Configurer les tâches
Cette section couvre la création et la configuration de tâches.
A propos des tâches
Les tâches sont de courts blocs fonctionnels de code que vous pouvez regrouper dans un flux dans le cadre d'un travail ou promouvoir en tant que travail.
Les tâches sont les principaux éléments constitutifs de tous les workflows dans Oracle AI Data Platform Workbench. Le type de tâche détermine le type de code qu'il utilise. Dans le cadre d'un travail, vous connectez des tâches pour déterminer leur séquence et leur priorité lors de l'exécution du travail.
| Type de tâche | Description |
|---|---|
| Tâche Bloc-notes | Tâche enregistrée dans un bloc-notes auquel vous pouvez accéder |
| Tâche Python | Une tâche utilisant un fragment de code du langage de programmation Python |
| Condition IF/ELSE | Tâche qui utilise des conditions if/else |
| Tâche de travail imbriquée | Tâche qui utilise un travail existant et ses tâches comme tâche imbriquée |
| Tâche JAR | Tâche qui peut exécuter du code Scala ou Java compilé dans des fichiers JAR (Java Archive). |
Lorsque vous avez plusieurs tâches, vous pouvez créer des ensembles de dépendances de tâche dans lesquels la réussite ou l'échec d'une tâche peut déclencher les tâches suivantes dans l'ordre. Vous ne pouvez créer des dépendances que dans des travaux comportant plusieurs tâches. Reportez-vous à Création d'une tâche de bloc-notes.
Les tâches peuvent être exécutées en parallèle. Pour ce faire, vous pouvez faire en sorte que deux tâches ou plus dépendent de la réussite ou de l'échec d'une autre tâche dans le même workflow, ce qui les entraîne à s'exécuter en même temps.
Les tâches peuvent échouer en raison de problèmes transitoires, tels que les perturbations du réseau, l'indisponibilité des ressources ou les pannes de service temporaires. Dans ce cas, AI Data Platform Workbench relance automatiquement la tâche en fonction des stratégies de nouvelle tentative que vous configurez lors de sa création. Dans le cadre de ces stratégies, vous définissez les éléments suivants :
- Nombre de nouvelles tentatives : nombre maximal de tentatives.
- Intervalle entre les nouvelles tentatives : temps d'attente entre les nouvelles tentatives.
Outre les nouvelles tentatives de tâche standard, AI Data Platform Workbench prend également en charge la réinitialisation du délai d'expiration. Si une tâche dépasse sa limite de temps d'exécution en raison de contraintes de ressources ou d'un traitement lent et que vous souhaitez réessayer uniquement pour ces scénarios, vous pouvez déclencher automatiquement une nouvelle tentative. Ces stratégies de nouvelle tentative améliorent la résilience du workflow, garantissant ainsi que les tâches ont de meilleures chances de réussite sans intervention manuelle.
Quand et comment utiliser les journaux de calcul
Vous devez vérifier les journaux de calcul si votre tâche échoue avec des erreurs liées aux ressources ou au système, telles que des erreurs de manque de mémoire ou l'utilisation de la CPU dépassant les limites.
Consultez les journaux Spark si vous constatez des temps d'attente longs, des tentatives inattendues ou des goulets d'étranglement sur les performances des travaux. Ces journaux fournissent des informations sur les noeuds de processus actif et de pilote du cluster de calcul qui sous-tendent votre tâche et peuvent vous aider à identifier la source des problèmes potentiels.
Pour obtenir des instructions sur la vérification des journaux, reportez-vous à Surveillance d'un traitement de travail spécifique.
Vous devez disposer du droit d'accès RBAC de niveau calcul approprié pour visualiser les métadonnées et les journaux de l'instance de calcul associée au travail. Contactez l'administrateur pour obtenir ces droits d'accès si vous ne pouvez pas afficher les journaux de calcul. Pour plus d'informations, reportez-vous à A propos des droits d'accès.
Créer une tâche Python
Vous pouvez créer une tâche dans le cadre d'un travail de workflow qui utilise des scripts Python.
Créer une tâche de bloc-notes
Vous créez des tâches à l'aide des blocs-notes que vous avez créés dans AI Data Platform Workbench.
Créer une tâche de travail imbriquée
Vous pouvez utiliser un autre travail de workflow et ses tâches contenues en tant que tâche imbriquée dans un autre workflow.
Créer une tâche If/Else
Vous pouvez créer une tâche qui utilise des conditions if/else basées sur les données de catalogue pour déterminer si la tâche est déclenchée.
Créer une tâche JAR
Vous pouvez créer des tâches qui exécutent du code Scala ou Java compilé dans des fichiers JAR (Java Archive).
Remarques :
Les fichiers de bibliothèque dépendants doivent utiliser des versions de JDK, Scala ou Spark compatibles avec l'exécution du cluster Oracle AI Data Platform Workbench au moment de la création pour éviter tout comportement inattendu.Modifier une tâche
Vous pouvez modifier les attributs existants d'une tâche, tels que le nom, le type et les paramètres, afin de modifier le fonctionnement de cette tâche.
- Sur la liste d'accueil, cliquez sur Workflow.
- Cliquez sur le travail pour lequel vous voulez configurer des tâches.
- Dans l'onglet Tâches, cliquez sur la tâche à modifier.
- Dans le panneau Détails de la tâche à droite, modifiez les attributs de tâche selon vos besoins. Les modifications sont enregistrées automatiquement.
Afficher les journaux de tâches
Vous pouvez afficher les journaux d'exécution de tâches individuelles dans un travail.
- Sur la liste d'accueil, cliquez sur Workflows.
- Cliquez sur Exécutions de travail.
- Cliquez sur le travail pour lequel afficher les journaux de tâches.
- Cliquez sur les noeuds de tâche pour afficher les journaux de cette tâche.
