DataWorks百问百答14:赋值节点结合节点上下文实现上下游参数传递

简介: DataWorks百问百答14:赋值节点结合节点上下文实现上下游参数传递

赋值节点支持ODPS SQLSHELLPython三种语言来编写代码,赋值节点自带outputs输出,可结合节点上下文功能实现上下游参数传递。
不同语言outputs赋值情况如下:

  • outputs参数的取值只取最后一行代码的输出结果。

    • ODPS SQL最后一行SELECT语句的输出。
    • SHELL最后一行ECHO语句的数据。
    • Python最后一行PRINT语句的输出。
  • outputs参数的传递值最大为2M。如果赋值语句的输出结果超过此限制,则赋值节点会运行失败。

注意:python和shell的输出会基于逗号切割成一维数组。
         odpssql将输出结果作为一个二维数组传递到下游。

赋值节点参数传递示例

业务流程概览:在xc_赋值节点取值对比_shell节点中分别输出赋值节点中使用python、sql、shell编辑的最后一行代码输出结果。
下游引用上游传递的参数需要先设置依赖关系。
image.png

下游引用赋值节点(ODPS SQL)输出示例

上游节点配置:

当前赋值节点节点名为xc_fuzhi_sql,赋值语言为ODPS SQL。
image.png
赋值节点将该表的查询结果作为节点输出赋值给赋值节点自带的输出参数outputs。
赋值节点查询结果如下:
image.png

下游节点配置

下游shell节点节点名为 xc_赋值节点取值对比_shell,下游节点依赖赋值节点xc_fuzhi_python,引用上游赋值节点xc_fuzhi_sql自带的输出outputs作为下游节点的输入,并命名为sql_inputs。
image.png
取上游赋值节点odps sql最后的输出结果:'${sql_inputs}'
取上游赋值节点odps sql输出的第1行数据:${sql_inputs[0]}
取上游赋值节点odps sql输出的第2行数据:${sql_inputs[1]}
取上游赋值节点odps sql输出的第1行第2个字段:${sql_inputs0}
取上游赋值节点odps sql输出的第1行第2个字段:${sql_inputs1}

结果展示

image.png

下游引用赋值节点(Python)输出示例

上游节点配置:

当前赋值节点节点名为xc_fuzhi_python,赋值语言为python。
image.png
赋值节点使用赋值语言python将最后print的结果'a,b,c'赋值给赋值节点自带的输出参数outputs。

下游节点配置:

下游shell节点节点名为 xc_赋值节点取值对比_shell,下游节点依赖赋值节点xc_fuzhi_python,引用上游赋值节点xc_fuzhi_python自带的输出outputs作为当前下游节点的输入,并命名为python_inputs。
image.png取上游赋值节点python最后的输出结果:${python_inputs}
取上游赋值节点python输出的第1个数据:${python_inputs[0]}

取上游赋值节点python输出的第2个数据:${python_inputs[1]};

结果展示

image.png

下游引用赋值节点(shell)输出示例

上游节点配置:

当前赋值节点节点名为xc_fuzhi_shell,赋值语言为shell。
image.png

下游节点配置:

下游shell节点节点名为 xc_赋值节点取值对比_shell,下游节点依赖赋值节点xc_fuzhi_shell,引用上游赋值节点xc_fuzhi_shell自带的输出outputs作为下游节点的输入,并命名为shell_inputs。
image.png
取上游赋值节点shell最后的输出结果:${shell_inputs}
取上游赋值节点shell输出的第1个数据:${shell_inputs[0]};
取上游赋值节点shell输出的第2个数据:${shell_inputs[1]};

结果展示

image.png

DataWorks百问百答历史记录请点击查看

更多DataWorks技术和产品信息,欢迎加入【DataWorks钉钉交流群】

相关实践学习
基于Hologres轻量实时的高性能OLAP分析
本教程基于GitHub Archive公开数据集,通过DataWorks将GitHub中的项⽬、行为等20多种事件类型数据实时采集至Hologres进行分析,同时使用DataV内置模板,快速搭建实时可视化数据大屏,从开发者、项⽬、编程语⾔等多个维度了解GitHub实时数据变化情况。
目录
相关文章
|
11月前
|
SQL 分布式计算 DataWorks
使用DataWorks PyODPS节点调用XGBoost算法
本文介绍如何在DataWorks中通过PyODPS3节点调用XGBoost算法完成模型训练与测试,并实现周期离线调度。主要内容包括:1) 使用ODPS SQL构建数据集;2) 创建PyODPS3节点进行数据处理与模型训练;3) 构建支持XGBoost的自定义镜像;4) 测试运行并选择对应镜像。适用于需要集成机器学习算法到大数据工作流的用户。
469 24
|
分布式计算 DataWorks 数据处理
"DataWorks高级技巧揭秘:手把手教你如何在PyODPS节点中将模型一键写入OSS,实现数据处理的完美闭环!"
【10月更文挑战第23天】DataWorks是企业级的云数据开发管理平台,支持强大的数据处理和分析功能。通过PyODPS节点,用户可以编写Python代码执行ODPS任务。本文介绍了如何在DataWorks中训练模型并将其保存到OSS的详细步骤和示例代码,包括初始化ODPS和OSS服务、读取数据、训练模型、保存模型到OSS等关键步骤。
841 3
|
SQL 机器学习/深度学习 分布式计算
dataworks节点任务
在DataWorks中,你可以通过拖拽节点以及连线来构建复杂的工作流,这样可以方便地管理多个任务之间的依赖关系。此外,DataWorks还提供了调度功能,使得这些任务可以在设定的时间自动执行。这对于构建自动化、定时的数据处理管道非常有用。
371 5
|
分布式计算 DataWorks NoSQL
DataWorks产品使用合集之怎么设置在归并节点传递参数
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
|
DataWorks 监控 数据建模
DataWorks产品体验评测
DataWorks产品体验评测
|
数据采集 人工智能 DataWorks
DataWorks产品最佳实践测评
DataWorks产品最佳实践测评
|
分布式计算 DataWorks 搜索推荐
DataWorks 产品评测与最佳实践探索!
DataWorks 是阿里巴巴推出的一站式智能大数据开发治理平台,内置15年实践经验,集成多种大数据与AI服务。本文通过实际使用角度,探讨其优势、潜力及改进建议。评测涵盖用户画像分析、数据治理、功能表现等方面,适合数字化转型企业参考。
357 1
|
SQL DataWorks 搜索推荐
DataWorks产品评测与最佳实践体验报告
DataWorks是阿里巴巴云推出的一款高效数据处理平台,通过内置的数据集成工具和ETL功能,实现了多源数据的自动化处理与分析。本文介绍了DataWorks在用户画像分析中的应用实践,展示了其如何帮助企业高效管理数据资源,支持决策制定及营销优化。同时,文章还评测了DataWorks的产品体验,包括开通流程、功能满足度等方面,并与其它数据开发平台进行了比较,突出了DataWorks在易用性、性能和生态完整性上的优势。最后,对Data Studio新版本中的Notebook环境进行了初步探索,强调了其在提升开发效率方面的价值。
489 16
|
数据采集 机器学习/深度学习 DataWorks
DataWorks产品评测:大数据开发治理的深度体验
DataWorks产品评测:大数据开发治理的深度体验
587 1
|
机器学习/深度学习 数据采集 DataWorks
DataWorks产品评测:数据处理与分析的最佳实践
DataWorks是阿里巴巴推出的大数据开发治理平台,支持从数据采集、预处理、存储到分析的全流程操作。本文评测了其在用户画像分析中的应用,包括数据收集、清洗、特征工程、模型训练、结果评估及应用部署等步骤,展示了其在提高数据资产管理效率、支持多种编程语言和技术栈、集成丰富可视化工具等方面的优势。同时,文章也指出了DataWorks在使用过程中的一些不便与问题,并提出了改进建议。
471 17

相关产品

  • 大数据开发治理平台 DataWorks