Poznámka:
Přístup k této stránce vyžaduje autorizaci. Můžete se zkusit přihlásit nebo změnit adresáře.
Přístup k této stránce vyžaduje autorizaci. Můžete zkusit změnit adresáře.
Tento článek popisuje informace o systémovém prostředí pro verzi 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 dostupné ve verzi 2 prostředí.
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 nyní povolen ve verzi 2 prostředí. 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:
DISTINCTINTERSECTEXCEPTUNIONDISTRIBUTE 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
VARIANTna datové typy, které nejsouVARIANT. - Pokud máte pole, která je nutné použít s některou z výše uvedených operací, extrahujte tato pole z datového typu
VARIANTa uložte je pomocí datových typů, které nejsouVARIANT.
Podívejte se na Dotaz na variantní data.
Notebooky jsou podporovány jako soubory pracovního prostoru.
23. ledna 2025
Notebooky jsou v prostředí verze 2 podporovány jako soubory pracovního prostoru. 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 zápisníku běžících na prostředí verze 2 byl přidán nový ukazatel průběhu úkolů. Tento indikátor průběhu označuje průběh provádění kódu Sparku v buňce.
Systémové prostředí
- operační systém: Ubuntu 22.04.4 LTS
- Python: 3.11.10
- Databricks Connect: 15.4.25
Nainstalované knihovny Pythonu
Pro reprodukci prostředí verze 2 ve vašem lokálním Python virtuálním prostředí si stáhněte soubor requirements-env-2.txt a spusťte pip install -r requirements-env-2.txt. Tento příkaz instaluje všechny knihovny z prostředí verze 2.
| Library | Version | Library | Version | Library | Version |
|---|---|---|---|---|---|
| asttokens | 2.0.5 | astunparse | 1.6.3 | azure-core | 1.32.0 |
| azure-storage-blob | 12.19.1 | azure-storage-file-datalake | 12.14.0 | black | 23.3.0 |
| 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 | 15.4.25 |
| databricks-sdk | 0.40.0 | debugpy | 1.6.7 | dekoratér | 5.1.1 |
| dill | 0.3.6 | 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 | 1.69.0 | grpcio-status | 1.69.0 | idna | 3.4 |
| importlib-metadata | 6.0.0 | 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 | jedi | 0.18.1 | jmespath | 0.10.0 |
| joblib | 1.2.0 | jupyter_client | 7.4.9 | jupyter_core | 5.3.0 |
| kiwisolver | 1.4.4 | matplotlib | 3.7.2 | matplotlib-inline | 0.1.6 |
| mlflow-skinny | 2.11.4 | mypy-extensions | 0.4.3 | nest-asyncio | 1.5.6 |
| numpy | 1.23.5 | 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 | 5.29.3 | 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 | 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 |
| setuptools | 75.1.0 | smmap | 5.0.1 | sqlparse | 0.5.1 |
| stack-data | 0.2.0 | statsmodels | 0.14.0 | tenacity | 8.2.2 |
| threadpoolctl | 2.2.0 | tokenize-rt | 4.2.1 | tornado | 6.3.2 |
| traitlets | 5.13.0 | typing_extensions | 4.10.0 | tzdata | 2022.1 |
| ujson | 5.4.0 | urllib3 | 1.26.16 | wcwidth | 0.2.5 |
| wheel | 0.38.4 | zipp | 3.11.0 | zstandard | 0.23.0 |