Manuales

Appearance

Notebooks en Databricks ​

Los notebooks de Databricks son herramientas interactivas que permiten combinar código, texto explicativo, visualizaciones y resultados en un único documento. Son fundamentales para el análisis de datos, el desarrollo de modelos y la colaboración en equipos.

¿Qué son los Notebooks de Databricks? ​

Un notebook es un entorno de trabajo que integra código ejecutable, texto en formato Markdown, gráficos y resultados en tiempo real. En Databricks, los notebooks están diseñados para facilitar la interacción con Spark y el análisis colaborativo de datos.

Características principales: ​

  • Multilenguaje: Permite escribir código en Python, Scala, SQL, R y Markdown.
  • Colaboración en tiempo real: Varios usuarios pueden trabajar simultáneamente en un mismo notebook.
  • Integración con Spark: Ejecución nativa de operaciones distribuidas.
  • Soporte para visualizaciones: Gráficos personalizables para explorar los datos.

Creación y Gestión de Notebooks ​

Creación de un notebook ​

  1. Accede a Databricks:

    • Inicia sesión en tu instancia de Databricks.
    • Dirígete a la sección "Workspace".

  2. Crea un nuevo notebook:

    • Haz clic en el botón "Create" y selecciona "Notebook".
    • Asigna un nombre al notebook y elige el lenguaje principal (Python, SQL, etc.).
    • Selecciona un clúster activo para ejecutar el notebook.

  3. Guarda el notebook:

    • Los notebooks se almacenan automáticamente en el espacio de trabajo.

Gestión de notebooks ​

  • Renombrar: Haz clic en el nombre del notebook en la parte superior y edítalo.
  • Mover: Arrastra y suelta el notebook dentro de las carpetas del workspace.
  • Compartir: Haz clic en "Share" para gestionar permisos de acceso.

Ejecución de Celdas ​

Tipos de celdas ​

  1. Celdas de código: Ejecutan código en el lenguaje seleccionado.
  2. Celdas de texto: Permiten escribir explicaciones utilizando Markdown.

Ejecutar una celda ​

  • Usa el atajo Shift + Enter para ejecutar la celda actual y pasar a la siguiente.
  • Para ejecutar todas las celdas, selecciona "Run All" en el menú de ejecución.

Ejemplo: ​

python
# Código en Python
spark.range(5).show()
markdown
# Título en Markdown
Este es un ejemplo de celda de texto.

Visualización de Resultados ​

Los notebooks de Databricks incluyen herramientas para crear visualizaciones directamente desde los resultados.

Crear una visualización: ​

  1. Ejecuta una consulta: Por ejemplo, usando Spark SQL.
  2. Selecciona el icono de gráfico: Haz clic en "+" encima de los resultados.
  3. Configura el gráfico: Elige el tipo de visualización (barras, líneas, etc.) y personaliza los ejes.

Ejemplo: ​

sql
SELECT department, COUNT(*) AS total
FROM employees
GROUP BY department

Configura un gráfico de barras para mostrar el total por departamento.

Atajos y Mejores Prácticas ​

Atajos útiles ​

  • Ctrl + /: Comentar o descomentar una línea de código.
  • Ctrl + Enter: Ejecutar la celda actual.
  • Shift + Tab: Mostrar ayuda para una función o método.

Mejores prácticas ​

  1. Organización: Divide el código en celdas pequeñas y lógicas.
  2. Documentación: Acompaña el código con explicaciones en Markdown.
  3. Reutilización: Guarda fragmentos comunes en "Databricks Repos" o como widgets reutilizables.

Integración con Pipelines ​

Los notebooks pueden integrarse en flujos de trabajo automatizados mediante herramientas como Databricks Workflows o Apache Airflow.

Ejemplo de integración: ​

  • Configura un pipeline en Databricks Workflows para ejecutar un notebook diariamente.
  • Usa parámetros para personalizar las ejecuciones.

Conclusión ​

Los notebooks en Databricks son una herramienta versátil y poderosa para trabajar con datos y Spark. Su capacidad de combinar código, visualizaciones y colaboración en tiempo real los convierte en una pieza clave para proyectos de ciencia de datos y análisis avanzado. Maximiza su uso organizando tu trabajo, documentando bien tu código y aprovechando sus capacidades de integración con flujos de trabajo.