Bibliotekshantering i infrastrukturmiljöer
Microsoft Fabric-miljöer tillhandahåller flexibla konfigurationer för att köra dina Spark-jobb. Bibliotek ger återanvändbar kod som utvecklare vill inkludera i sitt arbete. Förutom de inbyggda bibliotek som medföljer varje Spark-körning kan du installera offentliga och anpassade bibliotek i dina Infrastrukturmiljöer. Och du kan enkelt koppla miljöer till dina notebook-filer och Spark-jobbdefinitioner.
Kommentar
Om du ändrar versionen av ett visst paket kan det eventuellt bryta andra paket som är beroende av det. Till exempel kan nedgradering azure-storage-blob orsaka problem med Pandas och olika andra bibliotek som förlitar sig på Pandas, inklusive mssparkutils, fsspec_wrapperoch notebookutils.
Du kan visa listan över förinstallerade paket och deras versioner för varje körning här.
Kontrollera fler alternativ och metodtips för att använda bibliotek i Microsoft Fabric: Hantera Apache Spark-bibliotek i Microsoft Fabric
Offentliga bibliotek
Offentliga bibliotek kommer från lagringsplatser som PyPI och Conda, som Fabric för närvarande stöder.
Lägga till ett nytt offentligt bibliotek
Om du vill lägga till ett nytt offentligt bibliotek väljer du en källa och anger bibliotekets namn och version. Du kan också ladda upp en Conda-miljöspecifikation .yml fil för att ange de offentliga biblioteken. Innehållet i den uppladdade .yml-filen extraheras och läggs till i listan.
Kommentar
Funktionen för automatisk komplettering för biblioteksnamn under tillägg är begränsad till de mest populära biblioteken. Om biblioteket som du vill installera inte finns med i listan får du ingen uppmaning om automatisk slutförande. Sök i stället efter biblioteket direkt i PyPI eller Conda genom att ange dess fullständiga namn. Om biblioteksnamnet är giltigt visas tillgängliga versioner. Om biblioteksnamnet inte är giltigt får du en varning om att biblioteket inte finns.
Lägga till offentliga bibliotek i en batch
Miljöer stöder uppladdning av YAML-filen för att hantera flera offentliga bibliotek i en batch. Innehållet i YAML extraheras och läggs till i listan över offentliga bibliotek.
Kommentar
De anpassade conda-kanalerna i YAML-filen stöds för närvarande inte. Endast biblioteken från PyPI och conda identifieras.
Filtrera offentliga bibliotek
Ange nyckelord i sökrutan på sidan Offentliga bibliotek för att filtrera listan över offentliga bibliotek och hitta den du behöver.
Uppdatera offentliga bibliotek
Om du vill uppdatera versionen av ett befintligt offentligt bibliotek går du till din miljö och öppnar de offentliga biblioteken eller anpassade biblioteken. Välj det bibliotek som krävs, välj listrutan version och uppdatera dess version.
Ta bort offentliga bibliotek
Papperskorgsalternativet för varje bibliotek visas när du hovrar över motsvarande rad. Du kan också ta bort flera offentliga bibliotek genom att välja dem och sedan välja Ta bort i menyfliksområdet.
Visa beroende
Varje offentligt bibliotek har olika beroenden. Alternativet Visa beroende visas när du hovrar över motsvarande rad.
Exportera till yaml
Infrastrukturresurser ger möjlighet att exportera den fullständiga offentliga bibliotekslistan till en YAML-fil och ladda ned den till din lokala katalog.
Anpassade bibliotek
Anpassade bibliotek refererar till kod som skapats av dig eller din organisation. Fabric stöder anpassade biblioteksfiler i .whl-, .jar- och .tar.gz-format.
Kommentar
Infrastrukturresurser stöder endast .tar.gz filer för R-språk. Använd filformatet .whl för Python-språket.
Ladda upp det anpassade biblioteket
Du kan ladda upp anpassade bibliotek från din lokala katalog till Fabric-miljön.
Ta bort det anpassade biblioteket
Papperskorgsalternativet för varje bibliotek visas när du hovrar motsvarande rad. Du kan också ta bort flera anpassade bibliotek genom att välja dem och sedan välja Ta bort i menyfliksområdet.
Ladda ned alla anpassade bibliotek
Om du klickar laddar anpassade bibliotek ned en i taget till din lokala standardkatalog för nedladdning.