Bezserverové prostředí verze 2

Tento článek popisuje informace o systémovém prostředí pro bezserverové prostředí verze 2. K zajištění kompatibility aplikace používají bezserverové úlohy rozhraní API verze označované jako verze prostředí, které zůstává kompatibilní s novějšími verzemi serveru.

Pomocí bočního panelu Prostředí v bezserverových poznámkových blocích můžete vybrat základní prostředí, které obsahuje tuto verzi prostředí. Viz Výběr základního prostředí.

Nové funkce a vylepšení

Následující nové funkce a vylepšení jsou k dispozici v bezserverovém prostředí 2.

Řídicí panely, upozornění a dotazy se podporují jako soubory pracovního prostoru.

20. května 2025

Řídicí panely, výstrahy a dotazy se teď podporují jako soubory pracovního prostoru, což znamená, že s těmito objekty Databricks můžete pracovat prostřednictvím kódu programu jako s jakýmkoli jiným souborem, ať už je dostupný systém souborů pracovního prostoru. Podívejte se na to, co jsou soubory pracovního prostoru a programově interagovat se soubory pracovního prostoru.

Webový terminál aktivován na výpočetním prostředí bez serveru

3. dubna 2025

Webový terminál je teď povolený v bezserverovém prostředí verze 2. Další informace o tom, jak používat webový terminál, viz Spouštění příkazů shellu ve webovém terminálu Azure Databricks.

Datový typ VARIANT už nejde použít s operacemi, které vyžadují porovnání.

5. února 2025

V dotazech, které obsahují datový typ VARIANT, nelze použít následující klauzule ani operátory:

  • DISTINCT
  • INTERSECT
  • EXCEPT
  • UNION
  • DISTRIBUTE BY

Kromě toho nemůžete použít tyto funkce datového rámce:

  • df.dropDuplicates()
  • df.repartition()

Tyto operace provádějí porovnání a porovnávání, která používají datový typ VARIANT, vytváří nedefinované výsledky a nejsou podporovány v Databricks. Pokud používáte typ VARIANT v úlohách nebo tabulkách Azure Databricks, doporučuje Databricks následující změny:

  • Aktualizujte dotazy nebo výrazy tak, aby explicitně přetypovály hodnoty VARIANT na datové typy, které nejsouVARIANT.
  • Pokud máte pole, která je nutné použít s některou z výše uvedených operací, extrahujte tato pole z datového typu VARIANT a uložte je pomocí datových typů, které nejsouVARIANT.

Podívejte se na Dotaz na variantní data.

Notebooky jsou podporovány jako soubory pracovního prostoru.

23. ledna 2025

Poznámkové bloky jsou podporovány jako součást pracovního prostoru v bezserverovém prostředí 2. Poznámkové bloky můžete zapisovat, číst a odstraňovat programově stejně jako jakýkoli jiný soubor. To umožňuje programovou interakci s poznámkovými bloky odkudkoliv, kde je k dispozici systém souborů pracovního prostoru. Další informace najdete v tématu Programové vytváření, aktualizace a odstraňování souborů a adresářů.

Indikátor průběhu úkolu přidaný do bezserverového výpočetního prostředí

16. prosince 2024

Do buněk poznámkového bloku běžících v bezserverovém výpočetním prostředí verze 2 byl přidán nový indikátor průběhu úkolu. Tento indikátor průběhu označuje průběh provádění kódu Sparku v buňce.

bezserverový indikátor průběhu

Systémové prostředí

  • operační systém: Ubuntu 22.04.4 LTS
  • Python: 3.11.10
  • Databricks Connect: 15.4.5

Nainstalované knihovny Pythonu

Pokud chcete reprodukovat bezserverové prostředí 2 v místním virtuálním prostředí Pythonu, stáhněte requirements-env-2.txt soubor a spusťte pip install -r requirements-env-2.txt. Tento příkaz nainstaluje všechny opensourcové knihovny z bezserverového prostředí 2.

Library Version Library Version Library Version
asttokens 2.0.5 astunparse 1.6.3 autocommand 2.2.2
azure-core 1.31.0 azure-storage-blob 12.19.1 azure-storage-file-datalake 12.14.0
backports.tarfile 1.2.0 black 23.3.0 blinker 1.4
boto3 1.34.39 botocore 1.34.39 cachetools 5.5.0
certifi 2023.7.22 cffi 1.15.1 chardet 4.0.0
charset-normalizer 2.0.4 click 8.0.4 cloudpickle 3.0.0
comm 0.1.2 contourpy 1.0.5 kryptografie 41.0.3
cycler 0.11.0 Cython 0.29.32 databricks-connect 15.4.5
databricks-sdk 0.36.0 dbus-python 1.2.18 debugpy 1.6.7
dekoratér 5.1.1 dill 0.3.6 distlib 0.3.9
entrypoints 0.4 executing 0.8.3 facets-overview 1.1.1
filelock 3.13.4 fonttools 4.25.0 gitdb 4.0.11
GitPython 3.1.43 google-api-core 2.18.0 google-auth 2.35.0
google-cloud-core 2.4.1 google-cloud-storage 2.18.2 google-crc32c 1.6.0
google-resumable-media 2.7.2 googleapis-common-protos 1.65.0 grpcio 1.67.0
grpcio-status 1.67.0 httplib2 0.20.2 idna 3.4
importlib-metadata 6.0.0 importlib_resources 6.4.0 inflect 7.3.1
ipyflow-core 0.0.201 ipykernel 6.28.0 ipython 8.25.0
ipython-genutils 0.2.0 ipywidgets 7.7.2 isodate 0.7.2
jaraco.collections 5.1.0 jaraco.context 5.3.0 jaraco.functools 4.0.1
jaraco.text 3.12.1 jedi 0.18.1 jeepney 0.7.1
jmespath 0.10.0 joblib 1.2.0 jupyter_client 7.4.9
jupyter_core 5.3.0 keyring 23.5.0 kiwisolver 1.4.4
launchpadlib 1.10.16 lazr.restfulclient 0.14.4 lazr.uri 1.0.6
matplotlib 3.7.2 matplotlib-inline 0.1.6 mlflow-skinny 2.11.4
more-itertools 8.10.0 mypy-extensions 0.4.3 nest-asyncio 1.5.6
numpy 1.23.5 oauthlib 3.2.0 packaging 23.2
pandas 1.5.3 parso 0.8.3 pathspec 0.10.3
patsy 0.5.3 pexpect 4.8.0 pillow 10.3.0
pip 24.2 platformdirs 3.10.0 plotly 5.9.0
prompt_toolkit 3.0.48 proto-plus 1.25.0 protobuf 5.28.3
psutil 5.9.0 psycopg2 2.9.3 ptyprocess 0.7.0
pure-eval 0.2.2 py4j 0.10.9.7 pyarrow 14.0.1
pyasn1 0.4.8 pyasn1-modules 0.2.8 pyccolo 0.0.65
pycparser 2.21 pydantic 1.10.6 Pygments 2.15.1
PyGObject 3.42.1 PyJWT 2.3.0 pyodbc 4.0.39
pyparsing 3.0.9 python-dateutil 2.8.2 python-lsp-jsonrpc 1.1.2
pytz 2022.7 PyYAML 6.0 pyzmq 25.1.2
requests 2.31.0 rsa 4.9 s3transfer 0.10.3
scikit-learn 1.3.0 scipy 1.11.1 seaborn 0.12.2
SecretStorage 3.3.1 setuptools 75.1.0 six 1.16.0
smmap 5.0.1 sqlparse 0.5.1 ssh-import-id 5.11
stack-data 0.2.0 statsmodels 0.14.0 tenacity 8.2.2
threadpoolctl 2.2.0 tokenize-rt 4.2.1 tomli 2.0.1
tornado 6.3.2 traitlets 5.13.0 typeguard 4.3.0
typing_extensions 4.10.0 tzdata 2022.1 ujson 5.4.0
unattended-upgrades 0.1 urllib3 1.26.16 virtualenv 20.26.6
wadllib 1.3.6 wcwidth 0.2.5 wheel 0.38.4
zipp 3.11.0 zstandard 0.23.0