Megosztás a következőn keresztül:

Tesztek futtatása pytesttel a Visual Studio Code Databricks-bővítményével

  • Cikk

Ez a cikk bemutatja, hogyan futtathat teszteket pytest a Visual Studio Code Databricks-bővítményével. Lásd : Mi a Visual Studio Code Databricks-bővítménye?.

Olyan helyi kódon futtathat pytestet , amely nem igényel kapcsolatot egy távoli Azure Databricks-munkaterület fürtjéhez. Használhatja például pytest a PySpark DataFrame-eket a helyi memóriában elfogadó és visszaküldött függvények tesztelésére. Az első lépésekről pytest és a helyi futtatásról a dokumentáció első lépéseit.

Ha egy távoli Azure Databricks-munkaterületen szeretne kódot futtatni pytest , tegye a következőket a Visual Studio Code-projektben:

1. lépés: A tesztek létrehozása

Adjon hozzá egy Python-fájlt a következő kóddal, amely tartalmazza a futtatandó teszteket. Ez a példa feltételezi, hogy ez a fájl neve el van nevezve spark_test.py , és a Visual Studio Code-projekt gyökerében található. Ez a fájl tartalmaz egy pytestfixture-t, amely elérhetővé teszi a fürt SparkSession (a fürt Spark-funkcióinak belépési pontja) a tesztek számára. Ez a fájl egyetlen tesztet tartalmaz, amely ellenőrzi, hogy a tábla megadott cellása tartalmazza-e a megadott értéket. Igény szerint saját teszteket is hozzáadhat ehhez a fájlhoz.

from pyspark.sql import SparkSession
import pytest

@pytest.fixture
def spark() -> SparkSession:
  # Create a SparkSession (the entry point to Spark functionality) on
  # the cluster in the remote Databricks workspace. Unit tests do not
  # have access to this SparkSession by default.
  return SparkSession.builder.getOrCreate()

# Now add your unit tests.

# For example, here is a unit test that must be run on the
# cluster in the remote Databricks workspace.
# This example determines whether the specified cell in the
# specified table contains the specified value. For example,
# the third column in the first row should contain the word "Ideal":
#
# +----+-------+-------+-------+---------+-------+-------+-------+------+-------+------+
# |_c0 | carat | cut   | color | clarity | depth | table | price | x    | y     | z    |
# +----+-------+-------+-------+---------+-------+-------+-------+------+-------+------+
# | 1  | 0.23  | Ideal | E     | SI2     | 61.5  | 55    | 326   | 3.95 | 3. 98 | 2.43 |
# +----+-------+-------+-------+---------+-------+-------+-------+------+-------+------+
# ...
#
def test_spark(spark):
  spark.sql('USE default')
  data = spark.sql('SELECT * FROM diamonds')
  assert data.collect()[0][2] == 'Ideal'

2. lépés: A pytest-futó létrehozása

Adjon hozzá egy Python-fájlt az alábbi kóddal, amely arra utasítja pytest , hogy futtassa a teszteket az előző lépésben. Ez a példa feltételezi, hogy a fájl neve el van nevezve pytest_databricks.py , és a Visual Studio Code-projekt gyökerében található.

import pytest
import os
import sys

# Run all tests in the connected directory in the remote Databricks workspace.
# By default, pytest searches through all files with filenames ending with
# "_test.py" for tests. Within each of these files, pytest runs each function
# with a function name beginning with "test_".

# Get the path to the directory for this file in the workspace.
dir_root = os.path.dirname(os.path.realpath(__file__))
# Switch to the root directory.
os.chdir(dir_root)

# Skip writing .pyc files to the bytecode cache on the cluster.
sys.dont_write_bytecode = True

# Now run pytest from the root directory, using the
# arguments that are supplied by your custom run configuration in
# your Visual Studio Code project. In this case, the custom run
# configuration JSON must contain these unique "program" and
# "args" objects:
#
# ...
# {
#   ...
#   "program": "${workspaceFolder}/path/to/this/file/in/workspace",
#   "args": ["/path/to/_test.py-files"]
# }
# ...
#
retcode = pytest.main(sys.argv[1:])

3. lépés: Egyéni futtatási konfiguráció létrehozása

A tesztek futtatására való utasításhoz pytest létre kell hoznia egy egyéni futtatási konfigurációt. A meglévő Databricks-fürtalapú futtatási konfigurációval saját egyéni futtatási konfigurációt hozhat létre az alábbiak szerint:

  1. A főmenüben kattintson > hozzáadása parancsra.

  2. A parancskatalógusban válassza a Databricks lehetőséget.

    A Visual Studio Code hozzáad egy .vscode/launch.json fájlt a projekthez, ha ez a fájl még nem létezik.

  3. Módosítsa az indítási futtatási konfigurációt az alábbiak szerint, majd mentse a fájlt:

    • Ebben a példában Run on Databricksmódosítsa a futtatási konfiguráció nevét Unit Tests (on Databricks) a konfiguráció egyedi megjelenítendő nevére.
    • Váltson program a tesztfuttatót tartalmazó projekt elérési útjára ebben a példában${file}.${workspaceFolder}/pytest_databricks.py
    • args Ebben a példában []váltson ["."] a teszteket tartalmazó fájlokat tartalmazó projekt elérési útjára.

    A launch.json fájlnak így kell kinéznie:

    {
  // Use IntelliSense to learn about possible attributes.
  // Hover to view descriptions of existing attributes.
  // For more information, visit: https://go.microsoft.com/fwlink/?linkid=830387
  "version": "0.2.0",
  "configurations": [
    {
      "type": "databricks",
      "request": "launch",
      "name": "Unit Tests (on Databricks)",
      "program": "${workspaceFolder}/pytest_databricks.py",
      "args": ["."],
      "env": {}
    }
  ]
}

4. lépés: A tesztek futtatása

Először győződjön meg arról, hogy pytest már telepítve van a fürtre. Ha például meg van nyitva a fürt beállítások lapja az Azure Databricks-munkaterületen, tegye a következőket:

  1. A Kódtárak lapon, ha a pytest látható, akkor pytest már telepítve van. Ha a pytest nem látható, kattintson az Új telepítése gombra.
  2. Erőforrástár-forrás esetén kattintson a PyPI gombra.
  3. A Csomag mezőbe írja be a következőtpytest:
  4. Kattintson az Install (Telepítés) gombra.
  5. Várjon, amíg az állapot függőben lévőrőltelepítésre változik.

A tesztek futtatásához tegye a következőket a Visual Studio Code-projektből:

  1. A főmenüben kattintson a Futtatás>.
  2. A Futtatás és hibakeresés listában kattintson a Unit Tests (on Databricks) elemre, ha még nincs kijelölve.
  3. Kattintson a zöld nyílra (Hibakeresés indítása) ikonra.

Az pytest eredmények a hibakeresési konzolon jelennek meg (> megtekintése a főmenüben). Ezek az eredmények például azt mutatják, hogy legalább egy teszt található a spark_test.py fájlban, és a pont (.) azt jelenti, hogy egyetlen teszt található és lett átadva. (A sikertelen teszt egy F.)

<date>, <time> - Creating execution context on cluster <cluster-id> ...
<date>, <time> - Synchronizing code to /Workspace/path/to/directory ...
<date>, <time> - Running /pytest_databricks.py ...
============================= test session starts ==============================
platform linux -- Python <version>, pytest-<version>, pluggy-<version>
rootdir: /Workspace/path/to/directory
collected 1 item

spark_test.py .                                                          [100%]

============================== 1 passed in 3.25s ===============================
<date>, <time> - Done (took 10818ms)