DataWorks支持PyODPS类型任务

昨天，DataWorks推出了PYODPS任务类型，集成了Maxcompute的Python SDK，可在DataWorks的PYODPS节点上直接编辑Python代码操作Maxcompute，也可以设置调度任务来处理数据，提高数据开发效率。

效果如下图

适用region

只有华东2（上海）region 支持了 PYODPS 节点。

注：底层的 Python 版本为 2.7 。

新建 PYODPS 节点

新建 PYODPS 节点具体操作如下：

1） 单击数据开发页面工具栏中的 新建 > 新建任务。2） 填写新建任务弹出框中的各配置项。

3） 单击创建

编辑 PYODPS 节点

ODPS入口

DataWorks 的 PyODPS 节点中，将会包含一个全局的变量 odps 或者 o ，即 ODPS 入口。用户不需要手动定义 ODPS 入口。

print(odps.exist_table('pyodps_iris'))

执行SQL

PyODPS支持ODPS SQL的查询，并可以读取执行的结果。 execute_sql 或者 run_sql 方法的返回值是 运行实例 。

注解：并非所有在 ODPS Console 中可以执行的命令都是 ODPS 可以接受的 SQL 语句。 在调用非 DDL / DML 语句时，请使用其他方法，例如 GRANT / REVOKE 等语句请使用 run_security_query 方法，PAI 命令请使用 run_xflow 或 execute_xflow 方法。

>>> o.execute_sql('select * from dual')  #  同步的方式执行，会阻塞直到SQL执行完成

>>>

>>> instance = o.run_sql('select * from dual')  # 异步的方式执行

>>> print(instance.get_logview_address())  # 获取logview地址

>>> instance.wait_for_success()  # 阻塞直到完成

设置运行参数

有时，我们在运行时，需要设置运行时参数，我们可以通过设置 hints 参数，参数类型是dict。

>>> o.execute_sql('select * from pyodps_iris', hints={'odps.sql.mapper.split.size': 16})

我们可以对于全局配置设置sql.settings后，每次运行时则都会添加相关的运行时参数。

>>> from odps import options

>>> options.sql.settings = {'odps.sql.mapper.split.size': 16}

>>> o.execute_sql('select * from pyodps_iris')  # 会根据全局配置添加hints

读取SQL执行结果

运行 SQL 的 instance 能够直接执行 open_reader 的操作，一种情况是SQL返回了结构化的数据。

>>> with o.execute_sql('select * from dual').open_reader() as reader:

>>>     for record in reader:

>>>         # 处理每一个record

另一种情况是 SQL 可能执行的比如 desc，这时通过 reader.raw 属性取到原始的SQL执行结果。

>>> with o.execute_sql('desc dual').open_reader() as reader:

>>>     print(reader.raw)

使用调度参数

PYODPS节点使用调度参数需要注意一下，系统定义的调度参数，可以直接通过此方法获取。

自定义参数的使用，需要使用单独的方法获取。

在全局包括一个 args 对象，可以在这个中获取，它是一个dict类型。

测试运行结果如下：

请注意：在数据开发下，使用了自定义调度参数，页面上直接触发运行PYODPS节点时，需要写死时间，PYODPS节点无法像SQL一样直接替换。

调度请参考：https://help.aliyun.com/document_detail/30298.html