通過DataWorks使用PyODPS -

PyODPS為MaxCompute的Python版SDK，支援在DataWorks中開發運行PyODPS任務。本文為您介紹在DataWorks上使用PyODPS的使用限制、主要流程和部分簡單應用樣本。

使用限制

使用方式限制
如果您發現有Got killed報錯，即表明記憶體使用量超限，進程被中止。請避免在PyODPS節點中直接下載資料並在DataWorks中處理資料，建議將資料處理任務提交到MaxCompute進行分布式執行處理，兩種方式的對比詳情請參見注意事項：請勿下載全量資料到本地並運行PyODPS。
包支援限制
- DataWorks的PyODPS節點缺少matplotlib等包，如下功能可能受限：
  - DataFrame的plot函數。
  - DataFrame自訂函數需要提交到MaxCompute執行。由於Python沙箱限制，第三方庫只支援所有的純粹Python庫以及NumPy，因此不能直接使用Pandas。
  - DataWorks中執行的非自訂函數代碼可以使用平台預裝的NumPy和Pandas。不支援其他帶有二進位代碼的第三方包。
- DataWorks的PyODPS節點不支援Python的atexit包，請使用try-finally結構實現相關功能。
讀取資料記錄數限制
DataWorks的PyODPS節點中，options.tunnel.use_instance_tunnel預設設定為False，即預設情況下，最多讀取一萬條資料記錄。如果需要讀取更多資料記錄，需全域開啟instance tunnel，即需要手動將options.tunnel.use_instance_tunnel設定為True。

主要流程

建立PyODPS節點。
您可以進入DataWorks的資料開發頁面建立PyODPS節點。PyODPS節點分為PyODPS 2和PyODPS 3兩種：
- PyODPS 2底層Python語言版本為Python 2。
- PyODPS 3底層Python語言版本為Python 3。
您可根據實際使用的Python語言版本建立PyODPS節點，建立PyODPS節點的詳細操作步驟請參見開發PyODPS 2任務和開發PyODPS 3任務。
開發PyODPS任務代碼。
建立完成後，您可參考下文內容進行簡單樣本的操作學習，瞭解PyODPS的主要能力維度。
更多PyODPS的使用指導請參見基本操作概述、DataFrame概述。您也可以參考範例文件：使用PyODPS節點進行結巴中文分詞，進行一個端到端的簡單操作。
進行調度配置，完成後儲存、提交、發布節點，後續即可周期性運行任務。

ODPS入口

DataWorks的PyODPS節點中，將會包含一個全域變數odps或者o，即為ODPS入口。您不需要手動定義ODPS入口。命令樣本如下。

#查看錶pyodps_iris是否存在
print(o.exist_table('pyodps_iris'))

返回True，表示表存在。

執行SQL

通用能力

在PyODPS節點中運行SQL命令：例如使用execute_sql()/run_sql()來執行SQL命令，當前主要支援運行DDL、DML類型的SQL命令。
說明
可以執行的SQL語句並非都可以通過入口對象的execute_sql()和run_sql()方法執行。在調用非DDL或非DML語句時，請使用其他方法。例如，調用GRANT或REVOKE語句時，請使用run_security_query方法；調用API命令時，請使用run_xflow或execute_xflow方法。
在PyODPS節點中讀取SQL運行結果：例如使用open_reader()來讀取SQL命令運行結果。

更多PyODPS節點的SQL相關操作詳情請參見SQL。

注意事項：資料記錄數量限制

DataWorks上預設沒有開啟instance tunnel，即instance.open_reader預設使用Result介面（存在limit限制，最多讀取一萬條資料記錄）。如果您需要迭代擷取全部資料，則需要開啟instance tunnel並關閉limit限制。

全域關閉limit限制

您可以通過下列語句在全域範圍內開啟Instance Tunnel並關閉limit限制。

options.tunnel.use_instance_tunnel = True
options.tunnel.limit_instance_tunnel = False  # 關閉limit限制，讀取全部資料。

with instance.open_reader() as reader:
# 通過Instance Tunnel可讀取全部資料。
# 您可以通過reader.count擷取記錄數。

僅本次運行關閉limit限制
您也可以通過在open_reader上添加tunnel=True，實現僅對本次open_reader開啟instance tunnel。同時，您還可以添加 limit=False，實現僅對本次關閉limit限制。
```
with instance.open_reader(tunnel=True, limit=False) as reader:
# 本次open_reader使用Instance Tunnel介面，且能讀取全部資料。
```

DataFrame

執行

在DataWorks的環境裡，DataFrame的執行需要顯式調用立即執行的方法（如execute、persist等）。範例程式碼如下。

# 調用立即執行的方法，處理每條Record，列印出表pyodps_iris中iris.sepalwidth小於3的所有資料。
from odps.df import DataFrame
iris = DataFrame(o.get_table('pyodps_iris'))
for record in iris[iris.sepalwidth < 3].execute():  
    print(record)

列印詳細資料
在DataWorks上預設開啟options.verbose選項，即預設情況下，DataWorks的PyODPS節點運行過程會列印Logview等詳細過程。您可以手動設定此選項，指定運行過程是否會列印Logview等詳細過程。

更多DataFrame的操作樣本請參見DataFrame概述。

擷取調度參數

使用DataWorks的PyODPS節點開發工作單位代碼時，您也可以使用調度參數，例如，需要通過調度參數擷取任務啟動並執行業務日期等情境。PyODPS節點與DataWorks中的SQL節點在調度參數的定義參數操作方面一致，但是在代碼中的引用方式不同。

SQL節點會在代碼中直接使用 ${param_name}這樣的字串。
為了避免影響代碼，PyODPS節點在執行代碼前，在全域變數中增加了一個名為args的dict，代碼中使用args[param_name]的方式擷取調度參數取值，而非在代碼中替換 ${param_name}。

例如，在節點基本屬性 > 參數中設定了調度參數ds=${yyyymmdd}，則可以通過以下方式在代碼中擷取該參數。

擷取參數ds的取值。

print('ds=' + args['ds'])
#返回ds的時間，如ds=20161116

擷取名為ds=${yyyymmdd}的分區的表資料。

o.get_table('table_name').get_partition('ds=' + args['ds'])
#擷取ds分區下表table_name的資料

更多調度參數詳情可參見配置並使用調度參數。

設定運行參數hints

運行任務時如果需要設定運行時參數，可以通過設定hints參數來實現，參數類型是dict。

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

您也可以對全域設定sql.setting，設定後後續每次運行時都會添加相關的運行時參數。

from odps import options
options.sql.settings = {'odps.sql.mapper.split.size': 16}
o.execute_sql('select * from pyodps_iris')  #會根據全域配置添加hints

使用三方包

DataWorks節點預裝了以下三方包，版本列表如下：

包名	Python 2節點版本	Python 3節點版本
requests	2.11.1	2.26.0
numpy	1.16.6	1.18.1
pandas	0.24.2	1.0.5
scipy	0.19.0	1.3.0
scikit_learn	0.18.1	0.22.1
pyarrow	0.16.0	2.0.0
lz4	2.1.4	3.1.10
zstandard	0.14.1	0.17.0

如果您需要使用上面列表中不存在的包，DataWorks節點提供了load_resource_package方法，支援從MaxCompute資源下載三方包。使用pyodps-pack打包後，可以直接使用load_resource_package方法載入三方包，之後就可以匯入包中的內容。關於pyodps-pack的使用方法請參見PyODPS製作第三方包和PyODPS使用第三方包。

說明

如果為Python 2節點打包，請在打包時為pyodps-pack增加--dwpy27參數。

樣本：

使用以下命令打包ipaddress。

pyodps-pack -o ipaddress-bundle.tar.gz ipaddress

上傳並提交ipaddress-bundle.tar.gz為資源後，可以在PyODPS 3節點中按照下面的方法使用ipaddress包。
```
load_resource_package("ipaddress-bundle.tar.gz")
import ipaddress
```

DataWorks限制下載的包總大小為100 MB。如果您需要跳過預裝包的打包，可以在打包時使用pyodps-pack提供的--exclude參數。例如：下面打包方法排除了DataWorks環境中存在的numpy包和pandas包。

pyodps-pack -o bundle.tar.gz --exclude numpy --exclude pandas <your_package>

使用其他帳號

某些情境下您可能希望使用其他帳號（而非平台提供的帳號）訪問MaxCompute。此時，可以使用ODPS入口對象的as_account方法建立一個使用新帳號的入口對象，該對象與系統預設提供的o執行個體彼此獨立。

重要

as_account方法從PyODPS 0.11.3版本開始支援。如果您的DataWorks未部署該版本，則無法使用as_account方法。

主要流程

為其他使用者授權專案相關許可權，詳情請參見附錄：為其他使用者授權。

在PyODPS節點中使用as_account方法切換帳號，建立新的入口對象。

import os
# 確保 ALIBABA_CLOUD_ACCESS_KEY_ID 環境變數設定為 Access Key ID，
# ALIBABA_CLOUD_ACCESS_KEY_SECRET 環境變數設定為 Access Key Secret，
# 不建議直接使用 Access Key ID / Access Key Secret 字串
new_odps = o.as_account(
    os.getenv('ALIBABA_CLOUD_ACCESS_KEY_ID'),
    os.getenv('ALIBABA_CLOUD_ACCESS_KEY_SECRET')
)

檢查帳號切換結果。
查詢目前使用者資訊：在要執行的代碼中增加以下語句，如果運行結果中列印出的使用者資訊為您所傳入的其他使用者的UID，則表示您是使用其他帳號訪問的MaxCompute。
```
print(new_odps.get_project().current_user)
```
說明
new_odps：表示上述的新帳號的入口對象。

使用樣本

建立表並匯入資料。

下載鳶尾花資料集iris.data，重新命名為iris.csv。

建立表pyodps_iris並上傳資料集iris.csv。操作方法請參見建表並上傳資料。

建表語句如下。

CREATE TABLE if not exists pyodps_iris
(
sepallength  DOUBLE comment '片長度(cm)',
sepalwidth   DOUBLE comment '片寬度(cm)',
petallength  DOUBLE comment '瓣長度(cm)',
petalwidth   DOUBLE comment '瓣寬度(cm)',
name         STRING comment '種類'
);

建立ODPS SQL節點完成授權。詳情請參見附錄：為其他使用者授權。

建立PyODPS節點完成切換使用者操作，程式碼範例如下。詳情請參見開發PyODPS 3任務。

from odps import ODPS
import os
import sys

# 確保 ALIBABA_CLOUD_ACCESS_KEY_ID 環境變數設定為使用者 Access Key ID，
# ALIBABA_CLOUD_ACCESS_KEY_SECRET 環境變數設定為使用者 Access Key Secret，
# 不建議直接使用 Access Key ID / Access Key Secret 字串
os.environ['ALIBABA_CLOUD_ACCESS_KEY_ID'] = '<accesskey id>'
os.environ['ALIBABA_CLOUD_ACCESS_KEY_SECRET'] = '<accesskey secret>'
od = o.as_account(os.getenv('ALIBABA_CLOUD_ACCESS_KEY_ID'), 
         os.getenv('ALIBABA_CLOUD_ACCESS_KEY_SECRET')
        )
iris = DataFrame(od.get_table('pyodps_iris'))
#使用條件方式輸出。
with od.execute_sql('select * from pyodps_iris WHERE sepallength > 5 ').open_reader() as reader4:
    print(reader4.raw)
    for record in reader4:
        print(record["sepallength"],record["sepalwidth"],record["petallength"],record["petalwidth"],record["name"])
#輸出目前使用者的UID
print(od.get_project().current_user)

運行並查看結果。

Executing user script with PyODPS 0.11.4.post0

"sepallength","sepalwidth","petallength","petalwidth","name"
5.4,3.9,1.7,0.4,"Iris-setosa"
5.4,3.7,1.5,0.2,"Iris-setosa"
5.8,4.0,1.2,0.2,"Iris-setosa"
5.7,4.4,1.5,0.4,"Iris-setosa"
5.4,3.9,1.3,0.4,"Iris-setosa"
5.1,3.5,1.4,0.3,"Iris-setosa"
5.7,3.8,1.7,0.3,"Iris-setosa"
5.1,3.8,1.5,0.3,"Iris-setosa"
5.4,3.4,1.7,0.2,"Iris-setosa"
5.1,3.7,1.5,0.4,"Iris-setosa"
5.1,3.3,1.7,0.5,"Iris-setosa"
5.2,3.5,1.5,0.2,"Iris-setosa"
5.2,3.4,1.4,0.2,"Iris-setosa"
5.4,3.4,1.5,0.4,"Iris-setosa"
5.2,4.1,1.5,0.1,"Iris-setosa"
5.5,4.2,1.4,0.2,"Iris-setosa"
5.5,3.5,1.3,0.2,"Iris-setosa"
5.1,3.4,1.5,0.2,"Iris-setosa"
5.1,3.8,1.9,0.4,"Iris-setosa"
5.1,3.8,1.6,0.2,"Iris-setosa"
5.3,3.7,1.5,0.2,"Iris-setosa"
7.0,3.2,4.7,1.4,"Iris-versicolor"
6.4,3.2,4.5,1.5,"Iris-versicolor"
6.9,3.1,4.9,1.5,"Iris-versicolor"
5.5,2.3,4.0,1.3,"Iris-versicolor"
6.5,2.8,4.6,1.5,"Iris-versicolor"
5.7,2.8,4.5,1.3,"Iris-versicolor"
6.3,3.3,4.7,1.6,"Iris-versicolor"
6.6,2.9,4.6,1.3,"Iris-versicolor"
5.2,2.7,3.9,1.4,"Iris-versicolor"
5.9,3.0,4.2,1.5,"Iris-versicolor"
6.0,2.2,4.0,1.0,"Iris-versicolor"
6.1,2.9,4.7,1.4,"Iris-versicolor"
5.6,2.9,3.6,1.3,"Iris-versicolor"
6.7,3.1,4.4,1.4,"Iris-versicolor"
5.6,3.0,4.5,1.5,"Iris-versicolor"
5.8,2.7,4.1,1.0,"Iris-versicolor"
6.2,2.2,4.5,1.5,"Iris-versicolor"
5.6,2.5,3.9,1.1,"Iris-versicolor"
5.9,3.2,4.8,1.8,"Iris-versicolor"
6.1,2.8,4.0,1.3,"Iris-versicolor"
6.3,2.5,4.9,1.5,"Iris-versicolor"
6.1,2.8,4.7,1.2,"Iris-versicolor"
6.4,2.9,4.3,1.3,"Iris-versicolor"
6.6,3.0,4.4,1.4,"Iris-versicolor"
6.8,2.8,4.8,1.4,"Iris-versicolor"
6.7,3.0,5.0,1.7,"Iris-versicolor"
6.0,2.9,4.5,1.5,"Iris-versicolor"
5.7,2.6,3.5,1.0,"Iris-versicolor"
5.5,2.4,3.8,1.1,"Iris-versicolor"
5.5,2.4,3.7,1.0,"Iris-versicolor"
5.8,2.7,3.9,1.2,"Iris-versicolor"
6.0,2.7,5.1,1.6,"Iris-versicolor"
5.4,3.0,4.5,1.5,"Iris-versicolor"
6.0,3.4,4.5,1.6,"Iris-versicolor"
6.7,3.1,4.7,1.5,"Iris-versicolor"
6.3,2.3,4.4,1.3,"Iris-versicolor"
5.6,3.0,4.1,1.3,"Iris-versicolor"
5.5,2.5,4.0,1.3,"Iris-versicolor"
5.5,2.6,4.4,1.2,"Iris-versicolor"
6.1,3.0,4.6,1.4,"Iris-versicolor"
5.8,2.6,4.0,1.2,"Iris-versicolor"
5.6,2.7,4.2,1.3,"Iris-versicolor"
5.7,3.0,4.2,1.2,"Iris-versicolor"
5.7,2.9,4.2,1.3,"Iris-versicolor"
6.2,2.9,4.3,1.3,"Iris-versicolor"
5.1,2.5,3.0,1.1,"Iris-versicolor"
5.7,2.8,4.1,1.3,"Iris-versicolor"
6.3,3.3,6.0,2.5,"Iris-virginica"
5.8,2.7,5.1,1.9,"Iris-virginica"
7.1,3.0,5.9,2.1,"Iris-virginica"
6.3,2.9,5.6,1.8,"Iris-virginica"
6.5,3.0,5.8,2.2,"Iris-virginica"
7.6,3.0,6.6,2.1,"Iris-virginica"
7.3,2.9,6.3,1.8,"Iris-virginica"
6.7,2.5,5.8,1.8,"Iris-virginica"
7.2,3.6,6.1,2.5,"Iris-virginica"
6.5,3.2,5.1,2.0,"Iris-virginica"
6.4,2.7,5.3,1.9,"Iris-virginica"
6.8,3.0,5.5,2.1,"Iris-virginica"
5.7,2.5,5.0,2.0,"Iris-virginica"
5.8,2.8,5.1,2.4,"Iris-virginica"
6.4,3.2,5.3,2.3,"Iris-virginica"
6.5,3.0,5.5,1.8,"Iris-virginica"
7.7,3.8,6.7,2.2,"Iris-virginica"
7.7,2.6,6.9,2.3,"Iris-virginica"
6.0,2.2,5.0,1.5,"Iris-virginica"
6.9,3.2,5.7,2.3,"Iris-virginica"
5.6,2.8,4.9,2.0,"Iris-virginica"
7.7,2.8,6.7,2.0,"Iris-virginica"
6.3,2.7,4.9,1.8,"Iris-virginica"
6.7,3.3,5.7,2.1,"Iris-virginica"
7.2,3.2,6.0,1.8,"Iris-virginica"
6.2,2.8,4.8,1.8,"Iris-virginica"
6.1,3.0,4.9,1.8,"Iris-virginica"
6.4,2.8,5.6,2.1,"Iris-virginica"
7.2,3.0,5.8,1.6,"Iris-virginica"
7.4,2.8,6.1,1.9,"Iris-virginica"
7.9,3.8,6.4,2.0,"Iris-virginica"
6.4,2.8,5.6,2.2,"Iris-virginica"
6.3,2.8,5.1,1.5,"Iris-virginica"
6.1,2.6,5.6,1.4,"Iris-virginica"
7.7,3.0,6.1,2.3,"Iris-virginica"
6.3,3.4,5.6,2.4,"Iris-virginica"
6.4,3.1,5.5,1.8,"Iris-virginica"
6.0,3.0,4.8,1.8,"Iris-virginica"
6.9,3.1,5.4,2.1,"Iris-virginica"
6.7,3.1,5.6,2.4,"Iris-virginica"
6.9,3.1,5.1,2.3,"Iris-virginica"
5.8,2.7,5.1,1.9,"Iris-virginica"
6.8,3.2,5.9,2.3,"Iris-virginica"
6.7,3.3,5.7,2.5,"Iris-virginica"
6.7,3.0,5.2,2.3,"Iris-virginica"
6.3,2.5,5.0,1.9,"Iris-virginica"
6.5,3.0,5.2,2.0,"Iris-virginica"
6.2,3.4,5.4,2.3,"Iris-virginica"
5.9,3.0,5.1,1.8,"Iris-virginica"
5.4 3.9 1.7 0.4 Iris-setosa
5.4 3.7 1.5 0.2 Iris-setosa
5.8 4.0 1.2 0.2 Iris-setosa
5.7 4.4 1.5 0.4 Iris-setosa
5.4 3.9 1.3 0.4 Iris-setosa
5.1 3.5 1.4 0.3 Iris-setosa
5.7 3.8 1.7 0.3 Iris-setosa
5.1 3.8 1.5 0.3 Iris-setosa
5.4 3.4 1.7 0.2 Iris-setosa
5.1 3.7 1.5 0.4 Iris-setosa
5.1 3.3 1.7 0.5 Iris-setosa
5.2 3.5 1.5 0.2 Iris-setosa
5.2 3.4 1.4 0.2 Iris-setosa
5.4 3.4 1.5 0.4 Iris-setosa
5.2 4.1 1.5 0.1 Iris-setosa
5.5 4.2 1.4 0.2 Iris-setosa
5.5 3.5 1.3 0.2 Iris-setosa
5.1 3.4 1.5 0.2 Iris-setosa
5.1 3.8 1.9 0.4 Iris-setosa
5.1 3.8 1.6 0.2 Iris-setosa
5.3 3.7 1.5 0.2 Iris-setosa
7.0 3.2 4.7 1.4 Iris-versicolor
6.4 3.2 4.5 1.5 Iris-versicolor
6.9 3.1 4.9 1.5 Iris-versicolor
5.5 2.3 4.0 1.3 Iris-versicolor
6.5 2.8 4.6 1.5 Iris-versicolor
5.7 2.8 4.5 1.3 Iris-versicolor
6.3 3.3 4.7 1.6 Iris-versicolor
6.6 2.9 4.6 1.3 Iris-versicolor
5.2 2.7 3.9 1.4 Iris-versicolor
5.9 3.0 4.2 1.5 Iris-versicolor
6.0 2.2 4.0 1.0 Iris-versicolor
6.1 2.9 4.7 1.4 Iris-versicolor
5.6 2.9 3.6 1.3 Iris-versicolor
6.7 3.1 4.4 1.4 Iris-versicolor
5.6 3.0 4.5 1.5 Iris-versicolor
5.8 2.7 4.1 1.0 Iris-versicolor
6.2 2.2 4.5 1.5 Iris-versicolor
5.6 2.5 3.9 1.1 Iris-versicolor
5.9 3.2 4.8 1.8 Iris-versicolor
6.1 2.8 4.0 1.3 Iris-versicolor
6.3 2.5 4.9 1.5 Iris-versicolor
6.1 2.8 4.7 1.2 Iris-versicolor
6.4 2.9 4.3 1.3 Iris-versicolor
6.6 3.0 4.4 1.4 Iris-versicolor
6.8 2.8 4.8 1.4 Iris-versicolor
6.7 3.0 5.0 1.7 Iris-versicolor
6.0 2.9 4.5 1.5 Iris-versicolor
5.7 2.6 3.5 1.0 Iris-versicolor
5.5 2.4 3.8 1.1 Iris-versicolor
5.5 2.4 3.7 1.0 Iris-versicolor
5.8 2.7 3.9 1.2 Iris-versicolor
6.0 2.7 5.1 1.6 Iris-versicolor
5.4 3.0 4.5 1.5 Iris-versicolor
6.0 3.4 4.5 1.6 Iris-versicolor
6.7 3.1 4.7 1.5 Iris-versicolor
6.3 2.3 4.4 1.3 Iris-versicolor
5.6 3.0 4.1 1.3 Iris-versicolor
5.5 2.5 4.0 1.3 Iris-versicolor
5.5 2.6 4.4 1.2 Iris-versicolor
6.1 3.0 4.6 1.4 Iris-versicolor
5.8 2.6 4.0 1.2 Iris-versicolor
5.6 2.7 4.2 1.3 Iris-versicolor
5.7 3.0 4.2 1.2 Iris-versicolor
5.7 2.9 4.2 1.3 Iris-versicolor
6.2 2.9 4.3 1.3 Iris-versicolor
5.1 2.5 3.0 1.1 Iris-versicolor
5.7 2.8 4.1 1.3 Iris-versicolor
6.3 3.3 6.0 2.5 Iris-virginica
5.8 2.7 5.1 1.9 Iris-virginica
7.1 3.0 5.9 2.1 Iris-virginica
6.3 2.9 5.6 1.8 Iris-virginica
6.5 3.0 5.8 2.2 Iris-virginica
7.6 3.0 6.6 2.1 Iris-virginica
7.3 2.9 6.3 1.8 Iris-virginica
6.7 2.5 5.8 1.8 Iris-virginica
7.2 3.6 6.1 2.5 Iris-virginica
6.5 3.2 5.1 2.0 Iris-virginica
6.4 2.7 5.3 1.9 Iris-virginica
6.8 3.0 5.5 2.1 Iris-virginica
5.7 2.5 5.0 2.0 Iris-virginica
5.8 2.8 5.1 2.4 Iris-virginica
6.4 3.2 5.3 2.3 Iris-virginica
6.5 3.0 5.5 1.8 Iris-virginica
7.7 3.8 6.7 2.2 Iris-virginica
7.7 2.6 6.9 2.3 Iris-virginica
6.0 2.2 5.0 1.5 Iris-virginica
6.9 3.2 5.7 2.3 Iris-virginica
5.6 2.8 4.9 2.0 Iris-virginica
7.7 2.8 6.7 2.0 Iris-virginica
6.3 2.7 4.9 1.8 Iris-virginica
6.7 3.3 5.7 2.1 Iris-virginica
7.2 3.2 6.0 1.8 Iris-virginica
6.2 2.8 4.8 1.8 Iris-virginica
6.1 3.0 4.9 1.8 Iris-virginica
6.4 2.8 5.6 2.1 Iris-virginica
7.2 3.0 5.8 1.6 Iris-virginica
7.4 2.8 6.1 1.9 Iris-virginica
7.9 3.8 6.4 2.0 Iris-virginica
6.4 2.8 5.6 2.2 Iris-virginica
6.3 2.8 5.1 1.5 Iris-virginica
6.1 2.6 5.6 1.4 Iris-virginica
7.7 3.0 6.1 2.3 Iris-virginica
6.3 3.4 5.6 2.4 Iris-virginica
6.4 3.1 5.5 1.8 Iris-virginica
6.0 3.0 4.8 1.8 Iris-virginica
6.9 3.1 5.4 2.1 Iris-virginica
6.7 3.1 5.6 2.4 Iris-virginica
6.9 3.1 5.1 2.3 Iris-virginica
5.8 2.7 5.1 1.9 Iris-virginica
6.8 3.2 5.9 2.3 Iris-virginica
6.7 3.3 5.7 2.5 Iris-virginica
6.7 3.0 5.2 2.3 Iris-virginica
6.3 2.5 5.0 1.9 Iris-virginica
6.5 3.0 5.2 2.0 Iris-virginica
6.2 3.4 5.4 2.3 Iris-virginica
5.9 3.0 5.1 1.8 Iris-virginica
<User 139xxxxxxxxxxxxx>

問題診斷

如果您的代碼在執行過程中無響應且沒有任何輸出，您可以在代碼頭部增加以下注釋，DataWorks每隔30秒將輸出所有線程的堆棧：

# -*- dump_traceback: true -*-

說明

該方法適用於0.11.4.1版本以上的PyODPS 3節點。

查看PyODPS的版本

您可以直接使用Python代碼查詢當前的PyODPS版本，也可以在任意一個PyODPS任務的作業記錄中查看。

在PyODPS節點中使用代碼查詢PyODPS版本。

# 輸入如下代碼
import odps; print(odps.__version__)

# 返回結果樣本
0.11.2.3

在PyODPS任務作業記錄中查看PyODPS版本，樣本如下。

附錄：為其他使用者授權

在使用DataWorks時，如果您想要其他指定使用者（非子使用者）訪問本帳號下的專案、表等，需要在DataWorks中建立ODPS SQL節點並運行以下授權命令，操作詳情請參見建立ODPS SQL節點，其他許可權詳情請參見使用者與許可權。

--添加其他阿里雲帳號使用者（專案層級）
add user ALIYUN$<account_name>;

--授予專案的CreateInstance許可權
grant CreateInstance on project <project_name> to USER ALIYUN$<account_name>;

--授予表的desc、select許可權
grant Describe, Select on table <table_name> to USER ALIYUN$<account_name>;

--查看授權結果
show grants for ALIYUN$<account_name>;

授權結果樣本：

附錄：樣本資料

您可參考PyODPS條件查詢文檔中的步驟1：建立表並匯入資料在DataWorks中建好表pyodps_iris並寫入資料，文檔中的操作樣本即以此表作為樣本資料，為您示範基本操作。

：通過DataWorks使用PyODPS

使用限制

主要流程

ODPS入口

執行SQL

通用能力

注意事項：資料記錄數量限制

DataFrame

擷取調度參數

設定運行參數hints

使用三方包

使用其他帳號

主要流程

使用樣本

問題診斷

查看PyODPS的版本

附錄：為其他使用者授權

附錄：樣本資料

相關文檔