DataWorks提供PyODPS 2节点类型，您可以在DataWorks上通过PyODPS语法进行PyODPS任务开发，PyODPS集成了MaxCompute的Python SDK。支持您在DataWorks的PyODPS 2节点上直接编辑Python代码，操作MaxCompute。

背景信息

  • DataWorks支持可视化创建Python资源，如果您需要在PyODPS节点中调用第三方包，请使用独享调度资源组并通过运维助手进行安装。
  • DataWorks运维助手中安装的Python第三方包，仅支持在DataWorks独享调度资源组本地运行PyODPS任务代码时引用，如果需要在MaxCompute的Python UDF中引用Python第三方包，详情请参见Python UDF使用第三方包。
  • 如果您的PyODPS任务需要访问特殊的网络环境（如VPC网络或IDC网络中的数据源或服务等），请使用独享调度资源组，并参考网络连通解决方案打通独享资源组与目标环境的网络连通。
  • PyODPS语法及更多信息请参见PyODPS文档。
  • PyODPS节点分为PyODPS 2和PyODPS 3两种，二者的区别在于底层Python语言版本不同。PyODPS 2底层Python语言版本为Python 2，PyODPS 3底层Python语言版本为Python 3，请您根据实际使用的Python语言版本创建PyODPS节点。

使用限制

  • DataWorks建议您在PyODPS节点内获取到本地处理的数据不超过50 MB，该操作受限于DataWorks执行资源的不同规格（包括公共调度资源组和独享调度资源组），处理的本地数据过多并超出操作系统阈值时可能发生OOM（Got killed）错误。请避免在PyODPS节点中写入过多的数据处理代码。详情请参见高效使用PyODPS最佳实践。
  • 如果您发现有Got killed报错，即表明内存使用超限，进程被中止。因此，请尽量避免本地的数据操作。通过PyODPS发起的SQL和DataFrame任务（除to_pandas外）不受此限制。
  • 非自定义函数代码可以使用平台预装的Numpy和Pandas。不支持其他带有二进制代码的三方包。
  • 由于兼容性原因，在DataWorks中，options.tunnel.use_instance_tunnel默认设置为False。如果需要全局开启instance tunnel，需要手动将该值设置为True。
  • PyODPS 2节点底层的Python版本为2.7。
更多PyODPS节点使用与限制说明，请参见使用限制。

使用流程

流程中关于PyODPS 2的使用示例请参见创建PyODPS 3节点。
操作说明
新建PyODPS 2节点DataWorks提供PyODPS 2节点类型，集成了MaxCompute的Python SDK。您可以创建PyODPS节点直接编辑Python代码。
ODPS入口DataWorks的PyODPS 2节点中，将会包含一个全局的变量odps或o，即ODPS入口，您无需手动定义ODPS入口。
执行SQLPyODPS 2支持ODPS SQL的查询，您可以在PyODPS节点中执行SQL。
设置运行参数您可以通过设置hints参数，来设置运行时的参数。参数类型是dict。
读取运行结果您可以读取SQL执行结果。
DataFrame您还可以通过DataFrame的方式处理数据。
配置调度属性若节点需要周期性调度，您需要定义节点调度时的相关属性。
提交节点您可以提交节点，标准模式工作空间提交任务后，任务仅在开发环境生效，开发环境中的任务不进行自动调度，您需要通过任务发布流程，将任务发布至生产环境后，任务才会周期调度运行。

新建PyODPS 2节点

  1. 进入数据开发页面。
    1. 登录DataWorks控制台。
    2. 在左侧导航栏，单击工作空间列表。
    3. 选择工作空间所在地域后，单击相应工作空间后的数据开发。
  2. 鼠标悬停至新建图标，单击新建节点 > MaxCompute > PyODPS 2。
    您也可以展开业务流程目录下的目标业务流程，右键单击MaxCompute，选择新建节点 > PyODPS 2。

    如果您需要创建业务流程，请参见创建周期业务流程。

  3. 在新建节点对话框中，输入节点名称，并选择路径。
  4. 单击确认。

配置调度属性

单击节点编辑区域右侧的调度配置，在参数区域配置自定义参数，PyODPS节点与SQL节点定义变量的方式不同，详情请参见调度参数配置。

与DataWorks中的SQL节点不同，为了避免影响代码，PyODPS节点不会在代码中替换 ${param_name}这样的字符串，而是在执行代码前，在全局变量中增加一个名为args的dict，调度参数可以在此获取。例如，在参数中设置ds=${yyyymmdd}，则可以通过以下方式在代码中获取该参数。

print('ds=' + args['ds'])
ds=20161116
说明 如果您需要获取名为ds=${yyyymmdd}的分区，则可以使用如下方法。
o.get_table('table_name').get_partition('ds=' + args['ds'])

提交节点

重要 提交节点前，您需要设置重跑属性和依赖的上游节点。
  1. 单击工具栏中的提交图标。
  2. 在提交新版本对话框中，输入备注。
  3. 单击确认。
如果您使用的是标准模式的工作空间，提交节点后，请单击右上角的发布。详情请参见发布任务。

任务运维，详情请参见：周期任务基本运维操作

如何判断Python自定义脚本任务的成功完成

判断逻辑和shell节点一致，详情请参见： 如何判断Shell自定义脚本任务的成功完成。

常见问题

PyODPS常见问题。