Připojení k Databricks pomocí tunelu SSH

Důležité

Tato funkce je v beta verzi.

Náklady a ceny funkcí ve verzi beta se mohou změnit.

Tunel Azure Databricks SSH (Secure Shell) propojuje Visual Studio Code, Cursor nebo váš terminál s pracovním prostorem Databricks a Azure Databricks serverless, serverless GPU nebo klasickým výpočetním zařízením. Použijte ho k úpravě souborů v pracovním prostoru a spuštění nebo ladění skriptů Python a poznámkových bloků, přičemž vaše prostředí Python a spouštění kódu jsou na vzdáleném výpočetním zařízení. Připojte se přímo k serverless výpočetnímu systému nebo nastavte znovupoužitelné SSH připojení k dedikovanému klasickému clusteru.

Požadavky

Spusťte SSH spojení z místního počítače. Tunel nelze spustit z jiného vzdáleného prostředí ani z Docker kontejneru.

Pro připojení k serverless nebo klasickým výpočetním prostředkům musíte mít:

Pokud se chcete připojit k výpočetním prostředkům GPU bez serveru, musí být povolená funkce AI Runtime. Viz AI Runtime.

Další požadavky pro classic compute

Připojení ke klasickému výpočetnímu prostředí (vyhrazenému pro jednoho uživatele):

Vyberte SSH spojení

Použijte metodu připojení pro typ výpočetní instance:

Compute Metoda připojení Požadavek na nastavení
Výpočetní prostředí bez serveru databricks ssh connect Není potřeba samostatný krok nastavení SSH.
Přidejte --ide vscode nebo --ide cursor pro spuštění IDE.
Výpočetní prostředí GPU bez serveru databricks ssh connect --accelerator <accelerator> Není potřeba samostatný krok pro nastavení SSH.
Přidejte --ide vscode nebo --ide cursor pro spuštění IDE.
Podporované akcelerátory najdete v --accelerator.
Klasické vyhrazené jednouživatelské výpočetní prostředí Spusťte databricks ssh setup --name <connection-name> v terminálu.
Pak spusťte SSH relaci z IDE nebo spusťte ssh <connection-name>.		 Vyberte dedikovaný jednouživatelský cluster, který splňuje klasické výpočetní požadavky.
Sdílené clustery nejsou podporovány.

SSH tunel a rozšíření Databricks IDE nejsou kompatibilní a neměly by být používány společně. Pro srovnání s Databricks Connect a dalšími vývojovými možnostmi viz Připojení z vašeho IDE.

Připojení k výpočetním prostředkům bez serveru

Po splnění výše uvedených požadavků spusťte databricks ssh connect ze svého terminálu nebo IDE.

Hodnota --ide určuje, který editor se spustí, bez ohledu na to, z kterého editoru nebo terminálu příkaz spustíte.

Visual Studio Code

databricks ssh connect --ide vscode

CLI otevírá okno Visual Studio Code připojené k vzdálenému výpočetnímu prostředí.

Cursor

databricks ssh connect --ide cursor

CLI otevře okno Cursor připojené ke vzdálenému výpočetnímu prostředí.

Terminal

databricks ssh connect

CLI spustí interaktivní SSH relaci.

Pro možnosti příkazů, včetně pojmenovaných připojení a autentizačních profilů, viz databricks ssh connect.

Po připojení otevřete svůj projekt v pracovním prostoru a vyberte prostředí Python. Pokud připojení selže, viz Řešení problémů s připojeními tunelu SSH.

Připojte se k bezserverovým výpočetním prostředkům GPU pomocí AI Runtime

S povoleným AI Runtime přidejte --accelerator pro výpočty na GPU:

databricks ssh connect --accelerator GPU_1xA10

databricks ssh connect poskytuje interaktivní relaci na jednom uzlu. Pro dlouhotrvající trénovací úlohy nebo víceuzlové distribuované trénování odešlete úlohu místo toho pomocí databricks air. Viz Use the Databricks CLI with AI Runtime.

Připojení ke klasickému výpočetnímu prostředí

Pro znovupoužitelné připojení ke klasickému dedikovanému clusteru nastavte název SSH hostitele, poté ho vyberte ve svém IDE nebo se připojte z terminálu.

Nastavení připojení SSH

Poznámka:

Nastavení připojení SSH se vyžaduje jenom v případě, že se připojujete ke klasickému výpočetnímu prostředí.

Spusť na svém lokálním počítači příkaz databricks ssh setup. Nahraďte <connection-name> jménem pro toto připojení, například my-connection:

databricks ssh setup --name <connection-name>

CLI vás vyzve k výběru clusteru a přidá položku hostitele do vaší SSH konfigurace. Můžete také přímo vybrat cluster. Nahraďte <cluster-id> ID vašeho dedikovaného clusteru:

databricks ssh setup --name <connection-name> --cluster <cluster-id>

Pro konfiguraci, jak dlouho SSH server čeká po odpojení posledního klienta, přidejte --shutdown-delay do příkazu pro nastavení. Výchozí hodnota je 10 minut. Například pro nastavení 30minutového zpoždění pro spojení přes tento záznam hostitele SSH:

databricks ssh setup --name <connection-name> --cluster <cluster-id> --shutdown-delay 30m

Poznámka:

Pro uživatele IntelliJ doporučuje Databricks přidat --auto-start-cluster=false do instalačního příkazu a spustit cluster ručně před připojením. Důvodem je to, že integrované vývojové prostředí JetBrains spouští všechny nakonfigurované clustery při spuštění, což může vést k neočekávaným poplatkům za výpočetní prostředky.

Připojení pomocí editoru Visual Studio Code nebo kurzoru

  1. Pro Visual Studio Code nainstalujte rozšíření SSH pro vzdálený přístup. Kurzor obsahuje vzdálené rozšíření SSH ve výchozím nastavení.

  2. V hlavní nabídce integrovaného vývojového prostředí klepněte na příkaz Zobrazit>paletu příkazů. Vyberte Remote-SSH: Nastavení. Případně můžete vybrat Předvolby: Otevřít uživatelská nastavení (JSON) a upravit settings.json ho přímo.

  3. V části Remote.SSH: Výchozí rozšíření (nebo remote.SSH.defaultExtensions v settings.json), přidat ms-Python.Python a ms-toolsai.jupyter.

    Pokud upravujete settings.json:

    "remote.SSH.defaultExtensions": [
    "ms-Python.Python",
    "ms-toolsai.jupyter"
]

    Poznámka:

    Volitelně můžete zvýšit hodnotu Remote.SSH: Časový limit připojení (nebo remote.SSH.connectTimeout v settings.json) a tím se dále sníží pravděpodobnost chyb časového limitu. Výchozí časový limit je 360.

  4. Na paletě příkazů vyberte Remote-SSH: Připojit k hostiteli.

  5. V rozevírací nabídce vyberte připojení, které jste nastavili v prvním kroku. Integrované vývojové prostředí se bude připojovat v novém okně.

Připojení pomocí prostředí IntelliJ IDEs

  1. Postupujte podle kurzu vzdáleného serveru a nastavte se.
  2. Na nové obrazovce připojení zadejte:
    • Uživatelské jméno: root
    • Hostitel: <connection-name>

Připojte se ke klasickému výpočtu z terminálu

Použijte název připojení, který jste nastavili pomocí databricks ssh setup:

ssh <connection-name>

Pro přímé připojení bez opakovaně použitelného SSH hostu můžete také použít CLI. Nahraďte <cluster-id> svým dedikovaným ID clusteru:

databricks ssh connect --cluster <cluster-id>

Viz databricks ssh connect.

Otevřít projekty pracovního prostoru přes SSH

Ve výchozím nastavení se databricks ssh connect příkaz otevře v dočasném adresáři. Pokud chcete získat přístup k souborům pracovního prostoru, přejděte do adresáře pracovního prostoru z integrovaného vývojového prostředí nebo terminálu:

  • V Visual Studio Code nebo kurzoru v paletě příkazů (Cmd/Ctrl+Shift+P) vyberte Otevřít složku a přejděte na /Workspace/Users/<your-username>.
  • V okně terminálu změňte adresář: cd /Workspace/Users/<your-username>.

Poznámka:

Soubory v /Workspace, /Volumes a /dbfs přetrvávají napříč restartováním clusteru. Soubory v /home, /roota další místní cesty jsou dočasné a ztraceny při restartování.

Spusťte Python a notebooky v SSH relaci

Před spuštěním kódu vyberte Python prostředí, které poskytuje vaše SSH relace. Pro klasické výpočty toto prostředí zahrnuje vestavěné knihovny Databricks Runtime a knihovny vázané na výpočetní prostředek.

  1. Otevřete paletu příkazů (Cmd/Ctrl+Shift+P) a vyberte Python: Vybrat interpret.

  2. pythonEnv-xxx Ze seznamu vyberte virtuální prostředí. Pokud nastavíte závislosti Pythonu pomocí příznaku --base-environment, vyberte v seznamu možností delší název virtuálního prostředí. Pokud se virtuální prostředí nezobrazí:

    1. Spusťte echo $DATABRICKS_VIRTUAL_ENV z terminálu v integrovaném vývojovém prostředí (IDE).

      Příklad výstupu: /local_disk0/.ephemeral_nfs/envs/pythonEnv-xxx/bin/python

    2. Celý výstup vložte jako cestu interpreta do výzvy Python: Vybrat interpret.

  3. Otevřete nový terminál a virtuální prostředí by se mělo aktivovat automaticky.

  4. Pokud chcete spustit poznámkový blok Jupyter, ujistěte se, že je virtuální prostředí vybrané jako jádro. V pravém horním rohu poznámkového bloku klikněte na Vybrat jádro .

Spouštějte a laděte soubory Pythonu a .ipynb poznámkové bloky pomocí standardních rozšíření Python a Jupyter.

Chcete-li použít Spark v souboru Pythonu v bezserverových výpočetních prostředích, inicializujte relaci explicitně:

from databricks.connect import DatabricksSession
spark = DatabricksSession.builder.serverless().profile("DEFAULT").getOrCreate()

Správa závislostí pro SSH relace

Vyberte správu závislostí podle typu vašeho výpočtu:

Pro balíčky mimo Python viz Závislosti mimo Python.

Základní prostředí pracovního prostoru (doporučeno pro bezserverové prostředí a AI Runtime)

Poznámka:

Tato funkce vyžaduje, aby byla povolena podpora bezserverového základního prostředí pracovního prostoru v úlohách ve verzi Preview. Viz Manage Azure Databricks preview.

Použijte základní prostředí pracovního prostoru s bezserverovým prostředím ve verzi 4 nebo nižší k předběžné konfiguraci závislostí Pythonu. SSH tunel nepodporuje --base-environment v serverless prostředí ve verzi 5 a vyšší. Vytvořte základní prostředí pomocí uživatelského rozhraní workspace nebo příkazu Databricks CLI databricks environments create-workspace-base-environment.

Při připojování zadejte prostředí pomocí --base-environment možnosti:

databricks ssh connect --base-environment my-workspace-env

Možnost --base-environment přijímá zobrazovací jméno, cestu YAML pracovního prostoru nebo ID zdroje. Nelze ji kombinovat s --cluster. Viz databricks ssh connect.

Knihovny clusteru (doporučeno pro klasické výpočetní prostředí)

Nainstalujte závislosti pomocí uživatelského rozhraní pracovního prostoru v části Výpočetní > knihovny. Ty přetrvávají i po restartu clusteru a jsou k dispozici v pythonEnv-xxx. Viz knihovny klastru.

Závislosti, které nejsou Python

Pokud chcete zachovat závislosti, které nejsou Python, použijte inicializační skript, který nainstaluje balíčky při spuštění výpočetních prostředků. Volitelně můžete balíčky uložit do svazku katalogu Unity a odkazovat na ně ze skriptu inicializace. Viz Co jsou inicializační skripty?.

nastavení poznámkového bloku specifického pro Project

Pro projektové závislosti spusťte notebook obsahující %pip install příkazy na začátku každé relace:

# Install from pyproject.toml
%pip install .

# Install from a requirements file
%pip install -r requirements.txt

# Install a wheel from Volumes or Workspace
%pip install /Volumes/catalog/schema/volume/your_library.whl

%pip Příkazy zahrnují mantinely specifické pro Databricks a šíří závislosti do uzlů exekutoru Sparku. To umožňuje uživatelem definované funkce (UDF) s vlastními závislostmi.

Další příklady najdete v tématu Správa knihoven pomocí %pip příkazů.

Není potřeba znovu spouštět setup notebook, pokud se znovu připojíte před tím, než se SSH server vypne. Ve výchozím nastavení se server vypne 10 minut po odpojení posledního klienta. Ke změně tohoto zpoždění použijte --shutdown-delay s příkazem pro váš způsob připojení:

  • Pro znovupoužitelné klasické výpočetní připojení nastavte zpoždění pomocí databricks ssh setup. Generovaný záznam hostitele SSH uplatní zpoždění, když se připojíte z IDE nebo spustíte ssh <connection-name>.
  • Pro přímé připojení CLI nastavte prodlevu pomocí databricks ssh connect.

Poznámka:

Několik relací SSH ve stejném clusteru sdílí jedno virtuální prostředí.

Použijte Git v SSH relaci

Poznámka:

Tato funkce vyžaduje, aby byla povolena preview funkce podpora Git CLI pro složky Git. Viz Manage Azure Databricks preview.

Rozhraní příkazového řádku Gitu můžete použít v tunelu SSH s nově vytvořenými složkami Gitu a přihlašovacími údaji Gitu, které jste nakonfigurovali v pracovním prostoru Databricks. Viz Použít příkazy Git CLI.

Pokud rozhraní příkazového řádku místo toho, aby přihlašovací údaje automaticky načetlo, zobrazí výzvu k jejich zadání, musíte k Databricks připojit svého poskytovatele Git. Viz Připojení poskytovatele Gitu k Databricks.

Omezení SSH tunelu

Tunel SSH poskytovaný službou Databricks má následující omezení:

  • Sdílené clustery nejsou podporovány.
  • Rozšíření Databricks IDE a SSH tunel zatím nejsou kompatibilní a neměly by být používány společně.
  • Soubory upravované mimo /Workspacea /Volumes/dbfs při restartování clusteru se ztratí.
  • Pro každý cluster je povoleno maximálně 10 připojení SSH.
  • Neaktivní relace mohou být po 1 hodině nečinnosti odpojeny.
  • Tunel SSH nelze spustit z jiných vzdálených prostředí ani kontejnerů Dockeru.
  • Pokud jsou současně otevřené tři nebo více poznámkových bloků Jupyter, může dojít k problémům s výkonem nebo připojením.

Chování zápisníku v SSH relacích

Při použití tunelu SSH existují některé rozdíly v noteboocích:

  • Soubory Pythonu nedefinují žádné globální objekty Databricks (například spark nebo dbutils). Je nutné je naimportovat explicitně pomocí from databricks.sdk.runtime import spark.
  • Pro ipynb notebooky jsou k dispozici tyto funkce:
    • Globální Databricks: display, displayHTML, dbutils, table, sql, udf, getArgument, sc, sqlContext, spark
    • %sql magický příkaz ke spouštění buněk SQL

Práce se zdrojovými poznámkovými bloky Pythonu:

  • Vyhledejte jupyter.interactiveWindow.cellMarker.codeRegex a nastavte ho na:

    ^# COMMAND ----------|^# Databricks notebook source|^(#\\s*%%|#\\s*\\<codecell\\>|#\\s*In\\[\\d*?\\]|#\\s*In\\[ \\])

  • Vyhledejte jupyter.interactiveWindow.cellMarker.default a nastavte ho na:

    # COMMAND ----------

Řešení problémů s připojením přes tunel SSH

Začněte projevem, který odpovídá selhání:

Symptom První kontrola
Připojení SSH selže nebo vyprší časový limit. Zkontrolujte přístup k pracovnímu prostoru přes HTTPS a WebSocket. Pro klasické výpočty také zkontrolujte stav clusteru a časový limit IDE. Viz připojení SSH selže nebo dojde k vypršení časového limitu.
CLI uvádí, že nemůže najít code. Nainstalujte příkaz shellu Visual Studio Code ve svém místním prostředí PATH. code nebyl nalezen.
Ověření CLI selhává. Zkontrolujte CLI profil a pro klasické výpočty i clusterová oprávnění. Vizte chyby ověřování CLI.
CLI hlásí invalid_grant s Refresh token is invalid. Znovu se přihlaste do pracovního prostoru se stejným CLI profilem a pak znovu zkuste připojení. Viz Refresh token je neplatný.
Python kód nebo poznámkové bloky selžou po připojení. Zkontrolujte vybraný interpreter nebo kernel notebooku. Viz Selhání kódu Pythonu nebo poznámkových bloků v relaci SSH.
Soubory zmizí po restartu clusteru. Zkontrolujte, zda soubory byly uloženy na dočasné lokální cestě. Viz Soubory zmizí nebo se prostředí resetuje po restartu clusteru.

SSH spojení selže nebo vyprší časový limit

  • U klasických výpočtů v uživatelském rozhraní pracovního prostoru ověřte, že cluster běží.
  • Zkontrolujte, zda vaše síť, VPN a firewall umožňují HTTPS a WebSocket provoz do vaší pracovní domény. SSH tunel nepoužívá port 22. Tuneluje veškerý provoz přes stejný HTTPS endpoint jako ostatní příkazy Databricks CLI. Viz Konfigurovat pravidla brány firewall pro názvy domén.
  • Pokud proxy nebo firewall kontroluje TLS provoz, zkontrolujte, zda povoluje požadavek na aktualizaci WebSocketu. Prostředník, který zablokuje nebo odstraní upgrade, způsobí selhání nebo časový výpadek spojení. Požádejte svého síťového administrátora, aby povolil aktualizace WebSocketu na vaší pracovní doméně, nebo aby obešel TLS inspekci pro tuto doménu.
  • Pokud se připojujete přes firemní HTTP proxy, nastavte proměnnou prostředí HTTPS_PROXY, nebo proměnnou NO_PROXY, aby se proxy pro doménu vašeho pracovního prostoru obešla. SSH tunel používá stejnou konfiguraci proxy jako ostatní příkazy Databricks CLI. Viz konfigurace proxy serveru.
  • Zkontrolujte, že váš lokální počítač má přístup přes HTTPS k github.com a release-assets.githubusercontent.com.
  • Zvyšte časový limit pro SSH Viz Připojení pomocí editoru Visual Studio Code nebo kurzoru.
  • V případě chyb neshod klíčů odstraňte ~/.databricks/ssh-tunnel-keys a znovu spusťte databricks ssh setup.
  • V případě chyb "Identifikace vzdáleného hostitele se změnila" zkontrolujte ~/.ssh/known_hosts soubor a odstraňte položky související s vaším clusterem.
  • Relace SSH se mohou po 1 hodině odpojit a k jednomu clusteru nelze navázat více než 10 připojení SSH. Viz omezení SSH tunelu.

code příkaz nenalezen

Pokud se zobrazí Error: exec: "code": executable file not found in $PATH, otevřete paletu příkazů (Cmd/Ctrl+Shift+P), vyberte příkaz prostředí Shell: Install 'code' command in PATH a restartujte své IDE nebo relaci terminálu.

Chyby při ověřování CLI

  • Přihlaste se do svého pracovního prostoru pomocí databricks auth login.
  • Pro klasické výpočty si ověřte, že máte na clusteru oprávnění CAN MANAGE.

Refresh token je neplatný

Pokud databricks ssh connect selže s chybami error getting token, invalid_grant a Refresh token is invalid, autorizační server odmítl uložený OAuth obnovovací token CLI. Přihlaste se znovu a získejte novou relaci:

  1. Identifikujte konfigurační profil pro pracovní prostor, ke kterému se chcete připojit:

    databricks auth profiles --skip-validate

  2. Přihlaste se znovu pomocí daného profilu. Nahraďte <workspace-url> adresou URL pracovního prostoru bez cesty /oidc/v1/token a <profile-name> odpovídajícím názvem profilu:

    databricks auth login --host <workspace-url> --profile <profile-name>

    Dokončete tok přihlášení v prohlížeči.

  3. Zkuste znovu spojení se stejným profilem:

    databricks ssh connect --ide vscode --profile <profile-name>

    Použít --ide cursor pro kurzor nebo vynechat --ide pro terminálovou relaci.

Pokud chyba přetrvává, zkontrolujte, že neúspěšný příkaz cílí na stejný pracovní prostor a profil, do kterého jste se právě přihlásili. Viz autentizace OAuth user-to-machine (U2M).

Python kód nebo notebooky selžou v relaci SSH

Soubory zmizí nebo se prostředí resetuje po restartu clusteru

  • Soubory v /Workspace, /Volumes a /dbfs připojených svazcích se zachovají napříč restartováním clusteru. Soubory v /home, /roota další místní cesty jsou dočasné a ztraceny při restartování.
  • Používejte správu knihovny clusteru pro trvalé závislosti. V případě potřeby automatizujte přeinstalace pomocí inicializačních skriptů. Viz Co jsou inicializační skripty?.

Instalace SSH selže na Windows (WSL)

Spusťte databricks ssh setup přímo na Windows, ne v rámci WSL. Instance Windows Visual Studio Code nemůže najít konfigurace SSH vytvořené na straně WSL.

časté otázky

Vyžadují bezserverové výpočty nastavení SSH?

No. Po instalaci a autentizaci Databricks CLI použijte databricks ssh connect pro serverless výpočetní výkon. Příkaz databricks ssh setup konfiguruje znovupoužitelné položky hostitele SSH pro classic dedicated compute.

Vyžaduje Databricks SSH tunel port 22?

No. SSH tunel přenáší provoz přes HTTPS do vaší domény pracovního prostoru a vyžaduje podporu WebSocketu. Vaše síť, VPN, firewall a proxy musí tento provoz umožňovat. Viz selhání připojení SSH nebo vypršení časového limitu.

Jak se tunel SSH liší od Databricks Connect?

Databricks Connect umožňuje psát kód pomocí rozhraní Spark API a spouštět je vzdáleně na výpočetních prostředcích Databricks místo v místní relaci Sparku. Rozšíření Databricks Visual Studio Code používá Databricks Connect k zajištění integrovaného ladění uživatelského kódu v Databricks.

SSH tunel vám umožňuje přístup do pracovního prostoru z vašeho IDE a přesouvá celé vývojové prostředí na výpočetní infrastrukturu. Python, jádro a spuštění kódu běží na Azure Databricks s přístupem k výpočetním zdrojům.

Jak je můj kód a data zabezpečená?

SSH provoz je šifrovaný end-to-end a kód běží na výpočetním systému Azure Databricks, ke kterému se připojíte. Autentizace využívá Databricks CLI a váš konfigurovaný profil pracovního prostoru. Viz Jaké metody ověřování jsou podporovány?.

Které ides se podporují?

Visual Studio Code a kurzor jsou oficiálně podporovány. Jakékoli integrované vývojové prostředí s funkcemi SSH je kompatibilní, ale testují se pouze VS Code a Cursor.

Jsou všechny funkce poznámkového bloku Databricks dostupné v integrovaném vývojovém prostředí (IDE)?

Některé funkce, jako display(), dbutils a %sql, jsou k dispozici s omezeními nebo manuálním nastavením. Viz Chování zápisníku v SSH relacích.

Spustí se cluster automaticky, když se připojím pomocí tunelu SSH?

Ano, ale pokud spuštění clusteru trvá déle, než je časový limit připojení, pokus o připojení selže. Chcete-li tomu zabránit, zvyšte hodnotu Remote.SSH: Časový limit připojení z palety příkazů (nebo remote.SSH.connectTimeout v settings.json) pro další snížení pravděpodobnosti chyb časového limitu.

Jak poznám, jestli je cluster spuštěný?

Přejděte do výpočetního prostředí v uživatelském rozhraní pracovního prostoru Databricks a zkontrolujte stav clusteru. Aby fungovalo připojení SSH, musí se u clusteru zobrazit Running.

Jak můžu odpojit relaci SSH/IDE?

Relaci můžete odpojit tak, že zavřete okno integrovaného vývojového prostředí (IDE), použijete možnost Odpojit v IDE, zavřete terminál SSH nebo spustíte příkaz exit v terminálu.

Jak zastavím cluster a vyhnem se poplatkům, když nepracuji?

Pokud chcete cluster okamžitě zastavit, ukončete ho z uživatelského rozhraní pracovního prostoru. V uživatelském rozhraní pracovního prostoru Databricks přejděte na Výpočetní prostředky , vyhledejte cluster a klikněte na Ukončit nebo Zastavit.

Nastavte v clusteru krátké zásady automatického ukončení z uživatelského rozhraní pracovního prostoru. Po odpojení SSH server počká na shutdown-delay dobu (výchozí: 10 minut), pak se použije časový limit nečinnosti clusteru.

Jak mám zpracovávat trvalé závislosti?

Po restartování clusteru dojde ke ztrátě závislostí nainstalovaných během relace. Pro požadavky a instalační skripty použijte trvalé úložiště (/Workspace/Users/<your-username>). Pro automatizaci používejte knihovny clusteru nebo inicializační skripty.

Jaké metody ověřování se podporují?

Ověřování používá rozhraní příkazového řádku Databricks a váš ~/.databrickscfg soubor profilů. Klíče SSH se zpracovávají tunelem SSH.

Můžu se z clusteru připojit k externím databázím nebo službám?

Ano, pokud vaše síť clusteru umožňuje odchozí připojení a máte potřebné knihovny.

Můžu použít další rozšíření IDE?

Většina rozšíření funguje při instalaci ve vzdálené relaci SSH v závislosti na integrovaném vývojovém prostředí a clusteru. Visual Studio Code ve výchozím nastavení nenainstaluje na vzdálené hostitele místní rozšíření. Můžete je ručně nainstalovat tak, že otevřete panel rozšíření a povolíte místní rozšíření na vzdáleném hostiteli. Visual Studio Code můžete také nakonfigurovat tak, aby vždy vzdáleně nainstalovala určitá rozšíření. Viz Připojení k Databricks.

Ano, správci pracovního prostoru však musí přidat na seznam povolených adresy URL tržišť rozšíření pro Visual Studio Code a Cursor. Místní počítač musí mít také možnost přistupovat k internetu.

  • Poslední aktualizace v