功能概述
注意：以上 WeData Notebook 的内置开发工具，仅适用于连接 DLC 引擎机器学习资源组-Spark MLlib 类型进行使用。
一、DLC Utilities（dlcutils）
dlcutils 是 WeData 基于 DLC 引擎提供的一个实用工具库，主要用于简化在 Notebook 环境中的各种操作，可以帮助用户执行与数据处理、参数传递、环境配置等相关的任务。详情请参见 dlcutils 工具库及魔法命令使用指南。
二、Magic 语法（魔法命令）
Magic 语法是 Jupyter Notebook 中的一种特性，允许用户通过特定的命令来执行一些特殊的操作，通常以 % 或 %% 开头。Magic 命令可以用于简化常见任务，提高工作效率。详情请参见 dlcutils 工具库及魔法命令使用指南。
实践教程
三、使用场景说明
| 使用场景 | 场景举例 | 使用方式 |
| 单一参数的动态调整 | 需要重复执行相同的代码，但代码的输入条件不同。例如，每天需要查询前一天的数据，因此数据的时间参数会有所变化。 | 将时间参数定义为动态变量，通过调整时间参数进行测试，而不需要修改代码的其他部分，避免重复编写相似的代码 |
| 开发和生产隔离 | 在开发环境和生产环境，需要设置同一个参数的不同取值 | 定义项目参数，并且分别设置调试运行取值、周期调度取值，或者开发环境取值、生产环境取值，则在任务调试和调度运行时，会分别从对应场景中取不同的值 |
四、在 Notebook 文件中使用动态参数
在 Studio Notebook 文件调试运行时，支持使用项目或者文件上配置的参数。如果两个地方定义了同一个参数的不同取值，则优先级：文件 > 项目。
1. 参数定义：
目前在 Notebook 文件中定义高级参数，支持代码定义和可视化界面定义两种方法：
·代码定义：在代码中使用 dlcutils.widgets.text(name='your_name', defaultValue='your_value', label='your_name')函数，分别定义参数名、参数值、标签；
·界面定义：单击参数 > 添加，手动设置参数名、参数值、标签。
2. 参数值修改：在“参数”界面中修改参数的取值。
3. 参数值获取：在代码中使用 dlcutils.widgets.get(“your_name”)函数获取参数值。
dlcutils.widgets.get("fav_Food")# output beans
五、在 Notebook 文件中使用项目参数
1. 参数定义：
进入项目管理 > 参数设置界面，单击新增，完成项目参数的新建。
2. 参数值获取：
如果在项目管理的参数中已经定义了参数，例如参数名称 test_parameter，取值是100，在 notebook 中可以直接使用项目参数。
# print project parameters dlcutils.widgets.get("test_parameter")# output 100
六、在 Notebook 任务中使用项目、工作流或者任务参数
1. 参数配置。
·工作流参数可在工作流通用配置中进行配置。
·任务参数可在任务的任务属性中进行配置。
2. 参数值获取。
在编排空间 Notebook 任务中调试运行或者周期运行时，可以使用dlcutils.widgets.get() 函数获取项目、工作流或者任务上配置的参数。
如果三个地方定义了同一个参数的不同取值，则优先级：任务 > 工作流 > 项目。
# get task_test_param value# When testing and running in the notebook space, # default values need to be set because the notebook file has not yet been associated with a task.try: task_test_param_value = dlcutils.widgets.get("task_param") if not task_test_param_value: # 如果获取到的值是空字符串 task_test_param_value = 'task_default_value'except Exception: # 如果完全获取不到参数 task_test_param_value = 'task_default_value'print(f"Using toy value: {task_test_param_value}")
# get workflow_test_param value# When testing and running in the notebook space, # default values need to be set because the notebook file has not yet been associated with a workflow.try: workflow_test_param_value = dlcutils.params.get("workflow_param") if not workflow_test_param_value: # 如果获取到的值是空字符串 workflow_test_param_value = 'workflow_default_value'except Exception: # 如果完全获取不到参数 workflow_test_param_value = 'workflow_default_value'print(f"Using toy value: {workflow_test_param_value}")
七、使用场景说明
| 使用场景 | 场景举例 | 使用方式 |
| 工作流的自动化 | 数据处理工作流：在 ETL（提取、转换、加载）过程中，第一个 Notebook 提取并转换数据，第二个 Notebook 进行加载或进一步分析。机器学习工作流：第一个 Notebook 训练模型并保存结果，第二个 Notebook 使用该模型进行预测或评估。 | 第一个 Notebook 的输出参数直接作为第二个 Notebook 的输入，实现任务之间的自动化连接。 |
| 分支逻辑的完成 | 条件处理：在数据处理或分析过程中，根据不同的输入条件执行不同的逻辑。动态决策：在机器学习或数据科学项目中，根据模型预测或数据特征的不同，选择不同的处理路径。 | 第二个 Notebook 文件通过判断第一个 Notebook 的输出结果，选择性地运行不同的代码逻辑。 |
八、操作说明
1. 在 Studio 中，创建两个 notebook 文件：notebook_upstream.ipynb 和 notebook_downstream.ipynb，文件内容如下：
·notebook_upstream.ipynb
# Exit the notebook and output parametersdlcutils.notebook.exit('12345')
·notebook_downstream.ipynb
# get task_input_param value# When testing and running in the notebook space, # default values need to be set because the notebook file has not yet been associated with a task.try: task_input_param = dlcutils.widgets.get("parameter") if not task_input_param: # 如果获取到的值是空字符串 task_input_param = 'task_input_default_value'except Exception: # 如果完全获取不到参数 task_input_param = 'task_input_default_value'print(f"Using toy value: {task_input_param}")
2. 同时，在编排空间创建两个任务 upstream、downstream，分别选中上面两个 notebook 文件。
3. 在任务 upstream 的调度设置中，设置输出当前任务参数 a 为 $[0]。
4. 在任务 downstream 的调度设置中，设置参数 parameter 为引用父任务参数 a。
5. 最后，在工作流调试运行或者调度运行中，即可查看 downstream 的输出为 12345。
九、使用场景说明
出于安全性考虑，通常不希望将密钥等信息通过明文写到代码中，因此将其存在腾讯云 SSM 中，通过 Notebook 对接 SSM 进行密钥获取，场景举例：
·调用 SDK 时需要传入的 ak、sk 信息。
·访问数据库时的用户名、密码信息。
十、操作说明
1. 登录 腾讯云 SSM， 在自定义凭据中定义凭据名称、版本和内容。
2. 在 Notebook 中调用 dlcutils.secrets.get(secretName, secretVersion, region)函数，获取密钥取值；
dlcutils.secrets.get("secret_name", "v1", "ap-guangzhou")# output secret_value
3. 使用密钥值进行后续操作，例如 SDK 调用、数据库访问等。