1 使用场景

Python 任务适用于处理的数据量较少且处理逻辑不复杂的场景，能够满足 Python 开发业务场景，支持版本 Python 3.7 。

2 前提条件

• 已开通 DataLeap 服务。
• Python 任务访问私有网络服务或资源时，需通过独享计算资源组访问，Python 任务界面不支持单独修改网络配置。

3 操作步骤

3.1 创建任务

1. 登录 DataLeap租户控制台。
2. 在概览界面，显示加入的项目中，点击数据开发进入对应项目。
3. 在任务开发界面，左侧导航栏中，点击新建任务按钮，进入新建任务页面。
4. 选择任务类型：
   1. 分类：数据开发。
   2. 绑定引擎：通用。
   3. 选择任务：离线数据 Python。
5. 填写任务基本信息：
   1. 任务名称：输入任务的名称，只允许字符.、字母、数字、下划线、连字符、[]、【】、（）、()以及中文字符，且在127个字符以内。
   2. 保存至：选择任务存放的目标文件夹目录。
6. 点击确认按钮，成功创建任务。
   

3.2 编辑使用

任务创建成功后，进入代码开发编辑界面。

3.2.1 开发代码编辑

1. 支持语言：Python，如下所示：

print ("Hello, Python!")

2. 参数：支持时间参数 ${date}、${hour} 等，更多参数可参考：时间变量与常量说明

print ('${date}')

3.2.2 资源设置

1. 依赖包：代码中引用的第三方包，可在此手动输入三方包依赖。如需指定具体版本，按照 "plcga==1.6" 格式添加，多个依赖包，用英文分号分隔。

   注意

   • 配置依赖包时建议加上对应包的版本，以保证每次运行环境一致。
   • 代码中没有依赖的包，不建议添加配置。
2. 环境变量：设置系统环境变量时，避免直接覆盖系统环境变量，请按照追加方式指定，例如 PATH=$PATH:/usr/local/bin/python，多个环境变量用英文分号分隔。

3.2.3 网络配置（可选）

当任务在脚本中访问公网、私有网络（VPC）资源，或者访问有存在网络访问限制的镜像仓库地址时，您需要进行网络配置，选择能够与您资源互通的私有网络、子网、安全组信息。
有以下两种方式：

• 您可通过手动下拉的方式，选择访问任务资源、数据源所在的私有网络（VPC）、子网和安全组等网络信息。

  说明

  若是子账号登录创建任务时，选择网络环境需具备相关服务使用权限，需主账号在访问控制中，添加 DataLeapFullAccess 权限。

  
• 亦或是当项目已绑定独享计算资源组时，您也可通过使用独享计算资源组来访问私有网络下的资源、服务，实现网络互通。
  
  可将独享计算资源组所在的 VPC 开通公网，或者使其 VPC 信息与您资源所在的 VPC 信息保持一致，若二者不一致时，您也可以通过 CEN 做网络打通工作。
  选择独享计算资源组后，此处网络配置信息均来源于独享计算资源组信息，暂不支持在网络配置界面直接修改，您可在创建独享计算资源组时，配置好对应的私有网络信息，详见：资源组管理。

3.2.4 任务产出数据登记

产出数据登记用于记录任务的数据血缘，不会对代码逻辑造成影响。

1. 引擎类型：E-MapReduce（EMR）和湖仓一体分析服务（LAS）、默认（没有产出登记）。
2. 关联实例：选择关联对应引擎下的实例信息。
3. 数据类型：仅 EMR 引擎类型下需选择数据类型，目前有 Hive、HDFS、其他。
4. 数据库表：选择对应引擎下产出的数据库和数据表。

3.2.5 执行设置

1. 单击进入右侧侧边栏执行设置窗口。
2. 选择计算资源组：支持选择公共计算资源组、独享计算资源组。
3. 镜像地址：
   支持您自定义镜像，建议使用火山引擎镜像仓库，填写示例如下：
   • 北京地域：dataleap-cn-beijing.cr.volces.com/studio/spark:online
   • 上海地域：dataleap-cn-shanghai.cr.volces.com/studio/spark:online
   • 广州地域：dataleap-cn-guangzhou.cr.volces.com/studio/spark:online

   说明

   1. DataLeap 公共计算资源组无法访问公网，若您填写的镜像仓库地址（如第三方镜像仓库）需通过公网或指定私有网络（VPC）访问时，您需要通过上方网络配置来实现网络互通。可尝试以下解决方案：
      • 将您的镜像仓库地址和您配置的 VPC 地址均开通公网访问能力；
      • 您镜像仓库所在的 VPC 和您配置的 VPC 需保持一致，或是通过 CEN 做网络打通。
        详见3.2.3 网络配置（可选）。
   2. 自定义镜像中须安装 python3，方可正常使用。
   3. 基础镜像地址中仅包含最基础的 Linux 和 Python 命令，简单场景下，您也可基于基础镜像地址，并额外补充一些依赖来使用。
      • 基础镜像所包含依赖包查看方式如下：

        1. 创建 Python 任务；

        2. 执行以下脚本信息：

           import os
           os.system("pip freeze")
           

        3. 执行后可在日志中查看包含依赖包结果。

      • 基础镜像地址：
        • 北京地域：dataleap-cn-beijing.cr.volces.com/studio/runtime_light:online
        • 上海地域：dataleap-cn-shanghai.cr.volces.com/studio/runtime_light:online
        • 广州地域：dataleap-cn-guangzhou.cr.volces.com/studio/runtime_light:online
   4. 若您自定义镜像的文件中有需加密的文件，希望该镜像文件只允许被固定任务使用，则您可以创建私有镜像类型，并将镜像仓库地址、用户名及密码等私有镜像配置信息，添加至独享计算资源组中，通过独享计算资源组来访问镜像文件。修改资源组镜像配置操作详见资源组管理。
   5. 私有镜像地址需要您手动填写 OCI 制品仓库中，具体镜像版本对应的网络地址信息，以实际填写的镜像地址为准。若遗漏填写的情况下，会访问到默认的基础镜像地址。
4. 资源配置：资源可根据实际需求进行配置，以 CU 为单位，默认配置 1CU(1CU = 1Core 4GB)，下拉可选择更多规格的资源配置。

   说明

   其中 0.25CU、0.5CU 规格，仅独享计算资源组支持选择。

5. 资源选择：
   Python 任务支持在任务编辑中使用通用资源，通过访问 Jar、File、Zip 等资源类型，来提升数据开发效率。
   在资源选择下拉框中，选取任务中所需使用到的资源，若还未创建资源，您也可单击新建资源按钮，前往资源库进行新建。新建资源操作详见资源库。

3.2.6 调度设置

进入右侧边栏调度设置，配置节点调度相关属性。设置操作详见：调度设置。

3.3 保存任务

配置完成后，单击上方操作栏中保存图标按钮，保存节点至服务器。

3.4 调试任务

单击操作栏中调试图标按钮，执行编辑的 Python 命令，执行成功后，可在界面下方查看运行日志和结果。

3.5 提交发布任务

任务所需参数配置和调试任务成功后，将任务提交发布到运维中心离线任务运维中执行。
单击上方操作栏中的保存和提交上线按钮，在提交上线对话框中，选择回溯数据、监控设置、提交设置等参数，最后单击确认按钮，完成作业提交。 提交上线说明详见：数据开发概述---离线任务提交。
后续任务运维操作详见：离线任务运维。