我需要安装 JAR 文件作为库,同时将 Databricks 群集设置为我的 Azure 发布管道的一部分。 到目前为止,我已经完成了以下工作 -
- 使用 Azure CLI 任务创建集群定义
- 使用curl命令将JAR文件从Maven存储库下载到 管道代理文件夹
- 在管道代理上设置 Databricks CLI
- 使用
databricks fs cp
从本地复制JAR文件(管道 agent) 目录复制到 dbfs:/FileStore/jars 文件夹
我正在尝试创建一个集群范围的初始化脚本(bash)脚本,它将-
- 安装 pandas、azure-cosmos 和 python-magic 包
- 安装 JAR 文件(已在前面的步骤中复制到 dbfs:/FileStore/jars 位置)作为集群库文件
我的集群初始化脚本如下所示 -
#!/bin/bash
/databricks/python/bin/pip install pandas 2>/dev/null
/databricks/python/bin/pip install azure-cosmos 2>/dev/null
/databricks/python/bin/pip install python-magic 2>/dev/null
但我不知道 -
- 这是否会将包添加到集群
- 如何将现有 JAR 文件作为库添加到集群
我知道还有其他方法可以编辑集群库元数据,但据我所知,集群库上的任何更改都需要集群处于 RUNNING 状态,但在我们的情况下可能不是这样。这就是为什么我想在集群定义中添加一个 init 脚本,以便在集群重新启动/运行时,将执行 init 脚本。
请帮忙。
谢谢。 子哈希
最佳答案
如果您只想将 jar 文件复制到集群节点中,只需将它们复制到 /databricks/jars
文件夹中,如下所示(作为初始化脚本的一部分):
cp `/dbfs/FileStore/jars/<file-name.jar> /databricks/jars/
或
cp `/dbfs/FileStore/jars/*.jar /databricks/jars/
关于初始化脚本的其余部分 - 是的,它将根据需要在所有集群节点上安装软件包。仅两条评论:
- 您可以使用一个
pip
命令安装多个软件包 - 它应该比逐一安装稍快一些:
#!/bin/bash
/databricks/python/bin/pip install pandas azure-cosmos python-magic
- 使用
2>/dev/null
可能会使初始化脚本的调试变得更加困难,例如,当您遇到网络连接问题或构建错误时。没有它,您将能够提取集群日志(如果启用了它们,并且它也将包含初始化脚本的日志)
关于bash - 使用 JAR 文件作为 Databricks 集群库,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/69212780/