Question

鉴于输入数据集适合本地计算机的内存，建议在本地开发和测试python转换代码的推荐方法是什么？

Answer 1

不需要模拟模拟包的最简单方法就是使用pyspark函数将逻辑提取到纯python中，该函数接收数据帧作为输入并返回数据帧。

即：

# yourtransform.py
from my_business_logic import magic_super_complex_computation

@transform_df(
   Output("/foo/bar/out_dataset"),
   input1=Input("/foo/bar/input1"),
   input2=Input("/foo/bar/input2"))
def my_transform(input1, input2):
   return magic_super_complex_computation(input1, input2)

您现在可以将magic_super_complex_computation导入测试并仅使用pyspark对其进行测试。

即：

from my_business_logic import magic_super_complex_computation


def test_magic_super_complex_computation(spark_context):
    df1 = load_my_data_as_df(spark_context, "input1")
    df2 = load_my_data_as_df(spark_context, "input2")

    result = magic_super_complex_computation(input1, input2).collect()
    assert len(result) == 123

请注意，这要求您在pytest（或您使用的任何测试框架）中提供有效的spark上下文作为固定装置

如何在本地开发和测试python转换代码？

1 个答案: