云原生大数据计算服务 MaxCompute：Python UDF使用第三方包

前提条件

• 已安装Python环境。推荐使用Python 3。
• 已安装并配置MaxCompute客户端。客户端配置详情请参见安装并配置MaxCompute客户端。
• 如果您通过Python UDF使用需要编译的第三方包，请确认已安装pip、setuptools（通过pip install setuptools安装）和wheel（通过pip install wheel安装）。
• 如果您使用的第三方包为GDAL 3.0及以上版本，请确认已安装PROJ 6。
• 如果您通过Docker编译第三方包，请确认已安装Docker，详情请参见Docker安装文档。

使用Numpy包（Python 3 UDF）

您可以通过MaxCompute内置的Python 3环境使用Numpy包。MaxCompute内置的Python 2环境默认安装了Numpy，不需要手动上传Numpy包。通过Python 3 UDF使用Numpy包的步骤如下：

1. 以1.19.2版本为例，在PyPI页面的Download files区域，单击文件名后缀为cp37-cp37m-manylinux1_x86_64.whl的Numpy包进行下载。
   

   说明 其它后缀名称的包可能会加载失败。如果您需要选择其他版本，在PyPI页面左上角的Navigation区域，单击Release history即可查看历史版本。
2. 修改下载的Numpy包后缀为ZIP格式。
   例如numpy-1.19.2-cp37-cp37m-manylinux1_x86_64.zip。
3. 通过MaxCompute客户端上传Numpy包至MaxCompute项目空间。上传资源详情请参见资源操作。
   命令示例如下：

   ADD ARCHIVE D:\Downloads\numpy-1.19.2-cp37-cp37m-manylinux1_x86_64.zip -f;

4. 编写Python UDF脚本，保存为PY格式文件。
   假设此处保存的脚本名称为import_numpy.py。Python UDF脚本示例如下：

   from odps.udf import annotate
   
   @annotate("->string")
   class TryImport(object): #类名为TryImport。
       def __init__(self):
           import sys
           sys.path.insert(0, 'work/numpy-1.19.2-cp37-cp37m-manylinux1_x86_64.zip') #Numpy包，您只需要替换work/后边的包名即可。
   
       def evaluate(self):
           import numpy
           return "import succeed"

5. 通过MaxCompute客户端将import_numpy.py脚本以资源形式上传至MaxCompute项目空间。
   命令示例如下：

   ADD PY D:\Desktop\import_numpy.py -f;

6. 使用上传的import_numpy.py脚本及Numpy包，通过MaxCompute客户端注册自定义函数。注册函数详情请参见函数操作。
   假设注册的自定义函数名为numpy。命令示例如下：

   CREATE FUNCTION numpy AS 'import_numpy.TryImport' USING 'doc_test_dev/resources/import_numpy.py,numpy-1.19.2-cp37-cp37m-manylinux1_x86_64.zip';

   说明 注册函数时资源列表里需要加上Numpy包，例如numpy-1.19.2-cp37-cp37m-manylinux1_x86_64.zip。
7. 完成注册后您即可编写SQL语句调用新建的自定义函数。执行SQL语句时需要开启 Python3，详情请参见Python 3 UDF。

使用需要编译的第三方包

如果第三方包是PyPI页面中格式为TAR.GZ的压缩包，或从GitHub下载的源码包，这些包解压后的根目录下有时会存在setup.py文件。在使用这种类型的第三方包前，您需要先在与MaxCompute兼容的环境下将setup.py编译生成WHEEL包，然后再执行上传资源及注册函数操作，即可通过Python UDF调用第三方包。上传资源及注册函数操作请参见使用Numpy包（Python 3 UDF）。

确认环境满足兼容性要求后，以Linux系统为例，通过setup.py生成WHEEL包的步骤如下：

1. 将第三方包解压到本地，在系统的命令行窗口，切换路径至setup.py文件所在文件夹。
   例如，下载的包为GDAL-3.2.0.zip，解压后setup.py文件所在路径为D:\Downloads\GDAL-3.2.0，命令示例如下：

   cd D:\Downloads\GDAL-3.2.0

   
2. 在系统的命令行窗口，执行如下命令查看返回结果中是否有bdist_wheel。
   命令示例如下：

   python setup.py --help-command

   • 如果返回结果中有bdist_wheel，请执行步骤3。
   • 如果返回结果中没有bdist_wheel，您需要修改setup.py脚本，将脚本中的from distutils.core import setup修改为from setuptools import setup，然后再执行步骤3。
3. 在系统的命令行窗口，执行如下命令编译生成WHEEL包。

   python setup.py bdist_wheel 

   说明 WHEEL包在dist目录下。

使用依赖动态链接库的第三方包

通过Python UDF使用依赖so链接库的第三方包的操作步骤如下：

1. 查看依赖项。您可以在PyPI页面的Dependencies区域查看依赖项。
   例如GDAL 3.0.4的依赖项如下。

   说明 在图示中，依赖项包括libgdal和numpy。libgdal需要在镜像容器中通过编译GDAL源码得到，numpy需要在PyPI页面或通过Docker镜像容器下载Numpy包。
2. 下载Numpy包。
   您可以选择如下两种方式之一下载Numpy包：
   • 在PyPI页面的Download files区域，单击文件名后缀为cp37-cp37m-manylinux1_x86_64.whl的Numpy包进行下载。
     说明 需要注意的是，如果您的Python环境为Python 2，Numpy包需要在PyPI页面左侧的Navigation区域，单击Release history，选择1.16.6及之前版本，且后缀为cp27-cp27m-manylinux1_x86_64.whl的包进行下载。
   • 在Docker的quay.io/pypa/manylinux2010_x86_64镜像容器中，执行/opt/python/cp37-cp37m/bin/pip download numpy -d ./命令下载Numpy包到当前目录。
3. 编译so链接库。
   1. 下载GDAL 3.0.4源码并解压到本地。
   2. 使用Docker下载quay.io/pypa/manylinux2010_x86_64镜像容器，进入终端输入模式。
      命令示例如下：

      docker pull quay.io/pypa/manylinux2010_x86_64
      docker run -it quay.io/pypa/manylinux1_x86_64 /bin/bash

   3. 上传GDAL 3.0.4源码到镜像容器中。
      命令示例如下：

      docker cp ./gdal-3.0.4 <CONTAINER ID>:/opt/source/  

      CONTAINER ID获取方式请参见docker ps。
4. 在镜像容器中编译GDAL 3.0.4，操作详情请参见BuildingOnUnix。
   命令示例如下：

   # configure选项中需要指定安装PROJ 6的位置。
   ./configure --prefix=/path/to/install/prefix --with-proj=/path/to/install/proj6/prefix
   make
   make install
   export PATH=/path/to/install/prefix/bin:$PATH
   export LD_LIBRARY_PATH=/path/to/install/prefix/lib:$LD_LIBRARY_PATH
   export GDAL_DATA=/path/to/install/prefix/share/gdal
   # Test
   gdalinfo --version

   编译过程中可能出现如下报错：

   • configure: error: PROJ 6 symbols not found：GDAL 3.0及以上版本依赖PROJ 6，需要您下载安装PROJ 6。
   • fatal error: zlib.h: No such file or directory：改用yum install zlib-devel命令编译。
5. 使用Docker下载命令将两个so链接库（非软链接）下载到本机，在GDAL、PROJ 6安装目录的lib文件夹下获取libgdal.so和libproj.so。
6. 在镜像容器中制作GDAL WHEEL包。操作详情请参见BuildingOnUnix。
   命令示例如下：

   # 如果需要numpy支持，要先安装numpy。
   /opt/python/cp37-cp37m/bin/pip install numpy
   # 切换到GDAL源码目录下。
   cd swig/python
   # 生成WHEEL包，在dist目录下。WHEEL包示例：GDAL-3.0.4-cp37-cp37m-linux_x86_64.whl
   /opt/python/cp37-cp37m/bin/python setup.py bdist_wheel

7. 基于生成的so链接库文件、WHEEL包或Numpy包，再执行上传资源及注册函数操作，即可实现通过Python UDF使用第三方包。上传资源及注册函数操作请参见使用Numpy包（Python 3 UDF）。
   需要注意的是：

   • 在上传资源时，您需要以FILE资源形式上传libgdal.so和libproj.so，以ARCHIVE资源形式上传numpy-1.19.2-cp37-cp37m-manylinux1_x86_64.zip和GDAL-3.0.4-cp37-cp37m-linux_x86_64.zip。
   • 在注册函数时，您需要在函数资源列表中添加libgdal.so、libproj.so、numpy-1.19.2-cp37-cp37m-manylinux1_x86_64.zip和GDAL-3.0.4-cp37-cp37m-linux_x86_64.zip。

   Python UDF代码示例如下：

   # coding: utf-8
   from odps.udf import annotate
   from odps.distcache import get_cache_file
   
   def include_file(file_name):
       import os, sys
       so_file = get_cache_file(file_name, 'b')
       
       with open(so_file.name, 'rb') as fp:
           content=fp.read()
           so = open(file_name, "wb")
           so.write(content)
           so.flush()
           so.close()
   
   @annotate("->string")
   class TryImport(object):
       def __init__(self):
           import sys
           include_file('libgdal.so.26')
           include_file('libproj.so.15')
           sys.path.insert(0, 'work/GDAL-3.0.4-cp37-cp37m-linux_x86_64.zip') #编译后的GDAL包，您只需要替换work/后边的包名即可。
           sys.path.insert(0, 'work/numpy-1.19.2-cp37-cp37m-manylinux1_x86_64.zip') #Numpy包，您只需要替换work/后边的包名即可。
   
       def evaluate(self):
           from osgeo import gdal
           from osgeo import ogr
           from osgeo import osr
           from osgeo import gdal_array
           from osgeo import gdalconst
           return "import succeed"

   说明 运行时如果报错找不到libgdal.so.26、libproj.so.15，您需要修改libgdal.so、libproj.so为libgdal.so.26、libproj.so.15。