# 快速开始：使用Aura端点运行DataFrame或SQL作业 #### 操作场景 AI DataLake支持提交DataFrame或SQL作业至Aura端点中运行，支持使用Python编辑器和DataArts Studio开发作业，DataArts Studio开发作业详细操作，请参见[快速上手使用AI DataLake查询数据](https://support.huaweicloud.com/qs-aidatalake/aidatalake_01_0030.html)。 本章节为您演示如何使用Python编辑器提交DataFrame作业，包括以下操作： 1.创建一张**data_frame_test_create_table** 表，表中包含**col_a** （int）和**col_b**（str）两列。 2. 向表中插入数据。 3. 查询表中插入的数据。 4. 删除表中的数据。 #### 前提条件 - 已创建工作空间，详细操作请参见[创建工作空间](https://support.huaweicloud.com/usermanual-aidatalake/aidatalake_01_0001.html)。 - 已创建计算资源，详细操作请参见[购买预留资源池](https://support.huaweicloud.com/usermanual-aidatalake/aidatalake_01_0040.html)。 - 已创建Aura端点，详细操作请参见[创建Aura引擎端点](https://support.huaweicloud.com/usermanual-aidatalake/aidatalake_01_0049.html)。 - 已获取用户的AK、SK信息。 1. 在管理控制台页面，鼠标移动至右上方的用户名，在下拉列表中选择"我的凭证"。 2. 单击"访问密钥"页签，单击"新增访问密钥"，输入验证码或密码。 3. 单击"确定"，生成并下载访问密钥。在.csv文件中获取用户的AK、SK信息。 #### 使用Python编辑器提交DataFrame作业至Aura端点运行 在Python环境下运行以下代码，即可实现DataFrame作业提交至Aura端点运行。相关端点信息通过**ai_lake.connect()**函数进行配置，同时建立与Aura端的连接。 **ai_lake.connect()** 相关参数说明请参见[表1]。 表1ai_lake.connect()接口参数信息 | 参数 | 含义 | |:---|:---| | aura_endpoint | 指定连接的Endpoint信息，请参见[地区和终端节点](https://console.huaweicloud.com/apiexplorer/#/endpoint/DataArtsFabric)获取。 | | aura_endpoint_id | 指定连接的Aura端点ID。 可登录AI DataLake控制台，在左侧导航栏选择"引擎管理 \> 多模数据引擎 Aura"，在Aura端点列表中的"名称/ID"列查看要运行作业的端点ID信息。 | | aura_workspace_id | 指定连接的工作空间ID。 可登录AI DataLake控制台，在左侧导航栏中，单击工作空间区域，在下拉列表中选择"工作空间管理"，在工作空间列表中的"空间名称/ID"列查看运行作业的Aura端点所在工作空间的ID信息。 | | aura_endpoint_name | 指定连接的Aura端点名。 | | lf_catalog_name | 指定连接的LakeFormation Catalog目录。 | | lf_instance_id | 指定LakeFormation实例的ID。 | | access_key | 指定连接的访问密钥ID。 | | secret_key | 指定连接的访问密钥。 | | security_token | 指定连接的安全令牌（仅在上述访问密钥ID，访问密钥是临时的情况下需要）。 | | logging_level | 指定日志级别。 | | verify | 指定连接的认证。 | | default_database | 指定连接默认使用的数据库名称。 | | use_single_cn_mode | 指定是否使用单cn模式。 | | api_version | 指定使用的API版本，默认为v2。 | ai_lake.connect()有两种不同的API接口，根据api_version参数的取值分为两种建立连接的方式，该参数默认为v2。 api_version="v1"：需要传入aura_endpoint_id，lf_instance_id和lf_catalog_name。 ``` from aura_frame.multimodal import ai_lake con = ai_lake.connect( aura_endpoint="xxx", aura_endpoint_id="endpoint-id", aura_workspace_id="workspace-id", lf_catalog_name="lf-name", lf_instance_id="lf-id", access_key='ak-xxxx', secret_key='sk-xxxx', default_database="postgres", use_single_cn_mode=True, api_version="v1" ) ``` api_version="v2"：需要传入aura_endpoint_name和lf_catalog_name。 ``` from aura_frame.multimodal import ai_lake con = ai_lake.connect( aura_endpoint="xxx", aura_endpoint_name="endpoint_name", aura_workspace_id="workspace-id", lf_catalog_name="lf-name", access_key='ak-xxxx', secret_key='sk-xxxx', default_database="postgres", use_single_cn_mode=True, api_version="v2" ) ``` 使用示例： ``` import ibis from aura_frame.multimodal import ai_lake def aura_connection(): con = ai_lake.connect( aura_endpoint="xxx", aura_endpoint_name="endpoint_name", aura_workspace_id="workspace-id", lf_catalog_name="lf-name", access_key='ak-xxxx', secret_key='sk-xxxx', default_database="postgres", use_single_cn_mode=True, api_version="v2" ) return con if __name__ == "__main__": table_name = "data_frame_test_create_table" db = "dataframe_test" set_schema_sql = "set current_schema=dataframe_test" # get connection aura_con = aura_connection() aura_con.sql(set_schema_sql) aura_con.drop_table(table_name, database=db, force=True) # create table aura_con.create_table(table_name, schema={"col_a": ibis.dtype("int64"), "col_b": ibis.dtype("string")}, database=db) # insert rows aura_con.sql("INSERT INTO dataframe_test.data_frame_test_create_table VALUES(1, 's1'), (2, 's2'), (3, 's3')") # select rows ds = aura_con.load_dataset(table_name, database=db) ds.select_columns([ds.col_a, ds.col_b]).show(3) # drop table aura_con.drop_table(table_name, database=db) aura_con.close() ``` DataFrame作业示例运行成功后，回显结果如下，例如： ``` [INFO] [Aura Frame] 2026-04-21 11:52:09 Setting guc options: 'SET timezone = UTC; SET obs_result_format = 2;SET current_schema = ffff;SET fq_query_vdn = 1;' [INFO] [Aura Frame] 2026-04-21 11:52:10 Created session 27b69c6c-0e69-4507-8e01-056517818006 successfully. [INFO] [Aura Frame] 2026-04-21 11:52:11 Dropping table dataframe_test.data_frame_test_create_table [INFO] [Aura Frame] 2026-04-21 11:52:11 Creating table dataframe_test.data_frame_test_create_table [INFO] [Aura Frame] 2026-04-21 11:52:11 CREATE TABLE "dataframe_test"."data_frame_test_create_table" ("col_a" BIGINT, "col_b" TEXT) [INFO] [Aura Frame] 2026-04-21 11:52:16 Loading dataset dataframe_test.data_frame_test_create_table [INFO] [Aura Frame] 2026-04-21 11:52:21 SQL statement for executing: SELECT * FROM "dataframe_test"."data_frame_test_create_table" AS "t0" LIMIT 3 [INFO] [Aura Frame] 2026-04-21 11:52:25 Running SQL statement, id is c8ec7709-7825-4c53-b3bc-cbbedae85bba col_a col_b 0 1 s1 1 2 s2 2 3 s3 [INFO] [Aura Frame] 2026-04-21 11:52:25 Dropping table dataframe_test.data_frame_test_create_table ```