Używanie dbx z programem Visual Studio Code

W tym artykule opisano przykładowy kod oparty na języku Python, z którym można pracować w dowolnym środowisku IDE zgodnym z językiem Python. W szczególności w tym artykule opisano sposób pracy z tym przykładem kodu w programie Visual Studio Code, który zapewnia następujące funkcje produktywności deweloperów:

• Uzupełnianie kodu
• Analiza kodu
• Testowanie
• Debugowanie obiektów kodu, które nie wymagają połączenia w czasie rzeczywistym z zdalnymi zasobami usługi Azure Databricks.

W tym artykule użyto dbx by Databricks Labs wraz z programem Visual Studio Code w celu przesłania przykładu kodu do zdalnego obszaru roboczego usługi Azure Databricks. dbx instruuje usługę Azure Databricks, aby orchestration przy użyciu zadań usługi Databricks uruchamiać przesłany kod w klastrze zadań usługi Azure Databricks w tym obszarze roboczym.

Możesz użyć popularnych dostawców Git innych firm do kontroli wersji oraz ciągłej integracji, ciągłego dostarczania lub ciągłego wdrażania (CI/CD) swojego kodu. W przypadku kontroli wersji dostawcy usługi Git obejmują następujące elementy:

• GitHub
• Bitbucket
• GitLab
• Azure DevOps (niedostępna w regionach Azure — Chiny)
• AWS CodeCommit
• GitHub AE

W przypadku CI/CD dbx obsługuje następujące platformy CI/CD:

• GitHub Actions
• Azure Pipelines
• GitLab CI/CD

Aby zademonstrować sposób działania kontroli wersji oraz CI/CD, w tym artykule opisano, jak używać programu Visual Studio Code, dbx, oraz tego przykładu kodu, wraz z usługami GitHub i GitHub Actions.

Przykładowe wymagania dotyczące kodu

Aby użyć tego przykładu kodu, musisz mieć następujące elementy:

• Obszar roboczy usługi Azure Databricks na koncie usługi Azure Databricks.
• Konto usługi GitHub. Utwórz konto usługi GitHub, jeśli jeszcze go nie masz.

Ponadto na swojej lokalnej maszynie deweloperskiej musisz mieć następujące elementy:

• Python wersja 3.8 lub nowsza.

  Należy użyć wersji języka Python zgodnej z wersją zainstalowaną w klastrach docelowych. Aby uzyskać wersję języka Python zainstalowaną w istniejącym klastrze, możesz użyć internetowego terminalu klastra , aby uruchomić polecenie python --version. Zobacz także sekcję „Środowisko systemowe” w uwagach o wersjach i zgodności Databricks Runtime dotyczących wersji Databricks Runtime dla twoich klastrów docelowych. W każdym razie wersja języka Python musi być w wersji 3.8 lub nowszej.

  Aby uzyskać wersję Pythona, na którą obecnie powołuje się system na komputerze lokalnym, uruchom python --version w terminalu lokalnym. (W zależności od sposobu konfigurowania języka Python na komputerze lokalnym może być konieczne uruchomienie python3 zamiast python w tym artykule). Zobacz również Select a Python interpreter.

• pip. pip program jest instalowany automatycznie z nowszymi wersjami języka Python. Aby sprawdzić, czy pip jest już zainstalowany, uruchom polecenie pip --version z poziomu lokalnego terminalu. (W zależności od sposobu konfigurowania języka Python lub pip na komputerze lokalnym może być konieczne uruchomienie pip3 zamiast pip w tym artykule).

• dbx w wersji 0.8.0 lub nowszej. Pakiet można zainstalować dbx z poziomu indeksu pakietów języka Python (PyPI), uruchamiając polecenie pip install dbx.

  Uwaga

  Nie trzeba teraz instalować dbx . Możesz zainstalować go później w sekcji przykładowej konfiguracji kodu.

• Metoda tworzenia środowisk wirtualnych języka Python w celu upewnienia się, że używasz poprawnych wersji języka Python i zależności pakietów w dbx projektach. W tym artykule omówiono pipenv.

• Interfejs wiersza polecenia usługi Databricks w wersji 0.18 lub poniżej, skonfigurowany z użyciem uwierzytelniania.

  Uwaga

  Nie musisz teraz instalować starszego interfejsu wiersza polecenia usługi Databricks (interfejs wiersza polecenia usługi Databricks w wersji 0.17). Możesz zainstalować go później w sekcji przykładowej konfiguracji kodu. Jeśli chcesz zainstalować go później, pamiętaj, aby wtedy skonfigurować uwierzytelnianie.

• Visual Studio Code

• Rozszerzenie języka Python dla programu Visual Studio Code.

• Rozszerzenie GitHub Pull Requests and Issues dla programu Visual Studio Code.

• Git.

Informacje o przykładzie kodu

Przykładowy kod języka Python dla tego artykułu dostępny w repozytorium databricks/ide-best-practices w usłudze GitHub wykonuje następujące czynności:

1. Pobiera dane z repozytorium danych owid/covid-19-data w usłudze GitHub.
2. Filtruje dane dla określonego kodu kraju ISO.
3. Tworzy tabelę przestawną na podstawie danych.
4. Wykonuje czyszczenie danych.
5. Modułyzuje logikę kodu w funkcje wielokrotnego użytku.
6. Jednostka testuje funkcje.
7. Udostępnia dbx konfiguracje i ustawienia projektu w celu umożliwienia kodowi zapisywania danych w tabeli Delta w zdalnym obszarze roboczym usługi Azure Databricks.

Konfigurowanie przykładu kodu

Po wprowadzeniu wymagań dotyczących tego przykładu kodu wykonaj następujące kroki, aby rozpocząć korzystanie z przykładu kodu.

Krok 1. Tworzenie środowiska wirtualnego języka Python

1. W terminalu utwórz pusty folder zawierający środowisko wirtualne dla tego przykładu kodu. Te instrukcje używają folderu nadrzędnego o nazwie ide-demo. Możesz nadać temu folderowi dowolną nazwę. Jeśli używasz innej nazwy, zastąp nazwę w tym artykule. Po utworzeniu folderu przejdź do niego, a następnie uruchom program Visual Studio Code z tego folderu. Pamiętaj o dołączeniu kropki (.) po poleceniu code .

   W przypadku systemów Linux i macOS:

   mkdir ide-demo
   cd ide-demo
   code .
   

   Napiwek

   Jeśli wystąpi błąd command not found: code, zobacz Uruchamianie z wiersza polecenia w witrynie internetowej firmy Microsoft.

   Dla systemu Windows:

   md ide-demo
   cd ide-demo
   code .
   

2. Na pasku menu programu Visual Studio Code kliknij pozycję Wyświetl > terminal.

3. Z katalogu głównego folderu ide-demo uruchom polecenie pipenv z podaną opcją; <version> to docelowa wersja Pythona, którą masz już zainstalowaną lokalnie (najlepiej zgodna z wersją używaną w docelowych klastrach), na przykład 3.8.14.

   pipenv --python <version>
   

   Zanotuj wartość Virtualenv location w wyniku działania polecenia pipenv, ponieważ będzie ona potrzebna w następnym kroku.

4. Wybierz docelowy interpreter języka Python, a następnie aktywuj środowisko wirtualne języka Python:

   1. Na pasku menu kliknij pozycję View > Command Palette, wpisz Python: Select, a następnie kliknij Python: Wybierz Interpreter.

   2. Wybierz interpreter języka Python w ścieżce do właśnie utworzonego środowiska wirtualnego języka Python. (Ta ścieżka jest wyświetlana jako Virtualenv location wartość w danych wyjściowych polecenia pipenv).

   3. Na pasku menu kliknij pozycję Widok< c0 /> Paleta Poleceń, wpisz , a następnie kliknij pozycję Terminal: Utwórz Nowy Terminal.

   4. Upewnij się, że wiersz polecenia wskazuje, że znajdujesz się w powłoce pipenv. Aby potwierdzić, przed wierszem polecenia powinno być coś w rodzaju (<your-username>). Jeśli go nie widzisz, uruchom następujące polecenie:

      pipenv shell
      

      Aby zamknąć powłokę pipenv , uruchom polecenie exit, a nawiasy znikną.

   Aby uzyskać więcej informacji, zobacz Using Python environments in VS Code (Używanie środowisk języka Python w programie VS Code ) w dokumentacji programu Visual Studio Code.

Krok 2. Sklonowanie przykładu kodu z usługi GitHub

1. W programie Visual Studio Code otwórz katalog ide-demo (Plik > Open Folder), jeśli nie jest jeszcze otwarty.
2. Kliknij Widok > Paleta Poleceń, wpisz Git: Clone, a następnie kliknij Git: Klonuj.
3. W polu Podaj adres URL repozytorium lub wybierz źródło repozytorium wprowadź https://github.com/databricks/ide-best-practices
4. Przejdź do folderu ide-demo, a następnie kliknij pozycję Wybierz lokalizację repozytorium.

Krok 3. Instalowanie zależności przykładu kodu

1. Zainstaluj wersję dbx oraz wersję 0.18 lub starszą interfejsu wiersza polecenia usługi Databricks, która jest zgodna z wersją języka Python. W tym celu w Visual Studio Code, w terminalu z folderu ide-demo i aktywowaną powłoką pipenv (pipenv shell), uruchom następujące polecenie:

   pip install dbx
   

2. Upewnij się, że dbx jest zainstalowana. Aby to zrobić, uruchom następujące polecenie:

   dbx --version
   

   Jeśli zostanie zwrócony numer wersji, dbx zostanie zainstalowany.

   Jeśli numer wersji jest niższy niż 0.8.0, uaktualnij dbx , uruchamiając następujące polecenie, a następnie ponownie sprawdź numer wersji:

   pip install dbx --upgrade
   dbx --version
   
   # Or ...
   python -m pip install dbx --upgrade
   dbx --version
   

3. Podczas instalacji dbx starszy interfejs wiersza polecenia usługi Databricks (wersja 0.17) jest również automatycznie instalowany. Aby upewnić się, że jest zainstalowany starszy interfejs wiersza polecenia usługi Databricks (interfejs wiersza polecenia usługi Databricks w wersji 0.17), uruchom następujące polecenie:

   databricks --version
   

   Jeśli zostanie zwrócony interfejs wiersza polecenia usługi Databricks w wersji 0.17, zostanie zainstalowany starszy interfejs wiersza polecenia usługi Databricks.

4. Jeśli nie ustawiłeś starszego interfejsu wiersza polecenia Databricks (wersja 0.17) z użyciem uwierzytelniania , musisz to zrobić teraz. Aby potwierdzić, że uwierzytelnianie zostało skonfigurowane, uruchom następujące podstawowe polecenie, aby uzyskać podsumowanie informacji o obszarze roboczym usługi Azure Databricks. Upewnij się, że uwzględnisz ukośnik (/) po ls podpoleceniu:

   databricks workspace ls /
   

   Jeśli zostanie zwrócona lista nazw folderów na poziomie głównym dla obszaru roboczego, zostanie skonfigurowane uwierzytelnianie.

5. Zainstaluj pakiety języka Python, od których zależy ten przykładowy kod. W tym celu uruchom następujące polecenie z ide-demo/ide-best-practices folderu :

   pip install -r unit-requirements.txt
   

6. Upewnij się, że pakiety zależne przykładu kodu są zainstalowane. Aby to zrobić, uruchom następujące polecenie:

   pip list
   

   Jeśli pakiety wymienione na liście requirements.txt i pliki unit-requirements.txt znajdują się na tej liście, instalowane są pakiety zależne.

   Uwaga

   Pliki wymienione w pliku requirements.txt są przeznaczone dla określonych wersji pakietów. Aby uzyskać lepszą zgodność, możesz odwoływać się do tych wersji z typem węzła klastra, który ma być używany przez obszar roboczy usługi Azure Databricks do uruchamiania wdrożeń w późniejszym czasie. Zobacz sekcję "Środowisko systemowe" dla wersji środowiska Databricks Runtime klastra w artykule Databricks Runtime release notes versions and compatibility (Wersje i zgodność środowiska Uruchomieniowego usługi Databricks Runtime).

Krok 4. Dostosowywanie przykładu kodu dla obszaru roboczego usługi Azure Databricks

1. Dostosuj ustawienia projektu repozytorium dbx . W tym celu w pliku .dbx/project.json zmień wartość obiektu profile z DEFAULT na nazwę profilu, który jest zgodny z profilem skonfigurowanym do uwierzytelniania przy użyciu starszego interfejsu wiersza polecenia usługi Databricks (interfejs wiersza polecenia usługi Databricks w wersji 0.17). Jeśli nie skonfigurowaliśmy żadnego profilu innego niż domyślny, pozostaw DEFAULT tak, jak to jest. Na przykład:

   {
     "environments": {
       "default": {
         "profile": "DEFAULT",
         "storage_type": "mlflow",
         "properties": {
           "workspace_directory": "/Workspace/Shared/dbx/covid_analysis",
           "artifact_location": "dbfs:/Shared/dbx/projects/covid_analysis"
         }
       }
     },
     "inplace_jinja_support": false
   }
   

2. dbx Dostosuj ustawienia wdrożenia projektu. W tym celu w pliku zmień wartość obiektów z i na ciąg wersji środowiska uruchomieniowego Azure Databricks oraz typ węzła klastra , które chcesz, aby były używane przez obszar roboczy Azure Databricks do uruchamiania wdrożeń.

   Aby na przykład określić środowisko Databricks Runtime 10.4 LTS oraz typ węzła Standard_DS3_v2:

   environments:
     default:
       workflows:
         - name: 'covid_analysis_etl_integ'
           new_cluster:
             spark_version: '10.4.x-scala2.12'
             num_workers: 1
           node_type_id: 'Standard_DS3_v2'
           spark_python_task:
             python_file: 'file://jobs/covid_trends_job.py'
         - name: 'covid_analysis_etl_prod'
           new_cluster:
             spark_version: '10.4.x-scala2.12'
             num_workers: 1
             node_type_id: 'Standard_DS3_v2'
             spark_python_task:
               python_file: 'file://jobs/covid_trends_job.py'
             parameters: ['--prod']
         - name: 'covid_analysis_etl_raw'
           new_cluster:
             spark_version: '10.4.x-scala2.12'
             num_workers: 1
             node_type_id: 'Standard_DS3_v2'
             spark_python_task:
               python_file: 'file://jobs/covid_trends_job_raw.py'
   

Eksplorowanie przykładu kodu

Po skonfigurowaniu przykładowego kodu, skorzystaj z poniższych informacji, aby zrozumieć działanie różnych plików w folderze ide-demo/ide-best-practices.

Modułyzacja kodu

Niemodularyzowany kod

Plik jobs/covid_trends_job_raw.py jest niemodularzowaną wersją logiki kodu. Ten plik można uruchomić samodzielnie.

Kod modułowy

Plik jobs/covid_trends_job.py jest modułową wersją logiki kodu. Ten plik opiera się na udostępnionym kodzie w covid_analysis/transforms.py pliku. Plik covid_analysis/__init__.py traktuje covide_analysis folder jako pakiet zawierający.

Testowanie

Testy jednostkowe

Plik tests/testdata.csv zawiera niewielką część danych w covid-hospitalizations.csv pliku na potrzeby testowania. Plik tests/transforms_test.py zawiera testy jednostkowe dla covid_analysis/transforms.py pliku.

Narzędzie do uruchamiania testów jednostkowych

Plik pytest.ini zawiera opcje konfiguracji uruchamiania testów za pomocą narzędzia pytest. Zobacz pytest.ini i opcje konfiguracji w pytest dokumentacji.

Plik .coveragerc zawiera opcje konfiguracyjne dla pomiaru pokrycia kodu Pythona za pomocą coverage.py. Zobacz Informacje o konfiguracji w coverage.py dokumentacji.

Plik requirements.txt, który jest podzbiorem uruchomionego wcześniej pliku unit-requirements.txt z pip, zawiera listę pakietów, od których również zależą testy jednostkowe.

Opakowanie

Plik setup.py udostępnia polecenia do uruchomienia w konsoli (skrypty konsoli), takie jak polecenie pip, na potrzeby pakowania projektów Python za pomocą setuptools. Zobacz Punkty wejścia w setuptools dokumentacji.

Inne pliki

W tym przykładzie kodu znajdują się inne pliki, które nie zostały wcześniej opisane:

• Folder .github/workflows zawiera trzy pliki, databricks_pull_request_tests.yml, onpush.ymli onrelease.yaml, reprezentujące funkcję GitHub Actions, które zostały omówione w dalszej części sekcji Funkcji GitHub Actions .
• Plik .gitignore zawiera listę folderów lokalnych i plików ignorowanych przez usługę Git dla repozytorium.

Uruchamianie przykładu kodu

Możesz użyć dbx na komputerze lokalnym, aby poinstruować usługę Azure Databricks o uruchomieniu przykładu kodu w zdalnym obszarze roboczym na żądanie, zgodnie z opisem w następnej podsekcji. Możesz też użyć funkcji GitHub Actions, aby usługa GitHub uruchamiała przykład kodu za każdym razem, gdy wypychasz zmiany kodu do repozytorium GitHub.

Uruchamianie z bazą danych dbx

1. Zainstaluj zawartość folderu covid_analysis jako pakiet w trybie deweloperskim Pythona, uruchamiając następujące polecenie z katalogu głównego projektu dbx (na przykład folderu ide-demo/ide-best-practices). Pamiętaj, aby uwzględnić kropkę (.) na końcu tego polecenia:

   pip install -e .
   

   To polecenie tworzy covid_analysis.egg-info folder zawierający informacje o skompilowanej wersji covid_analysis/__init__.py plików i covid_analysis/transforms.py .

2. Uruchom testy, uruchamiając następujące polecenie:

   pytest tests/
   

   Wyniki testów są wyświetlane w terminalu. Wszystkie cztery testy powinny być wykazywane jako zakończone pomyślnie.

   Napiwek

   Aby zapoznać się z dodatkowymi metodami testowania, w tym testowania notesów R i Scala, zobacz Testowanie jednostkowe notesów.

3. Aby opcjonalnie uzyskać metryki pokrycia dla Twoich testów, uruchom następujące polecenie:

   coverage run -m pytest tests/
   

   Uwaga

   Jeśli zostanie wyświetlony komunikat, że coverage nie można odnaleźć, uruchom polecenie pip install coverage i spróbuj ponownie.

   Aby wyświetlić wyniki pokrycia testowego, uruchom następujące polecenie:

   coverage report -m
   

4. Jeśli wszystkie cztery testy przeszły pomyślnie, wyślij dbx zawartość projektu do obszaru roboczego usługi Azure Databricks, uruchamiając następujące polecenie:

   dbx deploy --environment=default
   

   Informacje o projekcie i jego uruchomieniach są wysyłane do lokalizacji określonej w workspace_directory obiekcie w .dbx/project.json pliku.

   Zawartość projektu jest wysyłana do lokalizacji określonej w artifact_location obiekcie w .dbx/project.json pliku.

5. Uruchom przedprodukcyjną wersję kodu w obszarze roboczym, uruchamiając następujące polecenie:

   dbx launch covid_analysis_etl_integ
   

   W terminalu zostanie wyświetlony link do wyników z przebiegu. Powinna to wyglądać następująco:

   https://<your-workspace-instance-id>/?o=1234567890123456#job/123456789012345/run/12345
   

   Użyj tego linku w Twojej przeglądarce internetowej, aby zobaczyć wyniki przebiegu w swoim obszarze roboczym.

6. Uruchom produkcyjną wersję kodu w obszarze roboczym, uruchamiając następujące polecenie:

   dbx launch covid_analysis_etl_prod
   

   W terminalu zostanie wyświetlony link do wyników przebiegu. Powinna to wyglądać następująco:

   https://<your-workspace-instance-id>/?o=1234567890123456#job/123456789012345/run/23456
   

   Kliknij na ten link w swojej przeglądarce internetowej, aby zobaczyć wyniki biegu w obszarze roboczym.

Uruchamianie za pomocą funkcji GitHub Actions

W folderze projektu .github/workflows, pliki onpush.yml i onrelease.yml GitHub Actions wykonują następujące czynności:

• Przy każdym przesunięciu do tagu rozpoczynającego się od v, używa dbx do wdrożenia zadania covid_analysis_etl_prod.
• Przy każdym wypchnięciu, które nie dotyczy tagu rozpoczynającego się od v:
  1. Używa pytest do uruchamiania testów jednostkowych.
  2. Używa dbx do wdrożenia pliku określonego przez zadanie covid_analysis_etl_integ w zdalnym obszarze roboczym.
  3. Służy do użycia dbx w celu uruchomienia już wdrożonego pliku określonego w zadaniu covid_analysis_etl_integ w zdalnym obszarze roboczym, a jego przebieg jest śledzony aż do zakończenia.

W poniższych podsekcjach opisano sposób konfigurowania i uruchamiania plików onpush.yml i onrelease.yml funkcji GitHub Actions.

Konfigurowanie korzystania z funkcji GitHub Actions

Skonfiguruj obszar roboczy usługi Azure Databricks, postępując zgodnie z instrukcjami w temacie Service principals for CI/CD. Obejmuje to następujące akcje:

1. Utwórz jednostkę usługi.
2. Utwórz token Microsoft Entra ID dla pryncypała usługi.

Najlepsze praktyki bezpieczeństwa zalecają, aby w usłudze Databricks używać tokenu Microsoft Entra ID dla jednostki usługi zamiast osobistego tokenu dostępu Databricks dla użytkownika obszaru roboczego, aby umożliwić usłudze GitHub uwierzytelnianie w obszarze roboczym Azure Databricks.

Po utworzeniu zasady usługi i tokenu Microsoft Entra ID zatrzymaj się na chwilę i zanotuj wartość tokenu Microsoft Entra ID, której użyjesz w następnej sekcji.

Uruchamianie funkcji GitHub Actions

Krok 1. Publikowanie sklonowanego repozytorium

1. W programie Visual Studio Code na pasku bocznym kliknij ikonę GitHub . Jeśli ikona nie jest widoczna, najpierw włącz rozszerzenie GitHub Pull Requests and Issues za pomocą widoku Rozszerzenia (Wyświetl > rozszerzenia).
2. Jeśli przycisk Zaloguj się jest widoczny, kliknij go i postępuj zgodnie z instrukcjami wyświetlanymi na ekranie, aby zalogować się do konta usługi GitHub.
3. Na pasku menu kliknij Widok > Paletę poleceń, wpisz Publish to GitHub, a następnie kliknij Opublikuj w GitHub.
4. Wybierz opcję publikowania sklonowanego repozytorium na koncie usługi GitHub.

Krok 2. Dodawanie zaszyfrowanych wpisów tajnych do repozytorium

W witrynie internetowej usługi GitHub dla opublikowanego repozytorium postępuj zgodnie z instrukcjami w temacie Tworzenie zaszyfrowanych wpisów tajnych dla repozytorium dla następujących zaszyfrowanych wpisów tajnych:

• Utwórz zaszyfrowany sekret o nazwie DATABRICKS_HOST, ustaw wartość na adres URL specyficzny dla obszaru roboczego, na przykład https://adb-1234567890123456.7.azuredatabricks.net.
• Utwórz zaszyfrowany sekret o nazwie DATABRICKS_TOKEN, przypisując wartość tokenu Identyfikator Microsoft Entra dla głównego obiektu usługi.

Krok 3. Tworzenie i publikowanie gałęzi w repozytorium

1. W programie Visual Studio Code, w widoku kontroli kodu źródłowego (Widok > kontroli kodu źródłowego), kliknij ikonę ... (Widoki i więcej akcji).
2. Kliknij Gałąź Utwórz gałąź na podstawie>.
3. Wprowadź nazwę gałęzi, na przykład my-branch.
4. Wybierz gałąź, z której ma zostać utworzona nowa gałąź, na przykład main.
5. Wprowadź niewielką zmianę w jednym z plików w lokalnym repozytorium, a następnie zapisz plik. Na przykład wprowadź niewielką zmianę w komentarzu do kodu w pliku tests/transforms_test.py.
6. W widoku Kontroli Źródła kliknij ponownie ikonę … (Widoki i Więcej Akcji).
7. Kliknij Zmień > Zatwierdź Wszystkie Zmiany.
8. Kliknij ponownie ikonę ... ( widokii więcej akcji).
9. Kliknij pozycję Zatwierdź zatwierdzenie > przygotowane.
10. Wprowadź komunikat dotyczący zatwierdzenia.
11. Kliknij ponownie ikonę ... ( widokii więcej akcji).
12. Kliknij Opcja 'Gałąź'> Publikuj gałąź.

Krok 4. Tworzenie żądania ściągnięcia i scalanie

1. Przejdź do strony GitHub swojego opublikowanego repozytorium, https://github/<your-GitHub-username>/ide-best-practices.
2. Na karcie Żądania ściągnięcia, obok gałęzi my-branch, która miała niedawne wypchnięcia, kliknij Porównaj i utwórz żądanie ściągnięcia.
3. Kliknij Utwórz żądanie ściągnięcia.
4. Na stronie żądania ściągnięcia, poczekaj na ikonę obok pozycji CI pipeline/ci-pipeline (push), aby pojawił się zielony znacznik wyboru. (Wyświetlenie ikony może potrwać kilka minut). Jeśli jest czerwony znak X zamiast zielonego znacznika wyboru, kliknij pozycję Szczegóły , aby dowiedzieć się, dlaczego. Jeśli ikona lub Szczegóły nie są już wyświetlane, kliknij przycisk Pokaż wszystkie testy.
5. Jeśli pojawi się zielony znacznik wyboru, scal żądanie ściągnięcia do gałęzi main, klikając Scal żądanie ściągnięcia.