Databricks Csatlakozás az R-hez

Feljegyzés

Ez a cikk a Databricks Csatlakozás a Databricks Runtime 13.0-s vagy újabb verzióját ismertetisparklyr. Ezt az integrációt a Databricks nem biztosítja, és a Databricks sem támogatja közvetlenül.

Kérdéseit a Posit-közösségnél kérdezi le.

A problémák jelentéséhez nyissa meg a GitHub-adattár Problémák szakaszát sparklyr .

További információ: Databricks Csatlakozás v2 a sparklyr dokumentációban.

Ez a cikk bemutatja, hogyan kezdheti el gyorsan a Databricks Csatlakozás az R és sparklyraz RStudio Desktop használatával.

• A cikk Python-verziójával kapcsolatban lásd a Pythonhoz készült Databricks Csatlakozás.
• A cikk Scala-verziójával kapcsolatban lásd a Scala Databricks Csatlakozás.

A Databricks Csatlakozás lehetővé teszi népszerű azonosítók, például az RStudio Desktop, a notebook-kiszolgálók és más egyéni alkalmazások Azure Databricks-fürtökhöz való csatlakoztatását. Lásd: Mi az a Databricks Csatlakozás?.

Oktatóanyag

Ez az oktatóanyag az RStudio Desktopot és a Python 3.10-et használja. Ha még nem telepítette őket, telepítse az R és az RStudio Desktopot és a Python 3.10-et.

Az oktatóanyagról további információt a Spark Csatlakozás "Databricks Csatlakozás" szakaszában, valamint a Databricks Csatlakozás v2-ben talál a sparklyr webhelyen.

Követelmények

Az oktatóanyag elvégzéséhez meg kell felelnie a következő követelményeknek:

• A cél Azure Databricks-munkaterületnek és -fürtnek meg kell felelnie a Databricks-Csatlakozás fürtkonfigurációjának követelményeinek.
• A fürtazonosítónak elérhetőnek kell lennie. A fürtazonosító lekéréséhez a munkaterületen kattintson a Számítás gombra az oldalsávon, majd kattintson a fürt nevére. A webböngésző címsorában másolja ki a karakterek sztringjét az URL-cím között clusters és configuration az URL-címben.

1. lépés: Személyes hozzáférési jogkivonat létrehozása

Feljegyzés

Az R-hitelesítéshez készült Databricks Csatlakozás jelenleg csak az Azure Databricks személyes hozzáférési jogkivonatait támogatja.

Ez az oktatóanyag azure Databricks személyes hozzáférési jogkivonat-hitelesítést használ az Azure Databricks-munkaterület hitelesítéséhez.

Ha már rendelkezik Azure Databricks személyes hozzáférési jogkivonattal, ugorjon a 2. lépésre. Ha nem biztos abban, hogy rendelkezik-e már Azure Databricks személyes hozzáférési jogkivonattal, ezt a lépést anélkül követheti, hogy hatással lenne a felhasználói fiókjában lévő többi Azure Databricks személyes hozzáférési jogkivonatra.

Személyes hozzáférési jogkivonat létrehozása:

1. Az Azure Databricks-munkaterületen kattintson az Azure Databricks-felhasználónevére a felső sávon, majd válassza Gépház a legördülő menüből.
2. Kattintson a Fejlesztőeszközök elemre.
3. Az Access-jogkivonatok mellett kattintson a Kezelés gombra.
4. Kattintson az Új jogkivonat létrehozása elemre.
5. (Nem kötelező) Írjon be egy megjegyzést, amely segít azonosítani a jogkivonatot a jövőben, és módosíthatja a jogkivonat alapértelmezett 90 napos élettartamát. Élettartam nélküli (nem ajánlott) jogkivonat létrehozásához hagyja üresen az Élettartam (nap) mezőt (üres).
6. Kattintson a Létrehozás lehetőségre.
7. Másolja a megjelenített jogkivonatot egy biztonságos helyre, majd kattintson a Kész gombra.

Feljegyzés

Ügyeljen arra, hogy a másolt jogkivonatot biztonságos helyre mentse. Ne ossza meg másokkal a másolt jogkivonatot. Ha elveszíti a másolt jogkivonatot, nem tudja pontosan ugyanazt a jogkivonatot újragenerálni. Ehelyett meg kell ismételnie ezt az eljárást egy új jogkivonat létrehozásához. Ha elveszíti a másolt jogkivonatot, vagy úgy véli, hogy a jogkivonat sérült, a Databricks határozottan javasolja, hogy azonnal törölje a jogkivonatot a munkaterületről az Access-jogkivonatok lapon a jogkivonat melletti kuka (Visszavonás) ikonra kattintva.

Ha nem tud jogkivonatokat létrehozni vagy használni a munkaterületen, ennek az lehet az oka, hogy a munkaterület rendszergazdája letiltotta a jogkivonatokat, vagy nem adott engedélyt a jogkivonatok létrehozására vagy használatára. Tekintse meg a munkaterület rendszergazdáját vagy a következőket:

• Személyes hozzáférési jogkivonat hitelesítésének engedélyezése vagy letiltása a munkaterületen
• Személyes hozzáférési jogkivonat engedélyei

2. lépés: A projekt létrehozása

1. Indítsa el az RStudio Desktopot.
2. A főmenüben kattintson az Új projekt fájlja elemre>.
3. Válassza az Új könyvtár lehetőséget.
4. Válassza az Új projekt lehetőséget.
5. A Címtárnév és a Projekt létrehozása alkönyvtárként mezőben adja meg az új projektkönyvtár nevét, és azt, hogy hol hozza létre ezt az új projektkönyvtárat.
6. Válassza a Renv használata ezzel a projekttel lehetőséget. Ha a rendszer kéri a csomag frissített verziójának telepítését, kattintson az renv Igen gombra.
7. Kattintson a Create Project (Projekt létrehozása) elemre.

3. lépés: A Databricks Csatlakozás csomag és egyéb függőségek hozzáadása

1. Az RStudio Desktop főmenüjében kattintson az Eszközök > telepítése csomagok elemre.

2. Hagyja meg a telepítést a beállítástól az Adattár (CRAN) beállítástól.

3. Csomagok esetén adja meg a Databricks Csatlakozás csomag előfeltételeit tartalmazó csomagok alábbi listáját, és ezt az oktatóanyagot:

   sparklyr,pysparklyr,reticulate,usethis,dplyr,dbplyr
   

4. Hagyja meg a Telepítés erőforrástárra beállítását az R virtuális környezetben.

5. Győződjön meg arról, hogy a függőségek telepítése ki van választva.

6. Kattintson az Install (Telepítés) gombra.

1. Amikor a rendszer a Konzol nézetben (Fókusz > áthelyezése konzolra) kéri a telepítés folytatásához, írja be a következőt Y: A sparklyr csomagok és pysparklyr függőségeik az R virtuális környezetben vannak telepítve.

2. A Konzol panelenreticulate telepítse a Pythont az alábbi parancs futtatásával. (Az R-hez készült Databricks Csatlakozás és reticulate a Pythont kell először telepíteni.) Az alábbi parancsban cserélje le 3.10 az Azure Databricks-fürtre telepített Python-verzió fő- és alverziójára. A fő- és alverzió megkereséséhez tekintse meg a fürt Databricks Runtime-verziójára vonatkozó kibocsátási megjegyzések "Rendszerkörnyezet" szakaszát a Databricks Runtime kiadási megjegyzéseinek verzióiban és kompatibilitásában.

   reticulate::install_python(version = "3.10")
   

3. A Konzol panelen telepítse a Databricks Csatlakozás csomagot az alábbi parancs futtatásával. Az alábbi parancsban cserélje le 13.3 az Azure Databricks-fürtre telepített Databricks Runtime-verziót. A verzió megkereséséhez tekintse meg a Databricks Futtatókörnyezet verziója párbeszédpanelt az Azure Databricks-munkaterület fürtjének részletes lapján, a Konfiguráció lapon.

   pysparklyr::install_databricks(version = "13.3")
   

   Ha nem ismeri a fürt Databricks Runtime-verzióját, vagy nem szeretné megkeresni, futtassa helyette a következő parancsot, és pysparklyr lekérdezi a fürtöt a megfelelő Databricks Runtime-verzió meghatározásához:

   pysparklyr::install_databricks(cluster_id = "<cluster-id>")
   

   Ha azt szeretné, hogy a projekt később kapcsolódjon egy másik fürthöz, amely ugyanazzal a Databricks Runtime-verzióval rendelkezik, mint az imént megadott, pysparklyr ugyanazt a Python-környezetet fogja használni. Ha az új fürt másik Databricks Runtime-verzióval rendelkezik, futtassa újra a pysparklyr::install_databricks parancsot az új Databricks Futtatókörnyezet verzióval vagy fürtazonosítóval.

4. lépés: A munkaterület URL-címének, hozzáférési jogkivonatának és fürtazonosítójának környezeti változóinak beállítása

A Databricks nem javasolja, hogy az R-szkriptekbe kódoljon bizalmas értékeket, vagy módosítsa az olyan értékeket, mint az Azure Databricks-munkaterület URL-címe, az Azure Databricks személyes hozzáférési jogkivonata vagy az Azure Databricks-fürt azonosítója. Ehelyett ezeket az értékeket külön tárolja, például helyi környezeti változókban. Ez az oktatóanyag az RStudio Desktop beépített támogatását használja a környezeti változók fájlban .Renviron való tárolásához.

1. Hozzon létre egy .Renviron fájlt a környezeti változók tárolásához, ha ez a fájl még nem létezik, majd nyissa meg a fájlt szerkesztésre: az RStudio asztali konzolon futtassa a következő parancsot:

   usethis::edit_r_environ()
   

2. .Renviron A megjelenő fájlban (Fókusz > áthelyezése a forrásba) adja meg a következő tartalmat. Ebben a tartalomban cserélje le a következő helyőrzőket:

   • Cserélje le <workspace-url> például https://adb-1234567890123456.7.azuredatabricks.neta munkaterületenkénti URL-címet.
   • Cserélje le <personal-access-token> az Azure Databricks személyes hozzáférési jogkivonatát az 1. lépésben.
   • Cserélje le <cluster-id> a fürtazonosítót az oktatóanyag követelményeiből.

   DATABRICKS_HOST=<workspace-url>
   DATABRICKS_TOKEN=<personal-access-token>
   DATABRICKS_CLUSTER_ID=<cluster-id>
   

3. Mentse a .Renviron fájlt.

4. Töltse be a környezeti változókat az R-be: a főmenüben kattintson az R munkamenet újraindítása > gombra.

5. lépés: Kód hozzáadása

1. Az RStudio Desktop főmenüjében kattintson az Új fájl > R-szkript fájlja > elemre.

2. Írja be a következő kódot a fájlba, majd mentse a fájlt (Fájl > mentése) a következőként demo.R:

   library(sparklyr)
   library(dplyr)
   library(dbplyr)
   
   sc <- sparklyr::spark_connect(
     master     = Sys.getenv("DATABRICKS_HOST"),
     cluster_id = Sys.getenv("DATABRICKS_CLUSTER_ID"),
     token      = Sys.getenv("DATABRICKS_TOKEN"),
     method     = "databricks_connect",
     envname    = "r-reticulate"
   )
   
   trips <- dplyr::tbl(
     sc,
     dbplyr::in_catalog("samples", "nyctaxi", "trips")
   )
   
   print(trips, n = 5)
   

6. lépés: A kód futtatása

1. Az RStudio Desktopban a fájl eszköztárában kattintson a demo.R Forrás gombra.

   

2. A konzolon megjelenik a trips táblázat első öt sora.

3. A Csatlakozás ions nézetben (Csatlakozás ions megtekintése>) megismerheti az elérhető katalógusokat, sémákat, táblákat és nézeteket.

   

7. lépés: A kód hibakeresése

1. A fájlban demo.R kattintson a melletti ereszcsatornára a töréspont beállításához print(trips, n = 5) .
2. A fájl eszköztárában kattintson a demo.R Forrás gombra.
3. Ha a kód szünetel a törésponton, a környezeti nézetben (Környezet megtekintése>) megvizsgálhatja a változót.
4. A főmenüben kattintson a Folytatás hibakeresése elemre>.
5. A konzolon megjelenik a trips táblázat első öt sora.