Usługa Databricks zaleca używanie pakietów zasobów usługi Databricks zamiast dbx przez usługę Databricks Labs. Zobacz Co to są pakiety zasobów usługi Databricks? i Migrowanie z bazy danych dbx do pakietów.

Aby użyć usługi Azure Databricks z programem Visual Studio Code, zobacz artykuł Databricks extension for Visual Studio Code (Rozszerzenie usługi Databricks dla programu Visual Studio Code).

W tym artykule opisano przykładowy kod oparty na języku Python, z którym można pracować w dowolnym środowisku IDE zgodnym z językiem Python. W szczególności w tym artykule opisano sposób pracy z tym przykładem kodu w programie Visual Studio Code, który zapewnia następujące funkcje produktywności deweloperów:

Uzupełnianie kodu
Zaznaczanie błędów
Testowanie
Debugowanie obiektów kodu, które nie wymagają połączenia w czasie rzeczywistym z zdalnymi zasobami usługi Azure Databricks.

W tym artykule użyto dbx by Databricks Labs wraz z programem Visual Studio Code w celu przesłania przykładu kodu do zdalnego obszaru roboczego usługi Azure Databricks. dbxNakazuje usłudze Azure Databricks planowanie i organizowanie przepływów pracy w celu uruchomienia przesłanego kodu w klastrze zadań usługi Azure Databricks w tym obszarze roboczym.

Możesz użyć popularnych providers Git innych firm do kontroli wersji i ciągłej integracji oraz ciągłego dostarczania lub ciągłego wdrażania (CI/CD) kodu. W przypadku kontroli wersji, elementy providers systemu git obejmują następujące pozycje:

GitHub
Bitbucket
GitLab
Azure DevOps (niedostępna w regionach Azure — Chiny)
AWS CodeCommit
GitHub AE

W przypadku ciągłej integracji/ciągłego wdrażania dbx obsługuje następujące platformy ciągłej integracji/ciągłego wdrażania:

Aby zademonstrować sposób działania kontroli wersji i ciągłej integracji/ciągłego wdrażania, w tym artykule opisano sposób używania programu Visual Studio Code i dbxtego przykładu kodu wraz z usługami GitHub i GitHub Actions.

Przykładowe wymagania dotyczące kodu

Aby użyć tego przykładu kodu, musisz mieć następujące elementy:

Obszar roboczy usługi Azure Databricks na koncie usługi Azure Databricks.
Konto usługi GitHub. Utwórz konto usługi GitHub, jeśli jeszcze go nie masz.

Ponadto na lokalnej maszynie deweloperów musisz mieć następujące elementy:

Środowisko Python w wersji 3.8 lub nowszej.

Należy użyć wersji języka Python zgodnej z wersją zainstalowaną w klastrach docelowych. Aby get wersję języka Python zainstalowaną w istniejącym klastrze, możesz użyć internetowego terminalu klastra do uruchomienia polecenia python --version. Zobacz również sekcję "Środowisko systemowe" w informacjach o wersji środowiska Databricks Runtime i zgodności wersji środowiska Databricks Runtime dla klastrów docelowych. W każdym razie wersja języka Python musi być w wersji 3.8 lub nowszej.

Aby get wersję języka Python, do którego obecnie odwołuje się maszyna lokalna, uruchom python --version z lokalnego terminalu. W zależności od tego, jak set zainstalujesz Pythona na swoim komputerze lokalnym, może być konieczne uruchomienie python3 zamiast python w tym artykule. Zobacz również Select interpreter języka Python.
. pip program jest instalowany automatycznie z nowszymi wersjami języka Python. Aby sprawdzić, czy pip jest już zainstalowany, uruchom polecenie pip --version z poziomu lokalnego terminalu. (W zależności od sposobu konfiguracji set Pythona lub pip na komputerze lokalnym, może być konieczne uruchomienie pip3 zamiast pip w całym artykule).
dbx w wersji 0.8.0 lub nowszej. Pakiet można zainstalować dbx z poziomu indeksu pakietów języka Python (PyPI), uruchamiając polecenie pip install dbx.

Uwaga

Nie trzeba teraz instalować dbx . Możesz zainstalować go później w sekcji przykładowej konfiguracji kodu.
Metoda tworzenia środowisk wirtualnych języka Python w celu upewnienia się, że używasz poprawnych wersji języka Python i zależności pakietów w dbx projektach. W tym artykule opisano potokowy.
Interfejs wiersza polecenia usługi Databricks w wersji 0.18 lub nowszejset się z uwierzytelnianiem .

Uwaga

Nie musisz teraz instalować starszego interfejsu wiersza polecenia usługi Databricks (interfejs wiersza polecenia usługi Databricks w wersji 0.17). Możesz zainstalować go później w sekcji przykładowej konfiguracji kodu. Jeśli chcesz zainstalować go później, należy pamiętać, aby set uwierzytelnienie w tym czasie.
Program Visual Studio Code
Rozszerzenie języka Python dla programu Visual Studio Code.
Rozszerzenie GitHub Pull Requests and Issues dla programu Visual Studio Code.
Git.

Informacje o przykładzie kodu

Przykładowy kod języka Python dla tego artykułu dostępny w repozytorium databricks/ide-best-practices w usłudze GitHub wykonuje następujące czynności:

Pobiera dane z repozytorium danych owid/covid-19-data w usłudze GitHub.
Filtruje dane dla określonego kodu kraju ISO.
Tworzy pivottable na podstawie danych.
Wykonuje czyszczenie danych na danych.
Modułyzuje logikę kodu w funkcje wielokrotnego użytku.
Jednostka testuje funkcje.
Udostępnia dbx konfiguracje i ustawienia projektu, aby umożliwić kodowi zapisywanie danych do Delta table w zdalnym obszarze roboczym Azure Databricks.

Set skończy przykładowy kod

Po wprowadzeniu wymagań dotyczących tego przykładu kodu wykonaj następujące kroki, aby rozpocząć korzystanie z przykładu kodu.

Uwaga

Te kroki nie obejmują konfigurowania tego przykładu kodu dla ciągłej integracji/ciągłego wdrażania. Nie musisz set konfigurować CI/CD, aby uruchomić ten przykładowy kod. Jeśli chcesz set ciągłą integrację/ciągłe wdrażanie później, zobacz Run with GitHub Actions (Uruchamianie za pomocą funkcji GitHub Actions).

Krok 1. Tworzenie środowiska wirtualnego języka Python

W terminalu utwórz pusty folder zawierający środowisko wirtualne dla tego przykładu kodu. Te instrukcje używają folderu nadrzędnego o nazwie ide-demo. Możesz nadać temu folderowi dowolną nazwę. Jeśli używasz innej nazwy, zastąp nazwę w tym artykule. Po utworzeniu folderu przejdź do niego, a następnie uruchom program Visual Studio Code z tego folderu. Pamiętaj o dołączeniu kropki (.) po poleceniu code .

W przypadku systemów Linux i macOS:
```
mkdir ide-demo
cd ide-demo
code .
```
Napiwek

Jeśli getcommand not found: codebłędu, zobacz Uruchamianie z wiersza polecenia w witrynie internetowej firmy Microsoft.

Dla systemu Windows:
```
md ide-demo
cd ide-demo
code .
```
Na pasku menu programu Visual Studio Code kliknij pozycję Wyświetl > terminal.
W katalogu głównym folderu ide-demo uruchom polecenie pipenv z użyciem opcji where.<version> jest wersją docelową Pythona, którą masz już zainstalowaną lokalnie (i która, najlepiej, powinna odpowiadać wersji Pythona w docelowych klastrach), na przykład 3.8.14.
```
pipenv --python <version>
```
Zanotuj Virtualenv location wartość w danych wyjściowych pipenv polecenia, ponieważ będzie ona potrzebna w następnym kroku.
Select docelowego interpretera języka Python, a następnie aktywuj środowisko wirtualne języka Python:
1. Na pasku menu kliknij pozycję View > Command Palette, wpisz Python: Select, a następnie kliknij pozycję Python: Select Interpreter.
2. Select interpreter języka Python w ścieżce do właśnie utworzonego środowiska wirtualnego języka Python. (Ta ścieżka jest wyświetlana Virtualenv location jako wartość w danych wyjściowych pipenv polecenia).
3. Na pasku menu kliknij pozycję > poleceń, wpisz , a następnie kliknij pozycję Terminal: Create.
4. Upewnij się, że wiersz polecenia wskazuje, że jesteś w powłoce pipenv . Aby potwierdzić, powinien zostać wyświetlony komunikat podobny (<your-username>) do następującego przed wierszem polecenia. Jeśli go nie widzisz, uruchom następujące polecenie:
```
pipenv shell
```
  Aby zamknąć powłokę pipenv , uruchom polecenie exit, a nawiasy znikną.
Aby uzyskać więcej informacji, zobacz Using Python environments in VS Code (Używanie środowisk języka Python w programie VS Code ) w dokumentacji programu Visual Studio Code.

Krok 2. Sklonowanie przykładu kodu z usługi GitHub

W programie Visual Studio Code otwórz ide-demo folder (Plik > otwórz folder), jeśli nie został jeszcze otwarty.
Kliknij pozycję > poleceń, wpisz , a następnie kliknij pozycję Git: Clone.
W polu Podaj adres URL repozytorium lub wybierz źródło repozytorium, wprowadź https://github.com/databricks/ide-best-practices
Przejdź do folderu ide-demo, a następnie kliknij opcję Lokalizacja Repozytorium Select.

Krok 3. Instalowanie zależności przykładu kodu

Zainstaluj wersję interfejsu dbx wiersza polecenia usługi Databricks w wersji 0.18 lub nowszej, która jest zgodna z wersją języka Python. W tym celu w programie Visual Studio Code z poziomu terminalu z ide-demo poziomu folderu z aktywowaną powłoką pipenv (pipenv shell) uruchom następujące polecenie:
```
pip install dbx
```
Upewnij się, że dbx jest zainstalowana. Aby to zrobić, uruchom następujące polecenie:
```
dbx --version
```
Jeśli zostanie zwrócony numer wersji, dbx zostanie zainstalowany.

Jeśli numer wersji jest niższy niż 0.8.0, uaktualnij dbx , uruchamiając następujące polecenie, a następnie ponownie sprawdź numer wersji:
```
pip install dbx --upgrade
dbx --version

# Or ...
python -m pip install dbx --upgrade
dbx --version
```
Podczas instalowania dbxstarszego interfejsu wiersza polecenia usługi Databricks (interfejs wiersza polecenia usługi Databricks w wersji 0.17) jest również instalowany automatycznie. Aby upewnić się, że jest zainstalowany starszy interfejs wiersza polecenia usługi Databricks (interfejs wiersza polecenia usługi Databricks w wersji 0.17), uruchom następujące polecenie:
```
databricks --version
```
Jeśli zostanie zwrócony interfejs wiersza polecenia usługi Databricks w wersji 0.17, zostanie zainstalowany starszy interfejs wiersza polecenia usługi Databricks.
Jeśli nie masz set starszego interfejsu wiersza polecenia usługi Databricks (interfejs wiersza polecenia usługi Databricks w wersji 0.17) z uwierzytelniania, musisz to zrobić teraz. Aby potwierdzić, że uwierzytelnianie jest set, uruchom podstawowe polecenie, aby get informacje podsumowujące o obszarze roboczym usługi Azure Databricks. Pamiętaj, aby uwzględnić ukośnik (/) po ls podpolecenia:
```
databricks workspace ls /
```
Jeśli zostanie zwrócona list nazwa folderów na poziomie głównym dla Twojego obszaru roboczego, uwierzytelnianie zostanie set.
Zainstaluj pakiety języka Python, od których zależy ten przykładowy kod. W tym celu uruchom następujące polecenie z ide-demo/ide-best-practices folderu :
```
pip install -r unit-requirements.txt
```
Upewnij się, że pakiety zależne przykładu kodu są zainstalowane. Aby to zrobić, uruchom następujące polecenie:
```
pip list
```
Jeśli pakiety wymienione w plikach requirements.txt i unit-requirements.txt znajdują się w tym list, instalowane są pakiety zależne.

Uwaga

Pliki wymienione w pliku requirements.txt są przeznaczone dla określonych wersji pakietów. Aby uzyskać lepszą zgodność, możesz odwoływać się do tych wersji z typem węzła klastra, który ma być używany przez obszar roboczy usługi Azure Databricks do uruchamiania wdrożeń później. Zobacz sekcję "Środowisko systemowe" dla wersji środowiska Databricks Runtime klastra w artykule Databricks Runtime release notes versions and compatibility (Wersje i zgodność środowiska Uruchomieniowego usługi Databricks Runtime).

Krok 4. Dostosowywanie przykładu kodu dla obszaru roboczego usługi Azure Databricks

Dostosuj ustawienia projektu repozytorium dbx . W tym celu w pliku .dbx/project.json zmień wartość obiektu profile z DEFAULT na nazwę profilu, który jest zgodny z tym, który set do uwierzytelniania przy użyciu starszego interfejsu wiersza polecenia usługi Databricks (interfejs wiersza polecenia usługi Databricks w wersji 0.17). Jeśli nie set żadnego profilu innego niż domyślny, pozostaw DEFAULT tak, jak to jest. Na przykład:
```
{
  "environments": {
    "default": {
      "profile": "DEFAULT",
      "storage_type": "mlflow",
      "properties": {
        "workspace_directory": "/Workspace/Shared/dbx/covid_analysis",
        "artifact_location": "dbfs:/Shared/dbx/projects/covid_analysis"
      }
    }
  },
  "inplace_jinja_support": false
}
```

dbx Dostosuj ustawienia wdrożenia projektu. W tym celu w conf/deployment.yml pliku zmień wartość spark_version obiektów i z node_type_id i 10.4.x-scala2.12m6gd.large na ciąg wersji środowiska uruchomieniowego usługi Azure Databricks i typu węzła klastra, którego chcesz, aby obszar roboczy usługi Azure Databricks był używany do uruchamiania wdrożeń.

Aby na przykład określić typ węzła Standard_DS3_v2 środowiska Databricks Runtime 10.4 LTS:

environments:
  default:
    workflows:
      - name: "covid_analysis_etl_integ"
        new_cluster:
          spark_version: "10.4.x-scala2.12"
          num_workers: 1
        node_type_id: "Standard_DS3_v2"
        spark_python_task:
          python_file: "file://jobs/covid_trends_job.py"
      - name: "covid_analysis_etl_prod"
        new_cluster:
          spark_version: "10.4.x-scala2.12"
          num_workers: 1
          node_type_id: "Standard_DS3_v2"
          spark_python_task:
            python_file: "file://jobs/covid_trends_job.py"
          parameters: ["--prod"]
      - name: "covid_analysis_etl_raw"
        new_cluster:
          spark_version: "10.4.x-scala2.12"
          num_workers: 1
          node_type_id: "Standard_DS3_v2"
          spark_python_task:
            python_file: "file://jobs/covid_trends_job_raw.py"

Napiwek

W tym przykładzie każda z tych trzech definicji zadań ma tę samą spark_version wartość i node_type_id . Dla różnych definicji zadań można używać różnych values. Możesz również utworzyć udostępnione values i użyć ich ponownie w definicjach zadań, aby zmniejszyć błędy wpisywania i konserwację kodu. Zobacz przykład YAML w dbx dokumentacji.

Eksplorowanie przykładu kodu

Po skonfigurowaniu przykładowego koduza pomocą , przeczytaj poniższe informacje, aby dowiedzieć się, jak działają różne pliki w folderze .

Modułyzacja kodu

Niemodularyzowany kod

Plik jobs/covid_trends_job_raw.py jest niemodularzowaną wersją logiki kodu. Ten plik można uruchomić samodzielnie.

Kod modułowy

Plik jobs/covid_trends_job.py jest modułową wersją logiki kodu. Ten plik opiera się na udostępnionym kodzie w covid_analysis/transforms.py pliku. Plik covid_analysis/__init__.py traktuje covide_analysis folder jako pakiet zawierający.

Testowanie

Testy jednostkowe

Plik tests/testdata.csv zawiera niewielką część danych w covid-hospitalizations.csv pliku na potrzeby testowania. Plik tests/transforms_test.py zawiera testy jednostkowe dla covid_analysis/transforms.py pliku.

Moduł uruchamiający testy jednostkowe

Plik pytest.ini zawiera opcje konfiguracji uruchamiania testów za pomocą narzędzia pytest. Zobacz pytest.ini i opcje konfiguracji w pytest dokumentacji.

Plik .coveragerc zawiera opcje konfiguracji pomiarów pokrycia kodu w języku Python z coverage.py. Zobacz Informacje o konfiguracji w coverage.py dokumentacji.

Plik requirements.txt, który jest podzbiorem uruchomionego wcześniej pliku unit-requirements.txt z pip, zawiera list pakietów, od których również zależą testy jednostkowe.

Packaging

Plik setup.py udostępnia polecenia do uruchomienia w konsoli (skrypty konsoli), takie jak pip polecenie, na potrzeby tworzenia pakietów projektów języka Python za pomocą narzędzi setuptools. Zobacz Punkty wejścia w setuptools dokumentacji.

Inne pliki

W tym przykładzie kodu znajdują się inne pliki, które nie zostały wcześniej opisane:

Folder .github/workflows zawiera trzy pliki, databricks_pull_request_tests.yml, onpush.ymli onrelease.yaml, reprezentujące funkcję GitHub Actions, które zostały omówione w dalszej części sekcji Funkcji GitHub Actions .
Plik .gitignore zawiera list folderów lokalnych i plików ignorowanych przez Git dla twojego repozytorium.

Uruchamianie przykładu kodu

Możesz użyć dbx na komputerze lokalnym, aby poinstruować usługę Azure Databricks o uruchomieniu przykładu kodu w zdalnym obszarze roboczym na żądanie, zgodnie z opisem w następnej podsekcji. Możesz też użyć funkcji GitHub Actions, aby usługa GitHub uruchamiała przykład kodu za każdym razem, gdy wypychasz zmiany kodu do repozytorium GitHub.

Uruchamianie z bazą danych dbx

Zainstaluj zawartość covid_analysis folderu jako pakiet w trybie programowania w języku Python setuptools, uruchamiając następujące polecenie z katalogu głównego dbx projektu (na przykład ide-demo/ide-best-practices folder). Pamiętaj, aby uwzględnić kropkę (.) na końcu tego polecenia:
```
pip install -e .
```
To polecenie tworzy covid_analysis.egg-info folder zawierający informacje o skompilowanej wersji covid_analysis/__init__.py plików i covid_analysis/transforms.py .
Uruchom testy, uruchamiając następujące polecenie:
```
pytest tests/
```
Wyniki testów są wyświetlane w terminalu. Wszystkie cztery testy powinny być wyświetlane jako przekazywanie.

Napiwek

Aby uzyskać dodatkowe podejścia do testowania, w tym testowania notesów języka R i Scala, zobacz Testowanie jednostkowe notesów.
Opcjonalnie get metryki pokrycia testów dla testów, uruchamiając następujące polecenie:
```
coverage run -m pytest tests/
```
Uwaga

Jeśli zostanie wyświetlony komunikat, którego coverage nie można odnaleźć, uruchom polecenie pip install coveragei spróbuj ponownie.

Aby wyświetlić wyniki pokrycia testów, uruchom następujące polecenie:
```
coverage report -m
```
Jeśli wszystkie cztery testy przeszły pomyślnie, wyślij dbx zawartość projektu do obszaru roboczego usługi Azure Databricks, uruchamiając następujące polecenie:
```
dbx deploy --environment=default
```
Informacje o projekcie i jego uruchomieniach są wysyłane do lokalizacji określonej w workspace_directory obiekcie w .dbx/project.json pliku.

Zawartość projektu jest wysyłana do lokalizacji określonej w artifact_location obiekcie w .dbx/project.json pliku.
Uruchom przedprodukcyjną wersję kodu w obszarze roboczym, uruchamiając następujące polecenie:
```
dbx launch covid_analysis_etl_integ
```
W terminalu zostanie wyświetlony link do wyników przebiegu. Powinna to wyglądać następująco:
```
https://<your-workspace-instance-id>/?o=1234567890123456#job/123456789012345/run/12345
```
Użyj tego linku w przeglądarce internetowej, aby wyświetlić wyniki przebiegu w obszarze roboczym.
Uruchom produkcyjną wersję kodu w obszarze roboczym, uruchamiając następujące polecenie:
```
dbx launch covid_analysis_etl_prod
```
W terminalu zostanie wyświetlony link do wyników przebiegu. Powinna to wyglądać następująco:
```
https://<your-workspace-instance-id>/?o=1234567890123456#job/123456789012345/run/23456
```
Użyj tego linku w przeglądarce internetowej, aby wyświetlić wyniki przebiegu w obszarze roboczym.

Uruchamianie za pomocą funkcji GitHub Actions

W folderze .github/workflows projektu onpush.yml pliki i onrelease.yml GitHub Actions wykonują następujące czynności:

Na każdym wypchnięciu do tagu rozpoczynającego się od v, użyje polecenia dbx do wdrożenia covid_analysis_etl_prod zadania.
Na każdym wypchnięciu, które nie jest tagiem rozpoczynającym się od v:
1. Używa pytest polecenia do uruchamiania testów jednostkowych.
2. Służy dbx do wdrażania pliku określonego covid_analysis_etl_integ w zadaniu w zdalnym obszarze roboczym.
3. Służy dbx do uruchamiania już wdrożonego pliku określonego covid_analysis_etl_integ w zadaniu w zdalnym obszarze roboczym, śledzenie tego przebiegu do momentu zakończenia.

Uwaga

Dodatkowy plik databricks_pull_request_tests.ymlfunkcji GitHub Actions, , jest udostępniany jako szablon do eksperymentowania bez wpływu na onpush.yml pliki i onrelease.yml GitHub Actions. Ten przykładowy kod można uruchomić bez databricks_pull_request_tests.yml pliku Funkcji GitHub Actions. Jego użycie nie zostało omówione w tym artykule.

W poniższych podsekcjach opisano sposób set i uruchamiania plików onpush.yml i onrelease.yml funkcji GitHub Actions.

Set gotowy do korzystania z GitHub Actions

Set obszar roboczy usługi Azure Databricks, postępując zgodnie z instrukcjami w temacie Service principals for CI/CD. Obejmuje to następujące akcje:

Tworzenie jednostki usługi.
Utwórz token identyfikatora entra firmy Microsoft dla jednostki usługi.

Najlepszym rozwiązaniem w zakresie zabezpieczeń usługa Databricks zaleca użycie tokenu identyfikatora Entra firmy Microsoft dla jednostki usługi zamiast osobistego tokenu dostępu usługi Databricks dla użytkownika obszaru roboczego, aby umożliwić usłudze GitHub uwierzytelnianie w obszarze roboczym usługi Azure Databricks.

Po utworzeniu jednostki usługi i tokenu identyfikatora entra firmy Microsoft zatrzymaj i zanotuj wartość tokenu Identyfikator entra firmy Microsoft, której użyjesz w następnej sekcji.

Uruchamianie funkcji GitHub Actions

Krok 1. Publikowanie sklonowanego repozytorium

W programie Visual Studio Code na pasku bocznym kliknij ikonę GitHub . Jeśli ikona nie jest widoczna, najpierw włącz rozszerzenie GitHub Pull Requests and Issues za pomocą widoku Rozszerzenia (Wyświetl > rozszerzenia).
Jeśli przycisk Zaloguj się jest widoczny, kliknij go i postępuj zgodnie z instrukcjami wyświetlanymi na ekranie, aby zalogować się do konta usługi GitHub.
Na pasku menu kliknij pozycję > poleceń, wpisz , a następnie kliknij pozycję Publish to GitHub.
Select opcję publikowania sklonowanego repozytorium na koncie usługi GitHub.

Krok 2. Dodawanie zaszyfrowanych wpisów tajnych do repozytorium

W witrynie internetowej usługi GitHub dla opublikowanego repozytorium postępuj zgodnie z instrukcjami w temacie Tworzenie zaszyfrowanych wpisów tajnych dla repozytorium dla następujących zaszyfrowanych wpisów tajnych:

Utwórz zaszyfrowany sekret o nazwach DATABRICKS_HOSTi set, odpowiadający wartości twojego adresu URL na przestrzeń roboczą, na przykład https://adb-1234567890123456.7.azuredatabricks.net.
Utwórz zaszyfrowany sekret o nazwie DATABRICKS_TOKEN, set z wartością tokenu Microsoft Entra ID dla jednostki usługi.

Krok 3. Tworzenie i publikowanie gałęzi w repozytorium

W programie Visual Studio Code w widoku kontroli kodu źródłowego (widok kontroliźródła) kliknij ikonę ... ( i więcej akcji).
Kliknij pozycję Gałąź Utwórz gałąź > z.
Wprowadź nazwę gałęzi, na przykład my-branch.
Select gałąź, z której utworzyć nową gałąź, na przykład main.
Wprowadź niewielką zmianę w jednym z plików w lokalnym repozytorium, a następnie zapisz plik. Na przykład wprowadź niewielką zmianę w komentarzu tests/transforms_test.py do kodu w pliku.
W widoku kontroli kodu źródłowego kliknij ponownie ikonę ... ( i więcej akcji).
Kliknij pozycję Zmiany > etapu Wszystkie zmiany.
Kliknij ponownie ikonę ... (Views i Więcej akcji).
Kliknij pozycję Zatwierdź zatwierdzenie > przygotowane.
Wprowadź komunikat dotyczący zatwierdzenia.
Kliknij ponownie ikonę ... (Views i Więcej akcji).
Kliknij pozycję Gałąź publikuj gałąź>.

Krok 4. Tworzenie żądania ściągnięcia i scalanie

Przejdź do witryny internetowej usługi GitHub dla opublikowanego repozytorium https://github/<your-GitHub-username>/ide-best-practices.
Na karcie Żądania ściągnięcia obok gałęzi moja gałąź miała ostatnie wypchnięcia, kliknij pozycję Porównaj i żądanie ściągnięcia.
Kliknij pozycję Create pull request (Utwórz żądanie ściągnięcia).
Na stronie żądania ściągnięcia zaczekaj na ikonę obok pozycji CI pipleline/ci-pipeline (wypychanie), aby wyświetlić zielony znacznik wyboru. (Wyświetlenie ikony może potrwać kilka minut). Jeśli jest czerwony znak X zamiast zielonego znacznika wyboru, kliknij pozycję Szczegóły , aby dowiedzieć się, dlaczego. Jeśli ikona lub Szczegóły nie są już wyświetlane, kliknij przycisk Pokaż wszystkie testy.
Jeśli zostanie wyświetlony zielony znacznik wyboru, scal żądanie ściągnięcia z main gałęzią, klikając pozycję Scal żądanie ściągnięcia.

Udostępnij za pośrednictwem