Databricks Asset Bundles 延伸項目功能

適用於 Visual Studio Code 的 Databricks 擴充功能提供 Visual Studio Code 中的其他功能，可讓您輕鬆地定義、部署和執行 Databricks 資產套件組合，以將 CI/CD 最佳做法套用至 Azure Databricks 作業、Delta Live Tables 管線和 MLOps Stack。 請參閱什麼是 Databricks Asset Bundles？。

若要安裝適用於 Visual Studio Code 的 Databricks 擴充功能，請參閱 安裝適用於 Visual Studio Code 的 Databricks 擴充功能。

專案中的 Databricks 資產配套支援

適用於 Visual Studio Code 的 Databricks 延伸模組會為您的 Databricks 資產套件組合專案新增下列功能：

• 透過 Visual Studio Code UI 輕鬆驗證和設定 Databricks 資產組合，包括 AuthType 設定檔選取專案。 請參閲 適用於 Visual Studio Code 的 Databricks 延伸項目的驗證設定。
• Databricks 擴充面板中的目標選取器，可快速切換套件組合目標環境。 請參閱 變更目標部署工作區。
• 延伸模組面板中的 [ 覆寫作業叢集 ] 選項，以啟用簡單的叢集覆寫。
• [ 套件組合資源 總管] 檢視可讓您使用 Visual Studio Code UI 瀏覽套件組合資源、使用單鍵將本機 Databricks 資產組合的資源部署到遠端 Azure Databricks 工作區，然後直接從 Visual Studio Code 移至工作區中已部署的資源。 請參閱 套件組合資源總管。
• 套件 組合變數檢視，可讓您使用 Visual Studio Code UI 來瀏覽和編輯套件組合變數。 請參閱 套件組合變數檢視。

套件組合資源總管

Visual Studio Code Databricks 延伸模組中的 套件資源總管 檢視會使用專案的套件組態中的作業和管線定義來顯示資源，包括管線數據集及其架構。 它也可讓您部署和執行資源、驗證和執行管線的部分更新、檢視管線執行事件和診斷，以及瀏覽至遠端 Azure Databricks 工作區中的資源。 如需套件組合組態資源的相關信息，請參閱 資源。

例如，假設有簡單的作業定義：

resources:
  jobs:
    my-notebook-job:
      name: "My Notebook Job"
      tasks:
        - task_key: notebook-task
          existing_cluster_id: 1234-567890-abcde123
          notebook_task:
            notebook_path: notebooks/my-notebook.py

延伸模組中的 [ 套件組合資源 總管] 檢視會顯示筆記本作業資源：

若要部署套件組合，請按兩下雲端 （部署套件組合） 圖示。

若要執行作業，請在 [套件組合資源總 管] 檢視中，選取作業的名稱，在此範例中為 [我的筆記本作業 ]。 接下來，按兩下播放 [部署套件組合並執行資源] 圖示。

若要檢視執行中的作業，請在 [套件組合資源 總管] 檢視中，展開作業名稱，按兩下 [執行狀態]，然後按兩下連結 （外部開啟連結） 圖示。

要對管線進行驗證和部分更新，您可以先選取該管線，然後點擊 [部署套件組合並驗證管線] 的圖示。 執行過程中的事件會顯示出來，並且可以在 Visual Studio Code PROBLEMS 面板中診斷任何失敗。

套件組合變數檢視

Visual Studio Code Databricks 延伸模組中的 [ 套件組合變數檢視] 檢視] 檢視 會顯示套件組合組態中定義的任何自定義變數和相關聯的設定。 您也可以使用 套件組合變數檢視直接定義變數。 這些值會覆寫套件組合組態檔中設定的值。 如需自定義變數的相關信息，請參閱 自定義變數。

例如，延伸模組中的 [ 組合變數檢視 ] 檢視會顯示下列內容：

針對此套件組合元件中定義的變數 my_custom_var ：

variables:
  my_custom_var:
    description: "Max workers"
    default: "4"

resources:
  jobs:
    my_job:
      name: my_job

      tasks:
        - task_key: notebook_task
          job_cluster_key: job_cluster
          notebook_task:
            notebook_path: ../src/notebook.ipynb

      job_clusters:
        - job_cluster_key: job_cluster
          new_cluster:
            spark_version: 13.3.x-scala2.12
            node_type_id: i3.xlarge
            autoscale:
                min_workers: 1
                max_workers: ${var.my_custom_var}