Substituições e variáveis em Databricks ativo Bundles

Databricks O ativo Bundles suporta substituições e variáveis personalizadas, o que torna seus arquivos de configuração de pacotes mais modulares e reutilizáveis. Tanto as substituições quanto as variáveis personalizadas permitem a recuperação dinâmica de valores para que as configurações possam ser determinadas no momento em que um pacote é implantado e executado.

Dica

O senhor também pode usar referências de valores dinâmicos para valores de parâmetros do Job para passar o contexto sobre a execução de um Job para a tarefa do Job. Consulte O que é uma referência de valor dinâmico? e Parameterize Job.

Substituições

O senhor pode usar substituições para recuperar valores de configurações que mudam com base no contexto da implantação e execução do pacote.

Por exemplo, ao executar o comando bundle validate --output json, o senhor poderá ver um gráfico como este:

{
  "bundle": {
    "name": "hello-bundle",
    "target": "dev",
    "...": "..."
  },
  "workspace": {
    "...": "...",
    "current_user": {
      "...": "...",
      "userName": "someone@example.com",
      "...": "...",
    },
    "...": "..."
  },
  "...": {
    "...": "..."
  }
}

As subsituições podem ser usadas para fazer referência aos valores dos campos bundle name, bundle target e workspace userName para construir o workspace root_path no arquivo de configuração do bundle:

bundle:
  name: hello-bundle

workspace:
  root_path: /Users/${workspace.current_user.userName}/.bundle/${bundle.name}/my-envs/${bundle.target}

# ...

targets:
  dev:
    default: true

Também é possível pode criar substituições para recursos nomeados. Por exemplo, para o pipeline configurado com o nome my_pipeline, ${resources.pipelines.my_pipeline.target} é a substituição do valor do destino de my_pipeline.

Para determinar substituições válidas, é possível usar a hierarquia do esquema documentada na referência da API REST ou na saída do comando bundle schema.

Aqui estão algumas substituições comumente usadas:

  • ${bundle.name}

  • ${bundle.target}  # Use this substitution instead of ${bundle.environment}

  • ${workspace.host}

  • ${workspace.current_user.short_name}

  • ${workspace.current_user.userName}

  • ${workspace.file_path}

  • ${workspace.root_path}

  • ${resources.jobs.<job-name>.id}

  • ${resources.models.<model-name>.name}

  • ${resources.pipelines.<pipeline-name>.name}

Variáveis personalizadas

Você pode definir variáveis personalizadas simples e complexas em seu pacote para permitir a recuperação dinâmica dos valores necessários para muitos cenários. As variáveis personalizadas são declaradas nos arquivos de configuração do pacote no mapeamento variables. Veja as variáveis.

O exemplo de configuração a seguir define as variáveis my_cluster_id e my_notebook_path:

variables:
  my_cluster_id:
    description: The ID of an existing cluster.
    default: 1234-567890-abcde123
  my_notebook_path:
    description: The path to an existing notebook.
    default: ./hello.py

Se você não fornecer um valor default para uma variável como parte dessa declaração, deverá defini-la ao executar os comandos do pacote, por meio de uma variável de ambiente ou em outro local dos arquivos de configuração do pacote, conforme descrito em Definir o valor de uma variável.

Para fazer referência a uma variável personalizada na configuração do pacote, use a substituição de variável ${var.<variable_name>}. Por exemplo, para referenciar as variáveis my_cluster_id e my_notebook_path:

resources:
  jobs:
    hello-job:
      name: hello-job
      tasks:
        - task_key: hello-task
          existing_cluster_id: ${var.my_cluster_id}
          notebook_task:
            notebook_path: ${var.my_notebook_path}

Definir o valor de uma variável

Se você não forneceu um valor default para uma variável, ou se quiser substituir temporariamente o valor default para uma variável, forneça o novo valor temporário da variável usando uma das seguintes abordagens:

  • Forneça o valor da variável como parte de um comando bundle, como validate, deploy ou run. Para fazer isso, utilize a opção --var="<key>=<value>", onde <key> é o nome da variável e <value> é o valor da variável. Por exemplo, como parte do comando bundle validate , para fornecer o valor de 1234-567890-abcde123 para a variável denominada my_cluster_ide para fornecer o valor de ./hello.py para a variável denominada my_notebook_path, execute:

    databricks bundle validate --var="my_cluster_id=1234-567890-abcde123,my_notebook_path=./hello.py"

# Or:
databricks bundle validate --var="my_cluster_id=1234-567890-abcde123" --var="my_notebook_path=./hello.py"

  • Forneça o valor da variável definindo uma variável de ambiente. O nome da variável de ambiente deve começar com BUNDLE_VAR_. Para definir variáveis de ambiente, consulte a documentação do sistema operacional. Por exemplo, para fornecer o valor de 1234-567890-abcde123 para a variável denominada my_cluster_id e para fornecer o valor de ./hello.py para a variável denominada my_notebook_path, execute o seguinte comando antes de chamar um comando bundle, como validate, deploy ou run:

    No Linux e macOS:

    export BUNDLE_VAR_my_cluster_id=1234-567890-abcde123 && export BUNDLE_VAR_my_notebook_path=./hello.py

    No Windows:

    "set BUNDLE_VAR_my_cluster_id=1234-567890-abcde123" && "set BUNDLE_VAR_my_notebook_path=./hello.py"

    Ou forneça o valor da variável como parte de um comando bundle, como validate, deploy ou run, por exemplo, para Linux e macOS:

    BUNDLE_VAR_my_cluster_id=1234-567890-abcde123 BUNDLE_VAR_my_notebook_path=./hello.py databricks bundle validate

    Ou para Windows:

    "set BUNDLE_VAR_my_cluster_id=1234-567890-abcde123" && "set BUNDLE_VAR_my_notebook_path=./hello.py" && "databricks bundle validate"

  • Forneça o valor da variável em seus arquivos de configuração de pacote. Para isso, utilize um mapeamento de variables dentro do mapeamento de targets, seguindo este formato:

    variables:
  <variable-name>: <value>

    Por exemplo, para fornecer valores para as variáveis denominadas my_cluster_id e my_notebook_path para dois destinos separados:

    targets:
  dev:
    variables:
      my_cluster_id: 1234-567890-abcde123
      my_notebook_path: ./hello.py
  prod:
    variables:
      my_cluster_id: 2345-678901-bcdef234
      my_notebook_path: ./hello.py

Observação

Seja qual for a abordagem que você escolher para fornecer valores variáveis, use a mesma abordagem durante os estágios de implementação e execução. Caso contrário, você poderá obter resultados inesperados entre o momento de uma implantação e a execução de um trabalho ou pipeline com base nessa implantação existente.

Nos exemplos anteriores, a CLI do Databricks procura valores para as variáveis my_cluster_id e my_notebook_path na seguinte ordem, parando quando encontra um valor para cada variável correspondente, ignorando quaisquer outros locais para essa variável:

  1. Dentro de quaisquer opções --var especificadas como parte do comando bundle .

  2. Dentro de qualquer conjunto de variáveis de ambiente que comece com BUNDLE_VAR_.

  3. Em qualquer mapeamento de variables, entre os mapeamentos de targets em seus arquivos de configuração de pacote.

  4. Qualquer valor default para a definição dessa variável, entre os mapeamentos de variables de nível superior em seus arquivos de configuração de pacote.

Defina uma variável complexa

Presume-se que uma variável personalizada seja do tipo string, a menos que o senhor a defina como uma variável complexa. Para definir uma variável personalizada com um tipo complexo para seu pacote, defina type como complex na configuração do pacote.

Observação

O único valor válido para a configuração type é complex. Além disso, a validação do pacote falhará se type for definido como complex e o default definido para a variável for um valor único.

No exemplo a seguir, as configurações do cluster são definidas em uma variável complexa personalizada chamada my_cluster:

variables:
  my_cluster:
    description: "My cluster definition"
    type: complex
    default:
      spark_version: "13.2.x-scala2.11"
      node_type_id: "Standard_DS3_v2"
      num_workers: 2
      spark_conf:
        spark.speculation: true
        spark.databricks.delta.retentionDurationCheck.enabled: false

resources:
  jobs:
    my_job:
      job_clusters:
        - job_cluster_key: my_cluster_key
          new_cluster: ${var.my_cluster}
      tasks:
      - task_key: hello_task
        job_cluster_key: my_cluster_key

Recuperar o valor de ID de um objeto

Para os tipos de objetos alert, cluster_policy, cluster, dashboard, instance_pool, job, metastore, notification_destination, pipeline, query, service_principal e warehouse, você pode definir um lookup para seu variável personalizada para recuperar o ID de um objeto nomeado usando este formato:

variables:
  <variable-name>:
    lookup:
      <object-type>: "<object-name>"

Se uma pesquisa for definida para uma variável, a ID do objeto com o nome especificado será usada como o valor da variável. Isso garante que a ID resolvida correta do objeto seja sempre usada para a variável.

Observação

Ocorrerá um erro se um objeto com o nome especificado não existir ou se houver mais de um objeto com o nome especificado.

Por exemplo, na configuração a seguir, ${var.my_cluster_id} será substituído pelo ID do cluster compartilhado 12.2.

variables:
  my_cluster_id:
    description: An existing cluster
    lookup:
      cluster: "12.2 shared"

resources:
  jobs:
    my_job:
      name: "My Job"
      tasks:
        - task_key: TestTask
          existing_cluster_id: ${var.my_cluster_id}