我目前正在优化我们的 ETL 流程，并且希望能够看到处理数据时使用的现有集群配置。这样，我可以随着时间的推移跟踪我应该使用哪些工作节点大小。

是否有一个命令可以在 python 中返回集群工作线程 # 和大小，以便我可以将其写入数据帧？

最佳答案

您可以通过调用 Cluster Get REST API 获取此信息- 它将返回 JSON，包括工作人员数量、节点类型等。如下所示:

import requests
ctx = dbutils.notebook.entry_point.getDbutils().notebook().getContext()
host_name = ctx.tags().get("browserHostName").get()
host_token = "your_PAT_token"
cluster_id = ctx.tags().get("clusterId").get()

response = requests.get(
    f'https://{host_name}/api/2.0/clusters/get?cluster_id={cluster_id}',
    headers={'Authorization': f'Bearer {host_token}'}
  ).json()
num_workers = response['num_workers']

附注如果您有非笔记本电脑工作，则 PAT token 可能不可用，但您可以生成 token ，并将其放在那里

https://stackoverflow.com/questions/69182503/