Bewährte Methoden für die Git-Versionssteuerung anwenden

  • 5 Minuten

Data Engineering-Projekte erfordern eine systematische Nachverfolgung von Codeänderungen, die Zusammenarbeit in teamsübergreifend und die Möglichkeit, Arbeit zuverlässig zu reproduzieren. Wenn Sie bewährte Methoden für die Versionssteuerung mithilfe von Git in Azure Databricks anwenden, richten Sie eine Grundlage für Professionelle Entwicklungsworkflows ein. Git-Ordner werden direkt in Ihren Arbeitsbereich integriert und bieten eine visuelle Schnittstelle zum Verwalten von Repositorys, ohne Ihre Entwicklungsumgebung zu verlassen.

Grundlegendes zu Git-Ordnern in Azure Databricks

Git-Ordner bringen Versionssteuerungsfunktionen in Ihren Azure Databricks-Arbeitsbereich über einen visuellen Git-Client und eine API. Mit dieser Integration können Sie Standard-Git-Vorgänge wie Klonen von Repositories, Erstellen von Zweigen, Übertragen von Änderungen und Pushen von Aktualisierungen direkt von der Arbeitsbereichsoberfläche aus durchführen. Sie müssen nicht zwischen externen Tools und Ihrer Entwicklungsumgebung wechseln.

Diagramm zur Erläuterung von Git-Ordnern in Azure Databricks.

Wenn Sie einen Git-Ordner erstellen, verbinden Sie ihn mit einem Remote-Repository , das von Anbietern wie Azure DevOps, GitHub, GitLab oder Bitbucket gehostet wird. Der Ordner spiegelt Ihre Repositorystruktur wieder, sodass Sie mit Notizbüchern, Python-Dateien, SQL-Skripts und anderen unterstützten Ressourcen arbeiten können, während die Versionsverwaltung beibehalten wird. Alle Teammitglieder können ihre eigenen Git-Ordner demselben entfernten Repository zuordnen. Dies ermöglicht Zusammenarbeit durch gemeinsame Zweige und koordinierte Commits.

Tipp

Jedes Teammitglied sollte in einem eigenen Git-Ordner arbeiten, der mit dem freigegebenen Repository verbunden ist. Dieses Vorgehen verhindert versehentliche Wechsel zwischen Zweigen oder Konflikte, die auftreten können, wenn mehrere Benutzer Git-Vorgänge im selben Arbeitsbereichsordner ausführen.

Klonen eines Repositorys zum Starten der Arbeit

Bevor Sie mit versionsgesteuertem Code in Databricks arbeiten können, müssen Sie das Repository Ihres Teams klonen. Durch Klonen wird eine lokale Kopie des Remote-Repositorys in Ihrem Arbeitsbereich erstellt, sodass Sie auf die neueste Codebasis zugreifen können.

So klonen Sie ein Repository:

  1. Wählen Sie in der Randleiste "Arbeitsbereich" aus, und navigieren Sie zu der Stelle, an der Sie den Git-Ordner erstellen möchten.
  2. Wählen Sie "Git-Ordner erstellen>" aus.
  3. Geben Sie die Git-Repository-URL im Format https://example.com/organization/project.gitein.
  4. Wählen Sie Ihren Git-Anbieter im Dropdownmenü aus.
  5. Geben Sie einen Namen für den Ordner in Ihrem Arbeitsbereich an.
  6. Wählen Sie "Git-Ordner erstellen" aus.

Screenshot des Dialogfelds

Nach dem Klonen werden die Repositoryinhalte in Ihrem Arbeitsbereich angezeigt. Sie können Notizbücher öffnen, Dateien bearbeiten und sofort mit der Entwicklung beginnen.

Abrufen von Änderungen aus dem Remote-Repository

Wenn Sie mit einem Team zusammenarbeiten, übertragen andere Änderungen an das gemeinsame Repository, das Sie in Ihre lokale Arbeit integrieren müssen. Durch Das Abrufen von Updates wird sichergestellt, dass Sie mit der neuesten Version der Codebasis arbeiten.

Zum Ziehen von Änderungen:

  1. Öffnen Sie das Git-Dialogfeld.
  2. Wählen Sie "Pull" aus, um Änderungen aus dem Remote-Repository abzurufen und zusammenzuführen.
  3. Wenn Konflikte zwischen Remoteänderungen und lokalen Änderungen bestehen, lösen Sie sie mithilfe der Konfliktlösungsschnittstelle.

Screenshot des Git-Dialogfelds in Azure Databricks.

Ziehen Sie regelmäßig, insbesondere vor Beginn neuer Arbeiten, um Integrationsprobleme zu minimieren. Wenn Sie Änderungen abrufen, die den Quellcode des Notizbuchs ändern, wird der Notizbuchstatus zurückgesetzt. Das bedeutet, dass die Zellenausgaben, Kommentare und der Versionsverlauf für dieses Notizbuch den aktualisierten Inhalt wiedergeben.

Halten Sie Ihr Repository organisiert

Ein gut organisiertes Repository erleichtert die Zusammenarbeit und reduziert Verwirrung. Wenden Sie diese Methoden an, um eine übersichtliche, navigierbare Codebasis beizubehalten:

  • Verwenden Sie .gitignore Dateien , um Dateien auszuschließen, die nicht nachverfolgt werden sollten, z. B. temporäre Ausgaben, Anmeldeinformationen oder umgebungsspezifische Konfigurationen. Dateien, die bereits von Git nachverfolgt werden, müssen explizit entfernt werden, bevor .gitignore auf sie angewendet wird.
  • Strukturieren Sie Ordner logisch , indem Sie verwandte Notizbücher, Bibliotheken und Konfigurationsdateien gruppieren. Git-Ordner unterstützen das Erstellen von Strukturen in jeder Tiefe unter Ihrem Benutzerverzeichnis.
  • Entfernen Sie veraltete Branches von Ihrem Git-Anbieter nach dem Zusammenführen, um die Branch-Liste verwaltbar zu halten. Lokale Zweige bestehen bis zu 30 Tage nach dem Löschen des Remote-Zweigs.

Hinweis

Git-Ordner weisen Größenbeschränkungen auf. Arbeitszweige sind auf 1 GB begrenzt, und Databricks empfiehlt, die Gesamtzahl der Assets unter 20.000 zu halten. Bei großen Repositorys sollten Sie ein sparses Checkout verwenden, um nur mit den benötigten Verzeichnissen zu arbeiten.

Wenn alle einheitlichen Organisationspraktiken folgen, können Teammitglieder schnell finden, was sie benötigen, und verstehen, wie die Codebasis zusammenpasst.