返回 登录
1

MaxCompute Studio使用心得系列6——一个工具完成整个Python UDF开发

摘要: 2017/12/20 北京云栖大会上阿里云MaxCompute发布了最新的功能Python UDF,万众期待的功能终于支持啦,我怎么能不一试为快,今天就分享如何通过Studio进行Python udf开发。

点此查看原文:http://click.aliyun.com/m/40729/

2017/12/20 北京云栖大会上阿里云MaxCompute发布了最新的功能Python UDF,万众期待的功能终于支持啦,我怎么能不一试为快,今天就分享如何通过Studio进行Python udf开发。

前置条件

了解到,虽然功能发布,不过还在公测阶段,如果想要使用,还得申请开通:https://page.aliyun.com/form/odps_py/pc/index.htm。这里我就不介绍申请开通具体流程了。

环境准备
MaxCompute Studio支持Python UDF开发,前提需要安装python, pyodps和idea的python插件。

1.安装Python:可以Google或者百度搜索下如何安装。
2.安装pyodps:可以参考python sdk文档的安装步骤。即,在 Python 2.6 以上(包括 Python 3),系统安装 pip 后,只需运行下 pip install pyodps,PyODPS 的相关依赖便会自动安装。
3.Intellij IDEA中安装Python插件。搜索Python Community Edition插件并安装
图片描述
配置studio module对python的依赖。

File -> Project structure,添加python sdk:
图片描述
File -> Project structure,添加python facets:
图片描述
File -> Project structure,配置module依赖python facets:
图片描述
开发Python UDF

环境都准备好后,既可在对应依赖的module里创建进行python udf开发。

新建python脚本。

右键 new | MaxCompute Python,弹框里输入脚本名称,选择类型为python udf:

图片描述

生成的模板已自动填充框架代码,只需要编写UDF的入参出参,以及函数逻辑:

图片描述

本地调试

代码开发好后,可以在Studio中进行本地调试。Studio支持下载表的部分sample数据到本地运行,进行debug,步骤如下:

右键python udf类,点击”运行”菜单,弹出run configuration对话框。UDF|UDAF|UDTF一般作用于select子句中表的某些列,此处需配置MaxCompute project,table和column(元数据来源于project explorer窗口和warehouse下的example项目):

图片描述

点击OK后,通过tunnel自动下载指定表的sample数据到本地warehouse目录(若之前已下载过,则不会再次重复下载,否则利用tunnel服务下载数据。默认下载100条,如需更多数据测试,可自行使用console的tunnel命令或者studio的表下载功能)。下载完成后,可以在warehouse目录看到下载的sample数据。这里用户也可以使用warehouse里的数据进行调试,具体可参考java udf开发中的关于本地运行的warehouse目录”部分)。

图片描述

然后本地运行框架会根据指定的列,获取data文件里指定列的数据,调用UDF本地运行。

图片描述

注册发布Python UDF

代码调试好后,将python脚本添加为MaxCompute的Resource:

图片描述

注意此处选择的MaxCompute project必须是已经申请开通python udf的project。

注册python 函数:

图片描述

在sql脚本中编辑MaxCompute sql试用python udf:

图片描述

好了,一个简单完整的python UDF通过Studio开发实践分享完成。

更多python UDF可以参考其他文章:

北京云栖大会MaxCompute又出大招,Python UDF抢先体验!
Python on MaxCompute之UDF操作命令行
Python实现MaxCompute UDF/UDAF/UDTF

评论