Databricksジョブで最初のワークフローを作成する

この記事では、サンプルデータセットを読み込んで処理するタスクをオーケストレーションするDatabrickジョブを説明します。このクイックスタートで、以下ができるようになります：

新しいノートブックを作成し、年ごとの人気の赤ちゃんの名前を含むサンプルデータセットを取得するコードを追加する。
サンプルデータセットをUnity Catalogに保存します。
新しいノートブックを作成し、 Unity Catalogからデータセットを読み取り、年でフィルターし、結果を表示するコードを追加します。
新しいジョブを作成し、ノートブックを使って2つのタスクを設定する。
ジョブを実行し、結果を表示する。

要件

に Unity Catalog ボリュームが必要です。この記事では、mainという名前のカタログ内の default という名前のスキーマ内の my-volume という名前のボリュームを使用します。また、 Unity Catalogで次の権限が必要です。

READ VOLUME WRITE VOLUME、または ALL PRIVILEGESは、my-volumeボリュームです。
USE SCHEMA またはdefaultスキーマのALL PRIVILEGES。
USE CATALOG またはmainカタログの場合はALL PRIVILEGES。

これらの権限を設定するには、 Databricks管理者またはUnity Catalog権限とセキュリティ保護可能なオブジェクトを参照してください。

ノートブックの作成

データの取得と保存

ノートブックを作成してサンプルデータセットを取得し、 Unity Catalogに保存するには:

Databricks ランディングページに移動し、サイドバーの [ 新規] をクリックして [ノートブック] を選択します。Databricks によって、既定のフォルダーに新しい空白のノートブックが作成されて開きます。デフォルト言語は最近使用した言語であり、ノートブックは最近使用したコンピュートリソースに自動的にアタッチされます。
必要に応じて、デフォルト言語を Python に変更します。

次のPythonコードをコピーして、ノートブックの最初のセルに貼り付けます。

import requests

response = requests.get('https://health.data.ny.gov/api/views/jxy9-yhdk/rows.csv')
csvfile = response.content.decode('utf-8')
dbutils.fs.put("/Volumes/main/default/my-volume/babynames.csv", csvfile, True)

フィルタリングされたデータの読み取りと表示

フィルタリング用のデータを読み取って表示するノートブックを作成するには、次の手順を実行します。

Databricks ランディングページに移動し、サイドバーの [ 新規] をクリックして [ノートブック] を選択します。Databricks によって、既定のフォルダーに新しい空白のノートブックが作成されて開きます。デフォルト言語は最近使用した言語であり、ノートブックは最近使用したコンピュートリソースに自動的にアタッチされます。
必要に応じて、デフォルト言語を Python に変更します。

次のPythonコードをコピーして、ノートブックの最初のセルに貼り付けます。

babynames = spark.read.format("csv").option("header", "true").option("inferSchema", "true").load("/Volumes/main/default/my-volume/babynames.csv")
babynames.createOrReplaceTempView("babynames_table")
years = spark.sql("select distinct(Year) from babynames_table").toPandas()['Year'].tolist()
years.sort()
dbutils.widgets.dropdown("year", "2014", [str(x) for x in years])
display(babynames.filter(babynames.Year == dbutils.widgets.get("year")))

ジョブの作成

サイドバー の [ワークフロー] をクリックします 。
をクリックします。

タスクタブに、タスクの作成ダイアログが表示されます。
Add a name for your job...（ジョブの名前の追加）をジョブ名に置き換えてください。
タスク名フィールドにタスクの名前を入力します。（例： retrieve-baby-names（赤ちゃんの名前を取得））
[ 種類 ] ドロップダウンメニューで、[ ノートブック] を選択します。
ファイルブラウザを使用して最初に作成したノートブックを探し、ノートブック名をクリックして、確認をクリックします。
タスクの作成をクリックします。
作成したタスクの下をクリックして、別のタスクを追加します。
タスク名フィールドにタスクの名前を入力します。（例： filter-baby-names（赤ちゃんの名前をフィルタリング））
[ 種類 ] ドロップダウンメニューで、[ ノートブック] を選択します。
ファイルブラウザを使用して2番目に作成したノートブックを探し、ノートブック名をクリックして、確認をクリックします。
パラメーターの下の追加をクリックします。キーフィールドにyearを入力します。値フィールドに2014を入力します。
タスクの作成をクリックします。

ジョブの実行

ジョブをすぐに実行するには、右上隅をクリックします。「実行」タブをクリックし、「 アクティブな実行」 表の「 今すぐ実行 」をクリックして、ジョブを実行することもできます。

実行の詳細の表示

実行タブをクリックし、アクティブな実行テーブルまたは完了した実行（過去60日間）テーブルで実行のリンクをクリックします。
いずれかのタスクをクリックすると、出力と詳細が表示されます。たとえば、 filter-baby-namesタスクをクリックすると、フィルタータスクの出力と実行の詳細が表示されます：

別のパラメータで実行

ジョブを再実行し、別の年の赤ちゃんの名前をフィルタリングするには、次の手順を実行します：

「今すぐ実行」の横をクリッ クし、「別のパラメーターで今すぐ実行」を選択するか、「アクティブな実行」テーブル で「別のパラメーターで今すぐ実行」をクリックしま す。
値フィールドに2015を入力します。
実行をクリックします。