Usar o Visual Studio Code com o Databricks Connect for Scala

Nota

Este artigo aborda o Databricks Connect for Databricks Runtime 13.3 LTS e superior.

Este artigo aborda como usar o Databricks Connect for Scala com o Visual Studio Code. O Databricks Connect permite conectar IDEs populares, servidores de notebook e outros aplicativos personalizados a clusters do Azure Databricks. Consulte O que é Databricks Connect?. Para a versão Python deste artigo, consulte Usar o Visual Studio Code com Databricks Connect for Python.

Nota

Antes de começar a usar o Databricks Connect, você deve configurar o cliente Databricks Connect.

Para usar o Databricks Connect e o Visual Studio Code com a extensão Scala (Metals) para criar, executar e depurar um projeto Scala sbt de exemplo, siga estas instruções. Você também pode adaptar este exemplo aos seus projetos Scala existentes.

1. Certifique-se de que o Java Development Kit (JDK) e o Scala estão instalados localmente. O Databricks recomenda que sua versão local do JDK e do Scala corresponda à versão do JDK e do Scala no cluster do Azure Databricks.

2. Certifique-se de que a versão mais recente do sbt está instalada localmente.

3. Instale a extensão Scala (Metals) para Visual Studio Code.

4. No Visual Studio Code, abra a pasta onde você deseja criar seu projeto Scala (File > Open Folder).

5. Na barra lateral, clique no ícone de extensão Metais e, em seguida, clique em Novo projeto Scala.

6. Na Paleta de comandos, escolha o modelo chamado scala/hello-world.g8 e conclua as instruções na tela para concluir a criação do projeto Scala na pasta especificada.

7. Adicionar configurações de compilação do projeto: Na visualização Explorer (View > Explorer), abra o build.sbt arquivo da raiz do projeto, substitua o conteúdo do arquivo pelo seguinte e salve o arquivo:

   scalaVersion := "2.12.15"
   
   libraryDependencies += "com.databricks" % "databricks-connect" % "14.0.0"
   

   Substitua pela versão instalada do Scala 2.12.15 , que deve corresponder à versão incluída na versão do Databricks Runtime no cluster.

   Substitua 14.0.0 pela versão da biblioteca Databricks Connect que corresponde à versão do Databricks Runtime no cluster. Você pode encontrar os números de versão da biblioteca Databricks Connect no repositório central do Maven.

8. Adicionar código Scala: Abra o src/main/scala/Main.scala arquivo relativo à raiz do projeto, substitua o conteúdo do arquivo pelo seguinte e salve o arquivo:

   import com.databricks.connect.DatabricksSession
   import org.apache.spark.sql.SparkSession
   
   object Main extends App {
     val spark = DatabricksSession.builder().remote().getOrCreate()
     val df = spark.read.table("samples.nyctaxi.trips")
     df.limit(5).show()
   }
   

9. Construir o projeto: Execute o comando >Metais: Importar compilação da Paleta de Comandos.

10. Adicionar configurações de execução do projeto: na visualização Executar & Depurar (Exibir > Executar), clique no link Criar um arquivo launch.json.

11. Na Paleta de comandos, selecione Depurador Scala.

12. Adicione a seguinte configuração de execução ao launch.json ficheiro e, em seguida, guarde o ficheiro:

    {
      // 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": "scala",
          "request": "launch",
          "name": "Scala: Run main class",
          "mainClass": "Main",
          "args": [],
          "jvmOptions": []
        }
      ]
    }
    

13. Executar o projeto: Clique no ícone play (Start Debugging) ao lado de Scala: Run main class. Na visualização Debug Console (View > Debug Console), as primeiras 5 linhas da samples.nyctaxi.trips tabela aparecem. Todo o código Scala é executado localmente, enquanto todo o código Scala envolvendo operações DataFrame é executado no cluster no espaço de trabalho remoto do Azure Databricks e as respostas de execução são enviadas de volta ao chamador local.

14. Depurar o projeto: defina pontos de interrupção no seu código e, em seguida, clique no ícone de reprodução novamente. Todo o código Scala é depurado localmente, enquanto todo o código Scala continua a ser executado no cluster no espaço de trabalho remoto do Azure Databricks. O código principal do mecanismo Spark não pode ser depurado diretamente do cliente.