DatabricksCreateJobsOperator

使用 DatabricksCreateJobsOperator 来创建(或重置)一个 Databricks 作业。此 Operator 依赖于过去的 XComs 来记住已创建的 job_id,以便通过此 Operator 进行重复调用时更新现有作业,而不是创建新作业。当与 DatabricksRunNowOperator 配对使用时,所有运行都将属于 Databricks UI 中的同一作业。

使用此 Operator

有三种实例化此 Operator 的方法。第一种方法是,您可以获取通常用于调用 api/2.1/jobs/create 端点的 JSON 有效负载,并通过 json 参数将其直接传递给我们的 DatabricksCreateJobsOperator。使用此方法,您可以完全控制底层有效负载到 Jobs REST API,包括执行包含多个任务的 Databricks 作业,但由于缺乏类型检查,更难检测错误。

完成相同事情的第二种方法是直接使用 DatabricksCreateJobsOperator 的命名参数。请注意,api/2.1/jobs/create 端点中的每个顶级参数都恰好对应一个命名参数。

第三种方法是同时使用 json 参数 命名参数。它们将被合并。如果在合并过程中发生冲突,命名参数将优先并覆盖顶级 json 键。

目前 DatabricksCreateJobsOperator 支持的命名参数有
  • name

  • description

  • tags

  • tasks

  • job_clusters

  • email_notifications

  • webhook_notifications

  • notification_settings

  • timeout_seconds

  • schedule

  • max_concurrent_runs

  • git_source

  • access_control_list

示例

将参数指定为 JSON

以下是 DatabricksCreateJobsOperator 的一个使用示例

tests/system/databricks/example_databricks.py

    # Example of using the JSON parameter to initialize the operator.
    job = {
        "tasks": [
            {
                "task_key": "test",
                "job_cluster_key": "job_cluster",
                "notebook_task": {
                    "notebook_path": "/Shared/test",
                },
            },
        ],
        "job_clusters": [
            {
                "job_cluster_key": "job_cluster",
                "new_cluster": {
                    "spark_version": "7.3.x-scala2.12",
                    "node_type_id": "i3.xlarge",
                    "num_workers": 2,
                },
            },
        ],
    }

    jobs_create_json = DatabricksCreateJobsOperator(task_id="jobs_create_json", json=job)

使用命名参数

您也可以使用命名参数来初始化此 Operator 并运行作业。

tests/system/databricks/example_databricks.py

    # Example of using the named parameters to initialize the operator.
    tasks = [
        {
            "task_key": "test",
            "job_cluster_key": "job_cluster",
            "notebook_task": {
                "notebook_path": "/Shared/test",
            },
        },
    ]
    job_clusters = [
        {
            "job_cluster_key": "job_cluster",
            "new_cluster": {
                "spark_version": "7.3.x-scala2.12",
                "node_type_id": "i3.xlarge",
                "num_workers": 2,
            },
        },
    ]

    jobs_create_named = DatabricksCreateJobsOperator(
        task_id="jobs_create_named", tasks=tasks, job_clusters=job_clusters
    )

与 DatabricksRunNowOperator 配对

您可以将 DatabricksCreateJobsOperator 在 return_value XCom 中返回的 job_id 作为参数传递给 DatabricksRunNowOperator 来运行作业。

tests/system/databricks/example_databricks.py

    # Example of using the DatabricksRunNowOperator after creating a job with DatabricksCreateJobsOperator.
    run_now = DatabricksRunNowOperator(
        task_id="run_now", job_id="{{ ti.xcom_pull(task_ids='jobs_create_named') }}"
    )

    jobs_create_named >> run_now

本条目是否有帮助?