Datenzugriff in Jupyterlab Notebooks

Jeder unterstützte Kernel bietet native Funktionen, mit denen Sie Platform-Daten aus einem Datensatz in einem Notebook lesen können. Derzeit unterstützt JupyterLab in Adobe Experience Platform Data Science Workspace Notebooks für Python, R, PySpark und Scala. Die Unterstützung für die Paginierung von Daten ist jedoch auf Python- und R-Notebooks beschränkt. In diesem Handbuch wird beschrieben, wie Sie mit JupyterLab-Notebooks auf Ihre Daten zugreifen können.

Erste Schritte

Bevor Sie dieses Handbuch lesen, lesen Sie JupyterLab Benutzerhandbuch um eine allgemeine Einführung in JupyterLab und seine Rolle in Data Science Workspace zu erhalten.

Notebook-Datenbeschränkungen notebook-data-limits

Die folgenden Informationen definieren die maximale Datenmenge, die gelesen werden kann, den verwendeten Datentyp und den geschätzten Zeitrahmen für das Lesen der Daten.

Für Python und R wurde ein Notebook-Server mit 40 GB RAM für die Benchmarks verwendet. Für PySpark und Scala wurde ein Databricks-Cluster mit 64 GB RAM, 8 Kernen, 2 DBU und maximal 4 Workern für die unten beschriebenen Benchmarks verwendet.

Die verwendeten ExperienceEvent-Schemadaten variierten in der Größe, beginnend mit eintausend (1K) Zeilen, die bis zu einer Milliarde (1B) Zeilen reichten. Beachten Sie, dass für die PySpark- und Spark-Metriken ein Datumsbereich von 10 Tagen für die XDM-Daten verwendet wurde.

Die Ad-hoc-Schemadaten wurden mit Query Service CREATE TABLE AS SELECT (CTAS) vorverarbeitet. Diese Daten variierten auch in der Größe, beginnend mit eintausend (1K) Zeilen, die bis zu einer Milliarde (1B) Zeilen reichten.

Wann der Batch-Modus oder der interaktive Modus verwendet werden sollte mode

Beim Lesen von Datensätzen mit PySpark- und Scala-Notebooks haben Sie die Möglichkeit, den Datensatz im interaktiven Modus oder im Batch-Modus zu lesen. Interaktiv sorgt für schnelle Ergebnisse, während der Batch-Modus für große Datensätze geeignet ist.

Python Notebook-Datenbeschränkungen

XDM ExperienceEvent-Schema: Sie sollten in der Lage sein, maximal 2 Millionen Zeilen (ca. 6,1 GB Daten auf der Festplatte) von XDM-Daten in weniger als 22 Minuten zu lesen. Das Hinzufügen zusätzlicher Zeilen kann zu Fehlern führen.

Ad-hoc-Schema: Sie sollten in der Lage sein, maximal 5 Millionen Zeilen (ca. 5,6 GB Daten auf der Festplatte) von Nicht-XDM (Ad-hoc)-Daten in weniger als 14 Minuten zu lesen. Das Hinzufügen zusätzlicher Zeilen kann zu Fehlern führen.

R Notebook-Datenbeschränkungen

XDM ExperienceEvent-Schema: Sie sollten maximal 1 Million XDM-Datenzeilen (3 GB-Daten auf der Festplatte) in weniger als 13 Minuten lesen können.

Ad-hoc-Schema: Sie sollten in der Lage sein, maximal 3 Millionen Zeilen mit Ad-hoc-Daten (293 MB Daten auf der Festplatte) in etwa 10 Minuten zu lesen.

Datenbeschränkungen des PySpark-Notebooks (Python-Kernel): pyspark-data-limits

XDM ExperienceEvent-Schema: Im interaktiven Modus sollten Sie in der Lage sein, maximal 5 Millionen Zeilen (ca. 13,42 GB Daten auf der Festplatte) von XDM-Daten in etwa 20 Minuten zu lesen. Der interaktive Modus unterstützt nur bis zu 5 Millionen Zeilen. Wenn Sie größere Datensätze lesen möchten, wird empfohlen, in den Batch-Modus zu wechseln. Im Batch-Modus sollten Sie in der Lage sein, maximal 500 Millionen Zeilen (ca. 1,31 TB Daten auf der Festplatte) von XDM-Daten in etwa 14 Stunden zu lesen.

Ad-hoc-Schema: Im interaktiven Modus sollten Sie in der Lage sein, maximal 5 Millionen Zeilen (ca. 5,36 GB Daten auf der Festplatte) von Nicht-XDM-Daten in weniger als 3 Minuten zu lesen. Im Batch-Modus sollten Sie in der Lage sein, maximal 1 Milliarde Zeilen (~1,05 TB Daten auf der Festplatte) von Nicht-XDM-Daten in etwa 18 Minuten zu lesen.

Spark (Scala-Kernel) Notebook-Datenbeschränkungen: scala-data-limits

XDM ExperienceEvent-Schema: Im interaktiven Modus sollten Sie in der Lage sein, maximal 5 Millionen Zeilen (ca. 13,42 GB Daten auf der Festplatte) von XDM-Daten in etwa 18 Minuten zu lesen. Der interaktive Modus unterstützt nur bis zu 5 Millionen Zeilen. Wenn Sie größere Datensätze lesen möchten, wird empfohlen, in den Batch-Modus zu wechseln. Im Batch-Modus sollten Sie in der Lage sein, maximal 500 Millionen Zeilen (ca. 1,31 TB Daten auf der Festplatte) von XDM-Daten in etwa 14 Stunden zu lesen.

Ad-hoc-Schema: Im interaktiven Modus sollten Sie in der Lage sein, maximal 5 Millionen Zeilen (ca. 5,36 GB Daten auf der Festplatte) von Nicht-XDM-Daten in weniger als 3 Minuten zu lesen. Im Batch-Modus sollten Sie in der Lage sein, maximal 1 Milliarde Zeilen (~1,05 TB Daten auf der Festplatte) von Nicht-XDM-Daten in etwa 16 Minuten zu lesen.

Python-Notebooks python-notebook

Mit Python-Notebooks können Sie beim Zugriff auf Datensätze Daten paginieren. Beispielcode zum Lesen von Daten mit und ohne Paginierung wird unten gezeigt. Weitere Informationen zu den verfügbaren Python-Starter-Notebooks finden Sie JupyterLab Abschnitt „Starter im JupyterLab-Benutzerhandbuch.

In der folgenden Python-Dokumentation werden die folgenden Konzepte erläutert:

Lesen aus einem Datensatz in Python python-read-dataset

Ohne Paginierung:

Wenn Sie den folgenden Code ausführen, wird der gesamte Datensatz gelesen. Bei erfolgreicher Ausführung werden die Daten als Pandas-Dataframe gespeichert, auf den die Variable df verweist.

# Python

from platform_sdk.dataset_reader import DatasetReader
dataset_reader = DatasetReader(get_platform_sdk_client_context(), dataset_id="{DATASET_ID}")
df = dataset_reader.read()
df.head()

mit Seitenumbruch:

Wenn Sie folgenden Code ausführen, werden Daten aus dem angegebenen Datensatz gelesen. Paginierung wird erreicht, indem Daten über die Funktion limit() bzw. offset() begrenzt und versetzt werden. Datenbegrenzung bezieht sich auf die maximale Anzahl der zu lesenden Datenpunkte, während Versatz auf die Anzahl der Datenpunkte verweist, die vor dem Lesen von Daten übersprungen werden. Wenn der Lesevorgang erfolgreich ausgeführt wird, werden die Daten als Pandas-Dataframe gespeichert, auf den die Variable df verweist.

# Python

from platform_sdk.dataset_reader import DatasetReader

dataset_reader = DatasetReader(get_platform_sdk_client_context(), dataset_id="{DATASET_ID}")
df = dataset_reader.limit(100).offset(10).read()

Schreiben in einen Datensatz in Python write-python

Um in einen Datensatz in Ihrem JupyterLab-Notebook zu schreiben, wählen Sie die Registerkarte Datensymbol (unten hervorgehoben) im linken Navigationsbereich von JupyterLab aus. Die Verzeichnisse Datensätze und Schemata werden angezeigt. Wählen Sie Datensätze klicken Sie mit der rechten Maustaste und wählen Sie dann im Dropdown-Menü des Datensatzes, den Sie verwenden möchten, die Option Daten in Notebook schreiben aus. Unten im Notebook wird ein ausführbarer Code-Eintrag angezeigt.

Alternativ können Sie die folgende Code-Zelle kopieren und einfügen. Ersetzen Sie sowohl die {DATASET_ID} als auch die {PANDA_DATAFRAME}.

from platform_sdk.models import Dataset
from platform_sdk.dataset_writer import DatasetWriter

dataset = Dataset(get_platform_sdk_client_context()).get_by_id(dataset_id="{DATASET_ID}")
dataset_writer = DatasetWriter(get_platform_sdk_client_context(), dataset)
write_tracker = dataset_writer.write({PANDA_DATAFRAME}, file_format='json')

Abfragen von Daten mit Query Service in Python query-data-python

JupyterLab on Platform ermöglicht Ihnen die Verwendung von SQL in einem Python Notebook für den Datenzugriff über den Adobe Experience Platform Query Service. Der Zugriff auf Daten über den Query Service kann aufgrund der kürzeren Ausführungszeiten bei der Bearbeitung großer Datensätze nützlich sein. Beachten Sie, dass Datenabfragen mit dem Query Service ein Limit bei der Verarbeitungszeit von 10 Minuten aufweisen.

Bevor Sie den Query Service in JupyterLab verwenden, sollten Sie Grundlagenkenntnisse zur Query Service -SQL-Syntax besitzen.

Für die Abfrage von Daten mit Query Service müssen Sie den Namen des Zieldatensatzes angeben. Sie können die erforderlichen Code-Zellen generieren, indem Sie den gewünschten Datensatz mit dem Data Explorer suchen. Klicken Sie mit der rechten Maustaste auf die Datensatzliste und klicken Sie auf Daten in Notebook abfragen, um zwei Code-Zellen in Ihrem Notebook zu generieren. Diese beiden Zellen werden im Folgenden genauer beschrieben.

Um Query Service in JupyterLab nutzen zu können, müssen Sie zunächst eine Verbindung zwischen Ihrem Python Notebook und Query Service herstellen. Dies kann durch Ausführen der ersten generierten Zelle erreicht werden.

qs_connect()

In der zweiten generierten Zelle muss die erste Zeile vor der SQL-Abfrage definiert werden. Standardmäßig definiert die generierte Zelle eine optionale Variable (df0), mit der die Abfrageergebnisse als Pandas-Dataframe gespeichert werden.
Das -c QS_CONNECTION Argument ist obligatorisch und weist den Kernel an, die SQL-Abfrage für Query Service auszuführen. Eine Liste weiterer Argumente finden Sie im Anhang.

%%read_sql df0 -c QS_CONNECTION
SELECT *
FROM name_of_the_dataset
LIMIT 10
/* Querying table "name_of_the_dataset" (datasetId: {DATASET_ID})*/

Python-Variablen können in einer SQL-Abfrage direkt referenziert werden, indem Sie eine im Zeichenfolgenformat formatierte Syntax verwenden und die Variablen in geschweifte Klammern ({}) setzen (siehe folgendes Beispiel):

table_name = 'name_of_the_dataset'
table_columns = ','.join(['col_1','col_2','col_3'])

%%read_sql demo -c QS_CONNECTION
SELECT {table_columns}
FROM {table_name}

Filtern ExperienceEvent Daten python-filter

Um auf einen ExperienceEvent Datensatz in einem Python-Notebook zuzugreifen und ihn zu filtern, müssen Sie die ID des Datensatzes ({DATASET_ID}) zusammen mit den Filterregeln angeben, die einen bestimmten Zeitraum mithilfe von logischen Operatoren definieren. Wenn ein Zeitraum definiert ist, wird jede angegebene Paginierung ignoriert und der gesamte Datensatz berücksichtigt.

Eine Liste der Filteroperatoren finden Sie nachfolgend:

Die folgende Zelle filtert einen ExperienceEvent Datensatz nach Daten, die ausschließlich zwischen dem 1. Januar 2019 und dem 31. Dezember 2019 existieren.

# Python

from platform_sdk.dataset_reader import DatasetReader

dataset_reader = DatasetReader(get_platform_sdk_client_context(), dataset_id="{DATASET_ID}")
df = dataset_reader.\
    where(dataset_reader["timestamp"].gt("2019-01-01 00:00:00").\
    And(dataset_reader["timestamp"].lt("2019-12-31 23:59:59"))\
).read()

R-Notebooks r-notebooks

Mit R-Notebooks können Sie beim Zugriff auf Datensätze Daten paginieren. Beispielcode zum Lesen von Daten mit und ohne Paginierung wird unten gezeigt. Weitere Informationen zu den verfügbaren Starter-R-Notebooks finden Sie JupyterLab Abschnitt „Starter im JupyterLab-Benutzerhandbuch.

In der folgenden R-Dokumentation werden die folgenden Konzepte erläutert:

Lesen aus einem Datensatz in R r-read-dataset

Ohne Paginierung:

Wenn Sie den folgenden Code ausführen, wird der gesamte Datensatz gelesen. Bei erfolgreicher Ausführung werden die Daten als Pandas-Dataframe gespeichert, auf den die Variable df0 verweist.

# R

library(reticulate)
use_python("/usr/local/bin/ipython")
psdk <- import("platform_sdk")
datetime <- import("datetime", convert = FALSE)
py_run_file("~/.ipython/profile_default/startup/platform_sdk_context.py")
DatasetReader <- psdk$dataset_reader$DatasetReader
dataset_reader <- DatasetReader(py$get_platform_sdk_client_context(), dataset_id="{DATASET_ID}")
df0 <- dataset_reader$read()
head(df0)

mit Seitenumbruch:

Wenn Sie folgenden Code ausführen, werden Daten aus dem angegebenen Datensatz gelesen. Paginierung wird erreicht, indem Daten über die Funktion limit() bzw. offset() begrenzt und versetzt werden. Datenbegrenzung bezieht sich auf die maximale Anzahl der zu lesenden Datenpunkte, während Versatz auf die Anzahl der Datenpunkte verweist, die vor dem Lesen von Daten übersprungen werden. Wenn der Lesevorgang erfolgreich ausgeführt wird, werden die Daten als Pandas-Dataframe gespeichert, auf den die Variable df0 verweist.

# R

library(reticulate)
use_python("/usr/local/bin/ipython")
psdk <- import("platform_sdk")
datetime <- import("datetime", convert = FALSE)
py_run_file("~/.ipython/profile_default/startup/platform_sdk_context.py")

DatasetReader <- psdk$dataset_reader$DatasetReader
dataset_reader <- DatasetReader(py$get_platform_sdk_client_context(), dataset_id="{DATASET_ID}")
df0 <- dataset_reader$limit(100L)$offset(10L)$read()

Schreiben in einen Datensatz in R write-r

Um in einen Datensatz in Ihrem JupyterLab-Notebook zu schreiben, wählen Sie die Registerkarte Datensymbol (unten hervorgehoben) im linken Navigationsbereich von JupyterLab aus. Die Verzeichnisse Datensätze und Schemata werden angezeigt. Wählen Sie Datensätze klicken Sie mit der rechten Maustaste und wählen Sie dann im Dropdown-Menü des Datensatzes, den Sie verwenden möchten, die Option Daten in Notebook schreiben aus. Unten im Notebook wird ein ausführbarer Code-Eintrag angezeigt.

Alternativ können Sie die folgende Code-Zelle kopieren und einfügen:

psdk <- import("platform_sdk")
dataset <- psdk$models$Dataset(py$get_platform_sdk_client_context())$get_by_id(dataset_id="{DATASET_ID}")
dataset_writer <- psdk$dataset_writer$DatasetWriter(py$get_platform_sdk_client_context(), dataset)
write_tracker <- dataset_writer$write(df, file_format='json')

Filtern ExperienceEvent Daten r-filter

Um auf einen ExperienceEvent Datensatz in einem R-Notebook zuzugreifen und ihn zu filtern, müssen Sie die ID des Datensatzes ({DATASET_ID}) zusammen mit den Filterregeln angeben, die einen bestimmten Zeitraum mithilfe von logischen Operatoren definieren. Wenn ein Zeitraum definiert ist, wird jede angegebene Paginierung ignoriert und der gesamte Datensatz berücksichtigt.

Eine Liste der Filteroperatoren finden Sie nachfolgend:

Die folgende Zelle filtert einen ExperienceEvent Datensatz nach Daten, die ausschließlich zwischen dem 1. Januar 2019 und dem 31. Dezember 2019 existieren.

# R

library(reticulate)
use_python("/usr/local/bin/ipython")
psdk <- import("platform_sdk")
datetime <- import("datetime", convert = FALSE)
py_run_file("~/.ipython/profile_default/startup/platform_sdk_context.py")

client_context <- py$PLATFORM_SDK_CLIENT_CONTEXT
DatasetReader <- psdk$dataset_reader$DatasetReader
dataset_reader <- DatasetReader(py$get_platform_sdk_client_context(), dataset_id="{DATASET_ID}")

df0 <- dataset_reader$
    where(dataset_reader["timestamp"]$gt("2019-01-01 00:00:00")$
    And(dataset_reader["timestamp"]$lt("2019-12-31 23:59:59"))
)$read()

PySpark 3-Notebooks pyspark-notebook

In der folgenden PySpark-Dokumentation werden die folgenden Konzepte erläutert:

SparkSession wird initialisiert spark-initialize

Bei allen Spark 2.4-Notebooks müssen Sie die Sitzung mit dem folgenden Textbausteincode initialisieren.

from pyspark.sql import SparkSession
spark = SparkSession.builder.getOrCreate()

Mit %dataset lesen und schreiben mit einem PySpark 3-Notebook magic

Mit der Einführung von Spark 2.4 wird %dataset benutzerdefinierte Magie für die Verwendung in PySpark 3 (Spark 2.4)-Notebooks bereitgestellt. Weitere Informationen zu den im IPython-Kernel verfügbaren magischen Befehlen finden Sie in der IPython magic-Dokumentation.

Verwendung

%dataset {action} --datasetId {id} --dataFrame {df} --mode batch

Beschreibung

Ein benutzerdefinierter Data Science Workspace Magic-Befehl zum Lesen oder Schreiben eines Datensatzes aus einem PySpark Notebook (Python 3 Kernel).

Beispiele

Sie können die oben genannten Beispiele automatisch in JupyterLab generieren, indem Sie die folgende Methode verwenden:

Wählen Sie im linken Navigationsbereich von JupyterLab die Registerkarte mit dem Datensymbol (siehe unten) aus. Die Verzeichnisse Datensätze und Schemata werden angezeigt. Wählen Sie Datensätze klicken Sie mit der rechten Maustaste und wählen Sie dann im Dropdown-Menü des Datensatzes, den Sie verwenden möchten, die Option Daten in Notebook schreiben aus. Unten im Notebook wird ein ausführbarer Code-Eintrag angezeigt.

Erstellen eines lokalen Datenrahmens pyspark-create-dataframe

Verwenden Sie SQL-Abfragen, um einen lokalen Datenrahmen mit PySpark 3 zu erstellen. z. B.:

date_aggregation.createOrReplaceTempView("temp_df")

df = spark.sql('''
  SELECT *
  FROM sparkdf
''')

local_df

df = spark.sql('''
  SELECT *
  FROM sparkdf
  LIMIT limit
''')

sample_df = df.sample(fraction)

Filtern ExperienceEvent Daten pyspark-filter-experienceevent

Um auf einen ExperienceEvent Datensatz in einem PySpark-Notebook zugreifen und ihn filtern zu können, müssen Sie die Datensatzidentität ({DATASET_ID}), die IMS-Identität Ihres Unternehmens und die Filterregeln angeben, die einen bestimmten Zeitraum definieren. Ein Filterzeitbereich wird mithilfe der spark.sql() definiert, wobei der Funktionsparameter eine SQL-Abfragezeichenfolge ist.

Die folgenden Zellen filtern einen ExperienceEvent Datensatz nach Daten, die ausschließlich zwischen dem 1. Januar 2019 und dem 31. Dezember 2019 existierten.

# PySpark 3 (Spark 2.4)

from pyspark.sql import SparkSession
spark = SparkSession.builder.getOrCreate()

%dataset read --datasetId {DATASET_ID} --dataFrame df --mode batch

df.createOrReplaceTempView("event")
timepd = spark.sql("""
    SELECT *
    FROM event
    WHERE timestamp > CAST('2019-01-01 00:00:00.0' AS TIMESTAMP)
    AND timestamp < CAST('2019-12-31 23:59:59.9' AS TIMESTAMP)
""")
timepd.show()

Scala-Notebooks scala-notebook

Die folgende Dokumentation enthält Beispiele für die folgenden Konzepte:

SparkSession wird initialisiert scala-initialize

Bei allen Scala-Notebooks müssen Sie die Sitzung mit dem folgenden Textbausteincode initialisieren:

import org.apache.spark.sql.{ SparkSession }
val spark = SparkSession
  .builder()
  .master("local")
  .getOrCreate()

Datensatz lesen read-scala-dataset

In Scala können Sie clientContext importieren, um Platform-Werte abzurufen und zurückzugeben, sodass Sie keine Variablen wie var userToken definieren müssen. Im folgenden Scala-Beispiel wird clientContext verwendet, um alle erforderlichen Werte zum Lesen eines Datensatzes abzurufen und zurückzugeben.

import org.apache.spark.sql.{Dataset, SparkSession}
import com.adobe.platform.token.ClientContext
val spark = SparkSession.builder().master("local").config("spark.sql.warehouse.dir", "/").getOrCreate()

val clientContext = ClientContext.getClientContext()
val df1 = spark.read.format("com.adobe.platform.query")
  .option("user-token", clientContext.getUserToken())
  .option("ims-org", clientContext.getOrgId())
  .option("api-key", clientContext.getApiKey())
  .option("service-token", clientContext.getServiceToken())
  .option("sandbox-name", clientContext.getSandboxName())
  .option("mode", "batch")
  .option("dataset-id", "5e68141134492718af974844")
  .load()

df1.printSchema()
df1.show(10)

Sie können das obige Beispiel automatisch in JupyterLab generieren, indem Sie die folgende Methode verwenden:

Wählen Sie im linken Navigationsbereich von JupyterLab die Registerkarte mit dem Datensymbol (siehe unten) aus. Die Verzeichnisse Datensätze und Schemata werden angezeigt. Wählen Sie Datensätze aus, klicken Sie mit der rechten Maustaste und wählen Sie dann im Dropdown-Menü des Datensatzes, den Sie verwenden möchten, die Option Daten in Notebook erkunden aus. Unten im Notebook wird ein ausführbarer Code-Eintrag angezeigt.
Und

Schreiben in einen Datensatz scala-write-dataset

In Scala können Sie clientContext importieren, um Platform-Werte abzurufen und zurückzugeben, sodass Sie keine Variablen wie var userToken definieren müssen. Im folgenden Scala-Beispiel wird clientContext verwendet, um alle erforderlichen Werte zum Schreiben in einen Datensatz zu definieren und zurückzugeben.

import org.apache.spark.sql.{Dataset, SparkSession}
import com.adobe.platform.token.ClientContext
val spark = SparkSession.builder().master("local").config("spark.sql.warehouse.dir", "/").getOrCreate()

val clientContext = ClientContext.getClientContext()
df1.write.format("com.adobe.platform.query")
  .option("user-token", clientContext.getUserToken())
  .option("service-token", clientContext.getServiceToken())
  .option("ims-org", clientContext.getOrgId())
  .option("api-key", clientContext.getApiKey())
  .option("sandbox-name", clientContext.getSandboxName())
  .option("mode", "batch")
  .option("dataset-id", "5e68141134492718af974844")
  .save()

Erstellen eines lokalen Datenrahmens scala-create-dataframe

Um einen lokalen Datenrahmen mit Scala zu erstellen, sind SQL-Abfragen erforderlich. z. B.:

sparkdf.createOrReplaceTempView("sparkdf")

val localdf = spark.sql("SELECT * FROM sparkdf LIMIT 1)

Filtern ExperienceEvent Daten scala-experienceevent

Für den Zugriff auf und die Filterung eines ExperienceEvent Datensatzes in einem Scala-Notebook müssen Sie die Datensatzidentität ({DATASET_ID}), die IMS-Identität Ihres Unternehmens und die Filterregeln angeben, die einen bestimmten Zeitraum definieren. Ein Filterzeitbereich wird mithilfe der Funktion spark.sql() definiert, wobei der Funktionsparameter eine SQL-Abfragezeichenfolge ist.

Die folgenden Zellen filtern einen ExperienceEvent Datensatz nach Daten, die ausschließlich zwischen dem 1. Januar 2019 und dem 31. Dezember 2019 existierten.

// Spark (Spark 2.4)

// Turn off extra logging
import org.apache.log4j.{Level, Logger}
Logger.getLogger("org").setLevel(Level.OFF)
Logger.getLogger("com").setLevel(Level.OFF)

import org.apache.spark.sql.{Dataset, SparkSession}
val spark = org.apache.spark.sql.SparkSession.builder().appName("Notebook")
  .master("local")
  .getOrCreate()

// Stage Exploratory
val dataSetId: String = "{DATASET_ID}"
val orgId: String = sys.env("IMS_ORG_ID")
val clientId: String = sys.env("PYDASDK_IMS_CLIENT_ID")
val userToken: String = sys.env("PYDASDK_IMS_USER_TOKEN")
val serviceToken: String = sys.env("PYDASDK_IMS_SERVICE_TOKEN")
val mode: String = "batch"

var df = spark.read.format("com.adobe.platform.query")
  .option("user-token", userToken)
  .option("ims-org", orgId)
  .option("api-key", clientId)
  .option("mode", mode)
  .option("dataset-id", dataSetId)
  .option("service-token", serviceToken)
  .load()
df.createOrReplaceTempView("event")
val timedf = spark.sql("""
    SELECT *
    FROM event
    WHERE timestamp > CAST('2019-01-01 00:00:00.0' AS TIMESTAMP)
    AND timestamp < CAST('2019-12-31 23:59:59.9' AS TIMESTAMP)
""")
timedf.show()

Nächste Schritte

In diesem Dokument wurden die allgemeinen Richtlinien für den Zugriff auf Datensätze mithilfe von JupyterLab-Notebooks behandelt. Ausführlichere Beispiele zum Abfragen von Datensätzen finden Sie in der Dokumentation Abfrage-Service in JupyterLab-Notebooks. Weitere Informationen dazu, wie Sie Ihre Datensätze untersuchen und visualisieren können, finden Sie im Dokument Analysieren Ihrer Daten mithilfe von Notebooks.

Optionale SQL-Flags für Query Service optional-sql-flags-for-query-service

In dieser Tabelle sind die optionalen SQL-Flags aufgeführt, die für die Query Service verwendet werden können.