#目的

すべてのData Platformノートブックには、Data Platform拡張機能が付属しています。これはJupyterLab内のコンパニオンパネルで、ノートブックにプラットフォームを提供します。ドキュメントを閲覧し、データセットやバケットを探索し、読み取り専用のSQLを実行し、自分のデータに接続された使用準備が整ったノートブックを開き、ジョブとして実行できるようになったらノートブックをカスタムアクションとしてエクスポートします。インストールするものは何もありませんし、認証情報を設定する必要もありません。ノートブックが開始するとすぐに動作します。

#拡張機能を開く

作業の好みに応じて、2つの方法で開くことができます。

• サイドパネル: JupyterLabの左サイドバーのData Platformアイコンをクリックします。パネルはノートブックの横に開きます。データを探索し、コードを書くことができます。上部バーの展開ボタンを使用して、フル幅のタブに切り替えることができます。
• フルビュー: JupyterLabランチャーのData Platformタイル（その他の下）をクリックします。

上部バーは常に利用可能です。グローバル検索フィールド、リフレッシュボタン（プラットフォームデータをリロードし、新しいテーブルを即座に表示）、および言語スイッチです。

#ドキュメント

ドキュメントタブには、ライブプラットフォームカタログが表示されます。完全なアクションシナリオ、SDKスニペット、PySparkセクション、FAQなど、プラットフォームコンソールのヘルパーを駆動する同じコンテンツが表示されます。常に最新の状態です。

各スニペットにはコピーボタンと、完全なドキュメントページへのリンクがあります。テーブルピン（後述のデータを参照）と組み合わせると、スニペットには実際のデータセットとテーブル名が入力されます。コピーしたものは、ノートブックでそのまま実行できます。

#データ: データセットを閲覧

データタブには、Lakehouse Managerで見るのと同じプロジェクトのデータセットが一覧表示されます。データセットを開いてテーブルを閲覧します。テーブルが何千もあっても、検索は即座に行われます。

テーブルを展開すると、通常コンソールを開くために開くすべてのものが表示されます。

#SQL: Jupyterを離れずにクエリを実行

SQLタブは、読み取り専用のSQLでデータセットをクエリするための軽量エディタです。データセットを選択し、SELECTを入力し、実行をクリック（またはCmd/Ctrl+Enterを押す）と、実行時間とともに結果が表示されます。

いくつかのガードレールで安全かつ高速に保たれます。

• 受け入れられるのはSELECTクエリのみです。ここからは何も変更できません。
• 行の制限を忘れた場合は、自動的に追加されます。
• 任意の結果のノートブック用にコピーをクリックすると、ノートブックセルでクエリを再現するための正確なSDKコードが提供されます。

#バケット: ファイルを探索

バケットタブは、プロジェクトのバケット上のファイルエクスプローラーです。フォルダをナビゲートし、ファイルサイズを確認できます。各ファイルには、ノートブックから読み取るためのコピー準備が整ったスニペットが付属しています。

#ノートブックギャラリー

ギャラリーは、パックに組織化された使用準備が整ったノートブックのセットです。作成＆開くをクリックすると、ポップアップが表示され、次のことを選択できます。

• プロジェクトの実際のテーブルに接続: ノートブックはデータに接続された状態で開き、上から下まで実行できるようになります。
• プレースホルダーを保持: 後で適応するための汎用テンプレートが提供されます。

ノートブックはホームフォルダに作成され、JupyterLabタブとして即座に開きます。

ギャラリーはノートブックイメージに適応します。Data ScienceおよびTensorFlowノートブックにはMLノートブックが表示され、PySparkノートブックにはPySparkスターターが表示されます。

#ノートブックをカスタムアクションとしてエクスポート

ノートブックのコードがジョブとして実行できるようになったら、拡張機能を使用して Custom action に変換できます。JupyterLab を離れることなく、コードをコピーすることなく実行できます。

エクスポートを開始し、エクスポートフォームに必要事項を入力します。

1. エクスポートする ノートブック を選択します。
2. アクションをエクスポートする Data Processing Engine のリポジトリ を選択します。
3. 新しいカスタムアクションを作成する か、このエクスポートで 既存のアクションを置き換える かを選択します。
4. アクションに 名前 を付け、その種類を選択します: Custom Python または Custom PySpark です。
5. プレビュー をクリックします。

プレビューでは、作成される内容がまとめられます: ターゲットリポジトリとバージョン、アクション名と種類、エントリ関数、コードサイズ、およびノートブックの pip installs から検出された依存関係が、自動的にアクションの依存関係に変換されます。要約の下で、生成されたコードを確認できます: コード以外のセルは削除され、コードはアクション形式に合わせて def customfunc(event): エントリ関数でラップされます。

結果に満足しましたか? アクションを作成 をクリックします。アクションは、他のカスタムアクションと同様に Actions 画面で利用可能になります: 設定、実行、または workflow でスケジュールします。

#あらゆるものを検索

上部の 検索バー は、拡張機能全体を一度に検索します: ドキュメントのスニペット、データセット、閲覧したテーブル、およびバケットです。結果は種類ごとにグループ化されます。テーブルをクリックすると、詳細が展開された状態で直接開きます。

#さらに深く学ぶ

ソリューションの実装に関するトレーニングや技術サポートが必要な場合は、営業担当者にお問い合わせください、または このリンク をクリックして、プロフェッショナルサービスの専門家にプロジェクトのカスタム分析を依頼し、見積もりを取得してください。

Data Platform を構築するチームと直接やり取りし、質問をしたり、フィードバックを送信したり、 専用の Discord チャネル で交流してください。

OVHcloud サービスに関するサポートが必要な場合は、ヘルプセンター でリクエストを作成してください。

ユーザーコミュニティ に参加してください。