替代 Databricks 资产捆绑包中的群集设置

本文介绍如何替代 Databricks 资产捆绑包中 Azure Databricks 群集的设置。 请参阅什么是 Databricks 资产捆绑包？。

在 Azure Databricks 捆绑配置文件中，可以将顶级 resources 映射中的群集设置与 targets 映射中的群集设置合并，如以下所示。

对于作业，在作业定义中使用 job_cluster_key 来识别顶层 resources 映射中的作业群集设置，以便与 targets 映射中的作业群集设置连接：

# ...
resources:
  jobs:
    <some-unique-programmatic-identifier-for-this-job>:
      # ...
      job_clusters:
        - job_cluster_key: <some-unique-programmatic-identifier-for-this-key>
          new_cluster:
            # Cluster settings.

targets:
  <some-unique-programmatic-identifier-for-this-target>:
    resources:
      jobs:
        <the-matching-programmatic-identifier-for-this-job>:
          # ...
          job_clusters:
            - job_cluster_key: <the-matching-programmatic-identifier-for-this-key>
              # Any more cluster settings to join with the settings from the
              # resources mapping for the matching top-level job_cluster_key.
          # ...

如果在顶级 resources 映射和同一 targets的 job_cluster_key 映射中都定义了任何群集设置，则 targets 映射中的设置优先于顶级 resources 映射中的设置。

对于 Lakeflow 声明性管道，请在管道定义的 label 群集设置中使用，以识别顶级 resources 映射中的群集设置，以便将其与 targets 映射中的群集设置联接，例如：

# ...
resources:
  pipelines:
    <some-unique-programmatic-identifier-for-this-pipeline>:
      # ...
      clusters:
        - label: default | maintenance
          # Cluster settings.

targets:
  <some-unique-programmatic-identifier-for-this-target>:
    resources:
      pipelines:
        <the-matching-programmatic-identifier-for-this-pipeline>:
          # ...
          clusters:
            - label: default | maintenance
              # Any more cluster settings to join with the settings from the
              # resources mapping for the matching top-level label.
          # ...

如果在顶级 resources 映射和同一 targets的 label 映射中都定义了任何群集设置，则 targets 映射中的设置优先于顶级 resources 映射中的设置。

示例 1：在多个资源映射中定义的新作业群集设置，且无设置冲突

在此示例中，顶级spark_version映射中的resources与node_type_id和num_workers在resources中的targets映射相结合，以定义名为job_cluster_key的my-cluster的设置。

# ...
resources:
  jobs:
    my-job:
      name: my-job
      job_clusters:
        - job_cluster_key: my-cluster
          new_cluster:
            spark_version: 13.3.x-scala2.12

targets:
  development:
    resources:
      jobs:
        my-job:
          name: my-job
          job_clusters:
            - job_cluster_key: my-cluster
              new_cluster:
                node_type_id: Standard_DS3_v2
                num_workers: 1
          # ...

为此示例运行 databricks bundle validate 时，生成的图形如下所示：

{
  "...": "...",
  "resources": {
    "jobs": {
      "my-job": {
        "job_clusters": [
          {
            "job_cluster_key": "my-cluster",
            "new_cluster": {
              "node_type_id": "Standard_DS3_v2",
              "num_workers": 1,
              "spark_version": "13.3.x-scala2.12"
            }
          }
        ],
        "...": "..."
      }
    }
  }
}

示例 2：在多个资源映射中定义的新作业群集设置存在冲突

在此示例中，spark_version和 num_workers 在顶级 resources 映射和 resources的 targets 映射中定义。 在此示例中，spark_version中的num_workers映射中的resources和targets优先于顶级spark_version映射中的num_workers和resources，以定义名为job_cluster_key的my-cluster的设置。

# ...
resources:
  jobs:
    my-job:
      name: my-job
      job_clusters:
        - job_cluster_key: my-cluster
          new_cluster:
            spark_version: 13.3.x-scala2.12
            node_type_id: Standard_DS3_v2
            num_workers: 1

targets:
  development:
    resources:
      jobs:
        my-job:
          name: my-job
          job_clusters:
            - job_cluster_key: my-cluster
              new_cluster:
                spark_version: 12.2.x-scala2.12
                num_workers: 2
          # ...

为此示例运行 databricks bundle validate 时，生成的图形如下所示：

{
  "...": "...",
  "resources": {
    "jobs": {
      "my-job": {
        "job_clusters": [
          {
            "job_cluster_key": "my-cluster",
            "new_cluster": {
              "node_type_id": "Standard_DS3_v2",
              "num_workers": 2,
              "spark_version": "12.2.x-scala2.12"
            }
          }
        ],
        "...": "..."
      }
    }
  }
}

示例 3：在多个资源映射中定义的管道群集设置，且无设置冲突

在此示例中，顶级node_type_id映射中的resources与num_workers中的resources映射和targets映射结合使用，以定义名为label的default设置。

# ...
resources:
  pipelines:
    my-pipeline:
      clusters:
        - label: default
          node_type_id: Standard_DS3_v2

targets:
  development:
    resources:
      pipelines:
        my-pipeline:
          clusters:
            - label: default
              num_workers: 1
          # ...

为此示例运行 databricks bundle validate 时，生成的图形如下所示：

{
  "...": "...",
  "resources": {
    "pipelines": {
      "my-pipeline": {
        "clusters": [
          {
            "label": "default",
            "node_type_id": "Standard_DS3_v2",
            "num_workers": 1
          }
        ],
        "...": "..."
      }
    }
  }
}

示例 4：在多个资源映射中定义的有冲突管道群集设置

在此示例中，num_workers 在顶级 resources 映射和 resources的 targets 映射中定义。 num_workers在resources映射targets中优先于顶级num_workers映射resources，用于定义命名为label的default的设置：

# ...
resources:
  pipelines:
    my-pipeline:
      clusters:
        - label: default
          node_type_id: Standard_DS3_v2
          num_workers: 1

targets:
  development:
    resources:
      pipelines:
        my-pipeline:
          clusters:
            - label: default
              num_workers: 2
          # ...

为此示例运行 databricks bundle validate 时，生成的图形如下所示：

{
  "...": "...",
  "resources": {
    "pipelines": {
      "my-pipeline": {
        "clusters": [
          {
            "label": "default",
            "node_type_id": "Standard_DS3_v2",
            "num_workers": 2
          }
        ],
        "...": "..."
      }
    }
  }
}