Jupyter Notebook#

Jupyter Notebook 提供了基于浏览器网页的数据计算、代码开发、文档编辑、代码执行以及结果展示等功能,是目前最流行和最易用的开发环境之一。本篇文章介绍 OpenMLDB 与 Notebook 的深度整合,充分利用 OpenMLDB 的功能特性和 Notebook 的便利性,从而打造一个快捷易用的机器学习开发环境。

集成 SQL 魔法函数#

Notebook 与 OpenMLDB 第一个集成点就是 SQL 魔法函数 (magic function)。魔法函数是 Notebook 的拓展功能,通过注册魔法函数,用户可以在 Notebook cell 中直接执行 SQL 命令,而不需要编写复杂的 Python 代码,并且可定制输出样式。OpenMLDB 提供了一个标准的 SQL 魔法函数,用户可以在 Notebook 上直接编写和运行 OpenMLDB 支持的 SQL 语句,对应的语句就会提交到 OpenMLDB 执行,并且在 Notebook 中预览返回到结果。

注册 OpenMLDB SQL 魔法函数#

为了在 Notebook 中支持 OpenMLDB 魔法函数,首先需要通过如下方式进行注册:

import openmldb
db = openmldb.dbapi.connect('demo_db','0.0.0.0:2181','/openmldb')
openmldb.sql_magic.register(db)

执行单行 SQL 语句#

开发者可以使用提示符 % 来执行单行的 SQL 语句,如下图所示。

img

执行多行 SQL 语句#

开发者也可以用提示符 %%,书写多行的 SQL 语句,如下图所示。

img

注意,目前尚不支持在一个 Notebook cell 内部同时执行多条 SQL 语句,需要分开在不同 cell 内执行。

魔法函数支持功能#

OpenMLDB 提供的 SQL 魔法函数,可执行所有支持的 SQL 语法,包括使用 OpenMLDB 特有的离线模式,把复杂的需要处理大数据 SQL 语句异步提交到离线执行引擎去执行,如下图所示。

img

详细的 OpenMLDB 魔法函数使用方法,请参考使用 Notebook Magic Function

Notebook 集成 OpenMLDB Python SDK#

OpenMLDB 和 Notebook 整合的第二个功能点就是与 OpenMLDB Python SDK 的集成。Notebook 支持 Python 运行内核,因此可以通过 import 方式导入各种 Python 库使用,OpenMLDB 提供了功能完整的 Python SDK,用于在 Notebook 内调用。OpenMLDB 不仅提供了基于 Python PEP249 标准的 DBAPI,也支持了 Python 业界主流的 SQLAlchemy 接口,只需一行代码就可以连接已有的 OpenMLDB 集群。

使用 OpenMLDB DBAPI#

使用 DBAPI 接口非常简单,只需指定 ZooKeeper 地址以及节点路径即可连接,连接成功后会有对应的日志信息。即可在 Notebook 内调用 OpenMLDB Python SDK 的 DBAPI 接口进行开发,详见使用 OpenMLDB DBAPI

import openmldb.dbapi
db = openmldb.dbapi.connect('demo_db','0.0.0.0:2181','/openmldb')

使用 OpenMLDB SQLAlchemy#

如果想使用 SQLAlchemy 也非常简单,通过 SQLAlchemy 库指定 OpenMLDB 的 URI 即可完成连接;同样可以通过 IP 和端口作为参数连接单机版 OpenMLDB 数据库,如下所示。

import sqlalchemy as db
engine = db.create_engine('openmldb://demo_db?zk=127.0.0.1:2181&zkPath=/openmldb')
connection = engine.connect()

连接成功后,即可以通过 OpenMLDB Python SDK 的 SQLAlchemy 接口来进行开发,详见使用 OpenMLDB SQLAlchemy