阿里云MaxCompute印度开服，加速大数据产业升级

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. 

5. 配置studio module对python的依赖。

6.  

   • 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. 
4. 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:
   

原文链接：http://click.aliyun.com/m/40728/