MaxCompute Studio使用心得系列6——一个工具完成整个Python UDF开发

2017/12/20 北京云栖大会上阿里云MaxCompute发布了最新的功能Python UDF，万众期待的功能终于支持啦，我怎么能不一试为快，今天就分享如何通过Studio进行Python udf开发。

前置条件

了解到，虽然功能发布，不过还在公测阶段，如果想要使用，还得申请开通：https://page.aliyun.com/form/odps_py/pc/index.htm。这里我就不介绍申请开通具体流程了。

环境准备

MaxCompute Studio支持Python UDF开发，前提需要安装python, pyodps和idea的python插件。

1. 安装Python：可以Google或者百度搜索下如何安装。
2. 安装pyodps：可以参考python sdk文档的安装步骤。即，在 Python 2.6 以上（包括 Python 3），系统安装 pip 后，只需运行下 pip install pyodps，PyODPS 的相关依赖便会自动安装。
3. Intellij IDEA中安装Python插件。搜索Python Community Edition插件并安装
   
4. 配置studio module对python的依赖。
   • File -> Project structure，添加python sdk:
     
   • File -> Project structure，添加python facets:
     
   • File -> Project structure，配置module依赖python facets:
     

开发Python UDF

环境都准备好后，既可在对应依赖的module里创建进行python udf开发。

新建python脚本。

右键 new | MaxCompute Python，弹框里输入脚本名称，选择类型为python udf：

生成的模板已自动填充框架代码，只需要编写UDF的入参出参，以及函数逻辑：

本地调试

代码开发好后，可以在Studio中进行本地调试。Studio支持下载表的部分sample数据到本地运行，进行debug，步骤如下:

1. 右键python udf类，点击”运行”菜单，弹出run configuration对话框。UDF|UDAF|UDTF一般作用于select子句中表的某些列，此处需配置MaxCompute project，table和column（元数据来源于project explorer窗口和warehouse下的example项目）:
   
2. 点击OK后，通过tunnel自动下载指定表的sample数据到本地warehouse目录（若之前已下载过，则不会再次重复下载，否则利用tunnel服务下载数据。默认下载100条，如需更多数据测试，可自行使用console的tunnel命令或者studio的表下载功能）。下载完成后，可以在warehouse目录看到下载的sample数据。这里用户也可以使用warehouse里的数据进行调试，具体可参考java udf开发中的关于本地运行的warehouse目录”部分）。
   
3. 然后本地运行框架会根据指定的列，获取data文件里指定列的数据，调用UDF本地运行。
   

注册发布Python UDF

1. 代码调试好后，将python脚本添加为MaxCompute的Resource：
   

注意此处选择的MaxCompute project必须是已经申请开通python udf的project。

1. 注册python 函数：
   
2. 在sql脚本中编辑MaxCompute sql试用python udf:
   

好了，一个简单完整的python UDF通过Studio开发实践分享完成。

更多python UDF可以参考其他文章:

• 北京云栖大会MaxCompute又出大招，Python UDF抢先体验!
• Python on MaxCompute之UDF操作命令行
• Python实现MaxCompute UDF/UDAF/UDTF

使用MaxCompute的pyodps和Studio有疑惑可以工单咨询，更多探讨可以加入对应钉钉群一起畅聊：