Åsidosätt inställningar för jobbuppgifter i Databricks-tillgångspaket

Den här artikeln beskriver hur du åsidosätter inställningarna för Azure Databricks-jobbuppgifter i Databricks-tillgångspaket. Se Vad är Databricks-tillgångspaket?

I Azure Databricks paketkonfigurationsfilerkan du använda task mappning i en jobbdefinition för att koppla jobbaktivitetsinställningarna i en resources mappning på toppnivå med jobbaktivitetsinställningarna i en targets mappning, till exempel (ellipser anger utelämnat innehåll, för korthet):

# ...
resources:
  jobs:
    <some-unique-programmatic-identifier-for-this-job>:
      # ...
      tasks:
        - task_key: <some-unique-programmatic-identifier-for-this-task>
          # Task settings.

targets:
  <some-unique-programmatic-identifier-for-this-target>:
    resources:
      jobs:
        <the-matching-programmatic-identifier-for-this-job>:
          # ...
          tasks:
            - task_key: <the-matching-programmatic-identifier-for-this-key>
              # Any more task settings to join with the settings from the
              # resources mapping for the matching top-level task_key.
          # ...

Om du vill koppla mappningen på den översta nivån resources och mappningen targets för samma taskmåste task-mappningarnas task_key ställas in på samma värde.

Om någon jobbaktivitetsinställning har definierats både i den översta resources-mappningen och targets-mappningen för samma task, har inställningen i targets-mappningen företräde framför inställningen i resources-mappningen.

Exempel 1: Jobbaktivitetsinställningar som definierats i flera resursmappningar och utan inställningskonflikter

I det här exemplet kombineras spark_version i den översta resources mappningen med node_type_id och num_workers i resources mappning i targets för att definiera inställningarna för task_key med namnet my-task (ellipser anger utelämnat innehåll, för korthet):

# ...
resources:
  jobs:
    my-job:
      name: my-job
      tasks:
        - task_key: my-key
          new_cluster:
            spark_version: 13.3.x-scala2.12

targets:
  development:
    resources:
      jobs:
        my-job:
          name: my-job
          tasks:
            - task_key: my-task
              new_cluster:
                node_type_id: Standard_DS3_v2
                num_workers: 1
          # ...

När du kör databricks bundle validate för det här exemplet är det resulterande diagrammet enligt följande (ellipser indikerar utelämnat innehåll, för korthet):

{
  "...": "...",
  "resources": {
    "jobs": {
      "my-job": {
        "tasks": [
          {
            "new_cluster": {
              "node_type_id": "Standard_DS3_v2",
              "num_workers": 1,
              "spark_version": "13.3.x-scala2.12"
            },
            "task-key": "my-task"
          }
        ],
        "...": "..."
      }
    }
  }
}

Exempel 2: Konflikterande arbetsuppgiftsinställningar definierade i flera resursmappningar

I det här exemplet definieras spark_versionoch num_workers både i mappningen på den översta nivån resources och i resources mappning i targets. spark_version och num_workers i resources-mappningen i targets har företräde framför spark_version och num_workers i översta nivån av resources-mappningen. Detta definierar inställningarna för task_key med namnet my-task (ellipser anger utelämnat innehåll, för korthet):

# ...
resources:
  jobs:
    my-job:
      name: my-job
      tasks:
        - task_key: my-task
          new_cluster:
            spark_version: 13.3.x-scala2.12
            node_type_id: Standard_DS3_v2
            num_workers: 1

targets:
  development:
    resources:
      jobs:
        my-job:
          name: my-job
          tasks:
            - task_key: my-task
              new_cluster:
                spark_version: 12.2.x-scala2.12
                num_workers: 2
          # ...

När du kör databricks bundle validate för det här exemplet är det resulterande diagrammet enligt följande (ellipser indikerar utelämnat innehåll, för korthet):

{
  "...": "...",
  "resources": {
    "jobs": {
      "my-job": {
        "tasks": [
          {
            "new_cluster": {
              "node_type_id": "Standard_DS3_v2",
              "num_workers": 2,
              "spark_version": "12.2.x-scala2.12"
            },
            "task_key": "my-task"
          }
        ],
        "...": "..."
      }
    }
  }
}