노트북의 데이터 Jupyterlab 액세스

지원되는 각 커널은 노트북 내의 데이터 세트에서 플랫폼 데이터를 읽을 수 있도록 해주는 내장 기능을 제공합니다. 현재 Adobe Experience Platform 데이터 과학 작업 공간의 JupiterLab은 R, PySpark 및 Scala용 노트북 Python을 지원합니다. 그러나 페이지 매김 데이터에 대한 지원은 Python 및 R 노트북으로 제한됩니다. 이 안내서에서는 JupiterLab 노트북을 사용하여 데이터에 액세스하는 방법에 중점을 둡니다.

시작하기

이 안내서를 읽기 전에 JupyterLab 사용자 안내서 에서 데이터 과학 작업 공간 내 JupyterLab 의 고급 소개 및 역할을 살펴보십시오.

노트북 데이터 제한

중요

PySpark 및 Scala 노트북에서 "원격 RPC 클라이언트가 연결이 끊어진" 이유로 오류가 발생하는 경우 이것은 일반적으로 드라이버나 실행자의 메모리가 부족함을 의미합니다. 이 오류를 해결하려면 "일괄 처리" 모드로 전환해 보십시오.

다음 정보는 읽을 수 있는 최대 데이터 양, 사용된 데이터 유형 및 데이터를 읽는 예상 기간을 정의합니다.

및 Python R의 경우 40GB RAM으로 구성된 노트북 서버가 벤치마크에 사용되었습니다. PySpark 및 Scala의 경우 64GB RAM, 8개 코어, 2개의 DBU로 구성된 데이터베이스 클러스터는 아래 나와 있는 벤치마크에 최대 4명의 작업자를 사용했습니다.

사용한 ExperienceEvent 스키마 데이터는 최대 10억 개(1B) 행에 이르는 1,000개 행에서 다양한 크기로 사용됩니다. PySpark 및 Spark 지표의 경우 XDM 데이터에 10일의 날짜 범위가 사용되었습니다.

임시 스키마 데이터는 CTAS(Create Table as Select)를 사용하여 Query Service 미리 처리되었습니다. 또한 이 데이터는 최대 10억(1B) 행에 이르는 1,000개 행부터 크기가 달라집니다.

일괄 처리 모드와 대화형 모드 사용 시기

PySpark 및 Scala 노트북을 사용하여 데이터 세트를 읽을 때 대화형 모드 또는 일괄 처리 모드를 사용하여 데이터 세트를 읽을 수 있습니다. 일괄 처리 모드는 대용량의 데이터 세트에 사용되는 반면, 대화형 작업은 빠른 결과를 위해 수행됩니다.

  • PySpark 및 Scala 노트북의 경우 500만 개 이상의 데이터 행을 읽고 있는 경우 일괄 처리 모드를 사용해야 합니다. 각 모드의 효율성에 대한 자세한 내용은 아래 PySpark 또는 Scala 데이터 제한 표를 참조하십시오.

Python 노트북 데이터 제한

XDM ExperienceEvent 스키마: 최대 200만 개의 XDM 데이터 행(~6.1GB의 디스크 데이터)을 22분 이내에 읽을 수 있어야 합니다. 행을 더 추가하면 오류가 발생할 수 있습니다.

행 수 1K 10K 100K 1M 2M
디스크 크기(MB) 18.73 187.5 308 3000 6050
SDK(초) 20.3 86.8 63 659 1315

임시 스키마: XDM(Ad-Hoc) 데이터가 아닌 데이터의 최대 5백만 행(~5.6GB의 디스크에 있는 데이터)을 14분 이내에 읽을 수 있어야 합니다. 행을 더 추가하면 오류가 발생할 수 있습니다.

행 수 1K 10K 100K 1M 2M 3M 5M
디스크 크기(MB) 1.21 11.72 115 1120 2250 3380 5630
SDK(초) 7.27 9.04 27.3 180 346 487 819

노트북 데이터 제한

XDM ExperienceEvent 스키마: 13분 이내에 최대 100만 개의 XDM 데이터 행(디스크에 3GB 데이터)을 읽을 수 있어야 합니다.

행 수 1K 10K 100K 1M
디스크 크기(MB) 18.73 187.5 308 3000
R 커널(초) 14.03 69.6 86.8 775

임시 스키마: 최대 300만 개의 애드혹 데이터 행(293MB 데이터 디스크)을 10분 이내에 읽을 수 있어야 합니다.

행 수 1K 10K 100K 1M 2M 3M
디스크 크기(MB) 0.082 0.612 9.0 91 188 293
R SDK(초) 7.7 4.58 35.9 233 470.5 603

PySpark(Python 커널) 노트북 데이터 제한:

XDM ExperienceEvent 스키마: 인터랙티브 모드에서는 20분 이내에 최대 5백만 행(~13.42GB 디스크 데이터)의 XDM 데이터를 읽을 수 있습니다. 대화형 모드는 최대 5백만 개의 행만 지원합니다. 큰 데이터 세트를 읽으려면 일괄 처리 모드로 전환하는 것이 좋습니다. 일괄 처리 모드에서는 약 14시간 내에 XDM 데이터의 최대 5억개 행(~1.31TB 데이터)을 읽을 수 있어야 합니다.

행 수 1K 10K 100K 1M 2M 3M 5M 10M 50M 100M 500M
디스크 크기 2.93MB 4.38MB 29.02 2.69GB 5.39GB 8.09GB 13.42GB 26.82GB 134.24GB 268.39GB 1.31TB
SDK(대화형 모드) 33s 32.4s 55.1s 253.5s 489.2s 729.6s 1206.8s - - - -
SDK(배치 모드) 815.8s 492.8s 379.1s 637.4s 624.5s 869.2s 1104.1s 1786s 5387.2s 10624.6s 50547s

임시 스키마: 인터랙티브 모드에서는 XDM 외의 데이터의 최대 5백만 행(~5.36GB 데이터 디스크)을 3분 이내에 읽을 수 있어야 합니다. 일괄 처리 모드에서는 18분 내에 XDM 외의 데이터를 최대 10억개 행(~1.05TB 데이터 디스크에 포함)으로 읽을 수 있습니다.

행 수 1K 10K 100K 1M 2M 3M 5M 10M 50M 100M 500M 1B
디스크 크기 1.12MB 11.24MB 109.48MB 2.69GB 2.14GB 3.21GB 5.36GB 10.71GB 53.58GB 107.52GB 535.88GB 1.05TB
SDK 대화형 모드(초) 28.2s 18.6s 20.8s 20.9s 23.8s 21.7s 24.7s - - - - -
SDK 배치 모드(초) 428.8s 578.8s 641.4s 538.5s 630.9s 467.3s 411s 675s 702s 719.2s 1022.1s 1122.3s

Spark (스칼라 커널) 노트북 데이터 제한:

XDM ExperienceEvent 스키마: 인터랙티브한 모드에서는 최대 5백만 행(~13.42GB 디스크 데이터)의 XDM 데이터를 18분 내에 읽을 수 있어야 합니다. 대화형 모드는 최대 5백만 개의 행만 지원합니다. 큰 데이터 세트를 읽으려면 일괄 처리 모드로 전환하는 것이 좋습니다. 일괄 처리 모드에서는 약 14시간 내에 XDM 데이터의 최대 5억개 행(~1.31TB 데이터)을 읽을 수 있어야 합니다.

행 수 1K 10K 100K 1M 2M 3M 5M 10M 50M 100M 500M
디스크 크기 2.93MB 4.38MB 29.02 2.69GB 5.39GB 8.09GB 13.42GB 26.82GB 134.24GB 268.39GB 1.31TB
SDK 대화형 모드(초) 37.9s 22.7s 45.6s 231.7s 444.7s 660.6s 1100s - - - -
SDK 배치 모드(초) 374.4s 398.5s 527s 487.9s 588.9s 829s 939.1s 1441s 5473.2s 10118.8 49207.6

임시 스키마: 인터랙티브한 모드에서는 XDM이 아닌 데이터의 최대 500만 개 행(~5.36GB의 디스크 데이터)을 3분 이내에 읽을 수 있습니다. 일괄 처리 모드에서는 16분 내에 XDM 외의 데이터를 최대 10억개 행(~1.05TB 데이터 디스크에 포함)으로 읽을 수 있습니다.

행 수 1K 10K 100K 1M 2M 3M 5M 10M 50M 100M 500M 1B
디스크 크기 1.12MB 11.24MB 109.48MB 2.69GB 2.14GB 3.21GB 5.36GB 10.71GB 53.58GB 107.52GB 535.88GB 1.05TB
SDK 대화형 모드(초) 35.7s 31s 19.5s 25.3s 23s 33.2s 25.5s - - - - -
SDK 배치 모드(초) 448.8s 459.7s 519s 475.8s 599.9s 347.6s 407.8s 397s 518.8s 487.9s 760.2s 975.4s

파이톤 노트북

Python 전자 필기장을 사용하면 데이터 세트에 액세스할 때 데이터를 게시할 수 있습니다. 페이지 매김이 있거나 없는 데이터를 읽는 샘플 코드는 아래에 나와 있습니다. 사용 가능한 스타터 Python 노트북에 대한 자세한 내용은 JupiterLab 사용자 가이드 내의 JupyterLab Launcher 섹션을 참조하십시오.

아래의 Python 설명서에는 다음 개념이 요약되어 있습니다.

Python의 데이터 세트 읽기

페이지 매김 없이:

다음 코드를 실행하면 전체 데이터 세트를 읽습니다. 실행이 성공하면 데이터는 변수에서 참조하는 판더 데이터 프레임으로 저장됩니다 df.

# 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()

페이지 매김:

다음 코드를 실행하면 지정된 데이터 집합의 데이터가 읽습니다. 페이지 매김은 함수 limit()offset() 각각 데이터를 제한 및 오프셋하여 이루어집니다. 데이터 제한은 데이터를 읽기 전에 건너뛸 데이터 포인트 수를 나타내는 반면 데이터 제한은 읽을 최대 데이터 포인트 수를 나타냅니다. 읽기 작업이 성공적으로 실행되면 데이터가 변수에서 참조하는 판더 데이터 프레임으로 저장됩니다 df.

# 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()

Python의 데이터 세트에 쓰기

JupiterLab 전자 필기장의 데이터 세트에 기록하려면 JupiterLab의 왼쪽 탐색 영역에서 데이터 아이콘 탭(아래 강조 표시)을 선택합니다. 데이터 집합스키마 디렉토리가나타납니다. 데이터 집합 선택하고 마우스 오른쪽 단추를 클릭한 다음 사용할 데이터 의 드롭다운 메뉴에서 [노트북에 데이터] 쓰기 옵션을 선택합니다. 실행 가능한 코드 항목이 노트북 하단에 나타납니다.

  • 노트북의 데이터 쓰기 기능을 사용하여 선택한 데이터 세트에 쓰기 셀을 생성합니다.
  • 노트북 의 데이터 탐색을 사용하여 선택한 데이터 세트에 대한 읽기 셀을 생성합니다.
  • 노트북 쿼리 데이터를 사용하여 선택한 데이터 세트에 대한 기본 쿼리 셀을 생성합니다.

또는 다음 코드 셀을 복사하고 붙여넣을 수 있습니다. 과 {DATASET_ID} 를 모두 {PANDA_DATAFRAME}교체합니다.

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')

데이터 쿼리 Query Service 는 Python

JupyterLab 을 Platform 사용하면 전자 필기장의 SQL을 사용하여 Python Adobe Experience Platform 쿼리 서비스를 통해 데이터에 액세스할 수 있습니다 . 데이터 세트를 통해 액세스하는 Query Service 것은 실행 시간이 매우 짧기 때문에 대규모 데이터 세트를 처리하는 데 유용합니다. 데이터를 쿼리하는 데 처리 시간 제한 Query Service 이 10분입니다.

를 사용하기 전에 Query Service SQL 구문 JupyterLabQuery Service 에 대한 작업 지식이 있어야 합니다.

데이터를 쿼리하려면 대상 데이터 집합 이름을 제공해야 Query Service 합니다. 데이터 탐색기를 사용하여 원하는 데이터 세트를 찾아 필요한 코드 셀을 생성할 수 있습니다. 데이터 세트 목록을 마우스 오른쪽 단추로 클릭하고 노트북의 데이터 쿼리를 클릭하여 노트북에 두 개의 코드 셀을 생성합니다. 이 두 개의 세포들은 아래에 더 자세히 나와 있다.

이 Query Service 에서 활용하려면 먼저 작업 중인 JupyterLab노트북과 작업 중인 Python 노트북 간에 연결을 만들어야 합니다 Query Service. 이렇게 하려면 첫 번째 생성된 셀을 실행하여 할 수 있습니다.

qs_connect()

두 번째 생성된 셀에서 첫 번째 행을 SQL 쿼리 앞에 정의해야 합니다. 기본적으로 생성된 셀은 쿼리 결과를 팬더 데이터 프레임으로 저장하는 선택적 변수(df0)를 정의합니다.
-c QS_CONNECTION 인수는 필수 항목이며 커널에 대해 SQL 쿼리를 실행하라고 지시합니다 Query Service. 추가 인수 목록은 부록을 참조하십시오.

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

다음 예제와 같이 문자열 형식의 구문을 사용하고 변수를 중괄호(중괄호)로 묶어서 SQL 쿼리 내에서 직접 Python 변수를 참조할 수 있습니다.{}

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}

Filter ExperienceEvent data

노트북의 ExperienceEvent 데이터 세트에 액세스하고 필터링하려면 논리 연산자를 사용하여 특정 시간 범위를 정의하는 필터 규칙과 함께 데이터 세트( Python{DATASET_ID})의 ID를 제공해야 합니다. 시간 범위를 정의하면 지정된 모든 페이지 지정이 무시되고 전체 데이터 세트가 고려됩니다.

필터링 연산자 목록은 아래에 설명되어 있습니다.

  • eq(): 같음
  • gt(): 보다 큼
  • ge(): 크거나 같음
  • lt(): 보다 작음
  • le(): 작거나 같음
  • And():논리 AND 연산자
  • Or():논리 OR 연산자

다음 셀에서는 2019년 1월 1일부터 2019년 12월 31일 말까지 독점적으로 존재하는 데이터 세트에 대한 데이터를 필터링합니다. ExperienceEvent

# 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 노트북

R 전자 필기장을 사용하면 데이터 세트에 액세스할 때 데이터를 게시할 수 있습니다. 페이지 매김이 있거나 없는 데이터를 읽는 샘플 코드는 아래에 나와 있습니다. 사용 가능한 스타터 R 노트북에 대한 자세한 내용은 JupiterLab JupyterLab 사용자 가이드 내의 론처 섹션을 참조하십시오.

아래의 R 설명서는 다음과 같은 개념에 대해 간략하게 설명합니다.

R의 데이터 세트에서 읽기

페이지 매김 없이:

다음 코드를 실행하면 전체 데이터 세트를 읽습니다. 실행이 성공하면 데이터는 변수에서 참조하는 판더 데이터 프레임으로 저장됩니다 df0.

# 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)

페이지 매김:

다음 코드를 실행하면 지정된 데이터 집합의 데이터가 읽습니다. 페이지 매김은 함수 limit()offset() 각각 데이터를 제한 및 오프셋하여 이루어집니다. 데이터 제한은 데이터를 읽기 전에 건너뛸 데이터 포인트 수를 나타내는 반면 데이터 제한은 읽을 최대 데이터 포인트 수를 나타냅니다. 읽기 작업이 성공적으로 실행되면 데이터가 변수에서 참조하는 판더 데이터 프레임으로 저장됩니다 df0.

# 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()

R의 데이터 세트에 쓰기

JupiterLab 전자 필기장의 데이터 세트에 기록하려면 JupiterLab의 왼쪽 탐색 영역에서 데이터 아이콘 탭(아래 강조 표시)을 선택합니다. 데이터 집합스키마 디렉토리가나타납니다. 데이터 집합 선택하고 마우스 오른쪽 단추를 클릭한 다음 사용할 데이터 의 드롭다운 메뉴에서 [노트북에 데이터] 쓰기 옵션을 선택합니다. 실행 가능한 코드 항목이 노트북 하단에 나타납니다.

  • 노트북의 데이터 쓰기 기능을 사용하여 선택한 데이터 세트에 쓰기 셀을 생성합니다.
  • 노트북 의 데이터 탐색을 사용하여 선택한 데이터 세트에 대한 읽기 셀을 생성합니다.

또는 다음 코드 셀을 복사하고 붙여넣을 수 있습니다.

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')

Filter ExperienceEvent data

R 전자 필기장의 ExperienceEvent 데이터 세트에 액세스하고 필터링하려면 논리 연산자를 사용하여 특정 시간 범위를 정의하는 필터 규칙과 함께 데이터 세트({DATASET_ID})의 ID를 제공해야 합니다. 시간 범위를 정의하면 지정된 모든 페이지 지정이 무시되고 전체 데이터 세트가 고려됩니다.

필터링 연산자 목록은 아래에 설명되어 있습니다.

  • eq(): 같음
  • gt(): 보다 큼
  • ge(): 크거나 같음
  • lt(): 보다 작음
  • le(): 작거나 같음
  • And():논리 AND 연산자
  • Or():논리 OR 연산자

다음 셀에서는 2019년 1월 1일부터 2019년 12월 31일 말까지 독점적으로 존재하는 데이터 세트에 대한 데이터를 필터링합니다. ExperienceEvent

# 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 노트북

아래의 PySpark 설명서에는 다음과 같은 개념이 요약되어 있습니다.

sparkSession 초기화 중

모든 Spark 2.4 전자 필기장은 다음 상용구 코드로 세션을 초기화해야 합니다.

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

PySpark 3 노트북에서 %dataset을 사용하여 읽고 쓰기

2.4가 도입되면서 PySpark 3( Spark 2.4) 노트북에서 사용할 수 있는 맞춤형 기능이 %datasetSpark 제공됩니다. IPython 커널에서 사용할 수 있는 매직 명령에 대한 자세한 내용은 IPython 매직 설명서를 참조하십시오.

사용

%dataset {action} --datasetId {id} --dataFrame {df}`

설명

노트북( Data Science Workspace PySparkPython 3커널)에서 데이터 세트를 읽거나 쓰는 사용자 정의 매직 명령입니다.

이름 설명 필수 여부
{action} 데이터 세트에 대해 수행할 작업 유형입니다. 두 가지 작업을 "읽기" 또는 "쓰기"로 사용할 수 있습니다.
--datasetId {id} 데이터 집합의 ID를 읽고 쓰는 데 사용됩니다.
--dataFrame {df} 판다들의 데이터 프레임
  • 작업이 "읽기"인 경우 {df}는 데이터 집합 읽기 작업의 결과를 사용할 수 있는 변수입니다.
  • 작업이 "write"이면 이 데이터 프레임 {df}이(가) 데이터 세트에 기록됩니다.
--mode 데이터를 읽는 방법을 변경하는 추가 매개 변수입니다. 허용되는 매개 변수는 "batch" 및 "interactive"입니다. 기본적으로 모드는 "interactive"로 설정됩니다. 대량의 데이터를 읽을 때는 "일괄 처리" 모드를 사용하는 것이 좋습니다. 아니요

노트북 데이터 제한 섹션 내의 PySpark 테이블을 검토하여 mode 또는 interactive 으로 설정해야 batch하는지 확인합니다.

  • 예제​보기: %dataset read --datasetId 5e68141134492718af974841 --dataFrame pd0
  • 쓰기 예: %dataset write --datasetId 5e68141134492718af974842 --dataFrame pd0

다음 방법을 사용하여 JupiterLab buy에서 위 예제를 자동으로 생성할 수 있습니다.

JupiterLab의 왼쪽 탐색 영역에서 데이터 아이콘 탭(아래 강조 표시)을 선택합니다. 데이터 집합스키마 디렉토리가나타납니다. 데이터 집합 선택하고 마우스 오른쪽 단추를 클릭한 다음 사용할 데이터 의 드롭다운 메뉴에서 [노트북에 데이터] 쓰기 옵션을 선택합니다. 실행 가능한 코드 항목이 노트북 하단에 나타납니다.

  • 노트북의 데이터 탐색을 사용하여 읽기 셀을 생성합니다.
  • 전자 필기장의 데이터 쓰기를 사용하여 쓰기 셀을 생성합니다.

로컬 데이터 프레임 만들기

PySpark 3를 사용하여 로컬 데이터 프레임을 만들려면 SQL 쿼리를 사용하십시오. 예:

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)

대체, 이중 분수 또는 긴 시드가 있는 부울 값과 같은 선택적 시드 샘플을 지정할 수도 있습니다.

Filter ExperienceEvent data

PySpark 노트북에서 ExperienceEvent 데이터 세트에 액세스하고 이를 필터링하려면 데이터 세트 ID({DATASET_ID}), 조직의 IMS ID 및 특정 시간 범위를 정의하는 필터 규칙을 제공해야 합니다. 필터링 시간 범위는 함수 매개 변수가 SQL 쿼리 문자열 spark.sql()인 함수를 사용하여 정의됩니다.

다음 셀에서는 2019년 1월 1일부터 2019년 12월 31일까지 독점 존재하는 데이터 세트에 대한 데이터 세트를 필터링합니다. ExperienceEvent

# PySpark 3 (Spark 2.4)

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

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

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()

스칼라 노트북

아래 설명서에는 다음 개념에 대한 예가 나와 있습니다.

SparkSession 초기화

모든 Scala 전자 필기장은 다음과 같은 상용구 코드로 세션을 초기화해야 합니다.

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

데이터 세트 읽기

Scala에서 플랫폼 값 clientContext 을 가져오고 반환하기 위해 가져올 수 있으므로 다음과 같은 변수를 정의할 필요가 없습니다 var userToken. 아래의 Scala 예에서 clientContext 는 데이터 세트를 읽는 데 필요한 모든 값을 가져와 반환하는 데 사용됩니다.

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", "interactive")
  .option("dataset-id", "5e68141134492718af974844")
  .load()

df1.printSchema()
df1.show(10)
요소 설명
df1 데이터를 읽고 쓰는 데 사용되는 판다데이터 프레임을 나타내는 변수입니다.
user-token 을 사용하여 자동으로 반입되는 사용자 토큰입니다 clientContext.getUserToken().
서비스 토큰 를 사용하여 자동으로 반입되는 서비스 토큰입니다 clientContext.getServiceToken().
ims-org 를 사용하여 자동으로 가져오는 IMS 조직 ID clientContext.getOrgId().
api-key 를 사용하여 자동으로 가져오는 API 키 clientContext.getApiKey().

노트북 데이터 제한 섹션 내의 스칼라 테이블을 검토하여 mode 또는 로 설정해야 interactive 하는지 batch확인합니다.

다음 방법을 사용하여 JupiterLab buy에서 위 예제를 자동으로 생성할 수 있습니다.

JupiterLab의 왼쪽 탐색 영역에서 데이터 아이콘 탭(아래 강조 표시)을 선택합니다. 데이터 집합스키마 디렉토리가나타납니다. 데이터 집합 선택하고 마우스 오른쪽 단추를 클릭한 다음 사용할 데이터 의 드롭다운 메뉴에서 데이터 탐색 옵션을 선택합니다. 실행 가능한 코드 항목이 노트북 하단에 나타납니다.
And

  • 노트북의 데이터 탐색을 사용하여 읽기 셀을 생성합니다.
  • 전자 필기장의 데이터 쓰기를 사용하여 쓰기 셀을 생성합니다.

데이터 세트에 쓰기

Scala에서 플랫폼 값 clientContext 을 가져오고 반환하기 위해 가져올 수 있으므로 다음과 같은 변수를 정의할 필요가 없습니다 var userToken. 아래의 Scala 예에서 clientContext 는 데이터 세트에 쓰는 데 필요한 모든 값을 정의하고 반환하는 데 사용됩니다.

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", "interactive")
  .option("dataset-id", "5e68141134492718af974844")
  .save()
요소를 생성하지 않습니다 description
df1 데이터를 읽고 쓰는 데 사용되는 판다데이터 프레임을 나타내는 변수입니다.
user-token 을 사용하여 자동으로 반입되는 사용자 토큰입니다 clientContext.getUserToken().
서비스 토큰 를 사용하여 자동으로 반입되는 서비스 토큰입니다 clientContext.getServiceToken().
ims-org 를 사용하여 자동으로 가져오는 IMS 조직 ID clientContext.getOrgId().
api-key 를 사용하여 자동으로 가져오는 API 키 clientContext.getApiKey().

노트북 데이터 제한 섹션 내의 스칼라 테이블을 검토하여 mode 또는 로 설정해야 interactive 하는지 batch확인합니다.

로컬 데이터 프레임 만들기

Scala를 사용하여 로컬 데이터 프레임을 만들려면 SQL 쿼리가 필요합니다. 예:

sparkdf.createOrReplaceTempView("sparkdf")

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

Filter ExperienceEvent data

Scala 전자 필기장에서 ExperienceEvent 데이터 세트에 액세스하고 필터링하려면 데이터 세트 ID({DATASET_ID}), 조직의 IMS ID 및 특정 시간 범위를 정의하는 필터 규칙을 제공해야 합니다. 필터링 시간 범위는 함수 매개 변수가 SQL 쿼리 문자열 spark.sql()인 함수를 사용하여 정의됩니다.

다음 셀에서는 2019년 1월 1일부터 2019년 12월 31일까지 독점 존재하는 데이터 세트에 대한 데이터 세트를 필터링합니다. ExperienceEvent

// 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()

다음 단계

이 문서에서는 JupiterLab 노트북을 사용하여 데이터 세트에 액세스하는 일반적인 지침을 다룹니다. 데이터 집합 질의에 대한 자세한 예를 보려면 JupiterLab 노트북 설명서의 쿼리 서비스를 참조하십시오. 데이터 세트를 탐색하고 시각화하는 방법에 대한 자세한 내용은 노트북을 사용하여 데이터를 분석하는 문서를 참조하십시오.

다음에 대한 선택적 SQL 플래그 Query Service

이 표에서는 사용할 수 있는 선택적 SQL 플래그에 대해 간략하게 설명합니다 Query Service.

플래그 설명
-h, --help 도움말 메시지를 표시하고 종료합니다.
-n, --notify 쿼리 결과에 알리는 토글 옵션.
-a, --async 이 플래그를 사용하면 쿼리를 비동기 방식으로 실행하고 쿼리를 실행하는 동안 커널을 해제할 수 있습니다. 쿼리가 완료되지 않은 경우 정의되지 않을 수도 있으므로 쿼리 결과를 변수에 지정할 때는 주의하십시오.
-d, --display 이 플래그를 사용하면 결과가 표시되지 않습니다.

이 페이지에서는