Fabric Runtime 1.3
Fabric Runtime tilbyder en problemfri integration med Azure. Det giver et sofistikeret miljø til både datakonstruktions- og datavidenskabsprojekter, der bruger Apache Spark. Denne artikel indeholder en oversigt over de vigtigste funktioner og komponenter i Fabric Runtime 1.3, den nyeste kørsel af big data-beregninger.
Fabric Runtime 1.3 indeholder følgende komponenter og opgraderinger, der er designet til at forbedre dine databehandlingsfunktioner:
- Apache Spark 3.5
- Operativsystem: Mariner 2.0
- Java: 11
- Scala: 2.12.17
- Python: 3.11
- Delta Lake: 3.1
- R: 4.3.3
Bemærk
Fabric Runtime 1.3 er i øjeblikket i en offentlig prøveversionsfase. Integrationer med VSCode og Low Shuffle Merge understøttes ikke i den offentlige prøveversion.
Brug følgende instruktioner til at integrere runtime 1.3 i dit arbejdsområde og bruge de nye funktioner:
- Gå til fanen Indstillinger for arbejdsområde i dit Fabric-arbejdsområde.
- Gå til fanen Dataudvikler ing/Videnskab, og vælg Spark Indstillinger.
- Vælg fanen Miljø .
- Under rullelisten Kørselsversioner skal du vælge 1.3 Offentlig prøveversion (Spark 3.5, Delta 3.1) og gemme dine ændringer. Denne handling angiver 1.3 som standardkørsel for dit arbejdsområde.
Du kan nu begynde at arbejde med de nyeste forbedringer og funktioner, der er introduceret i Fabric runtime 1.3 (Spark 3.5 og Delta Lake 3.1).
Tip
Hvis du vil have opdaterede oplysninger, en detaljeret liste over ændringer og specifikke produktbemærkninger til Fabric-kørsel, skal du kontrollere og abonnere på Spark Runtimes-udgivelser og Opdateringer.
Centrale punkter
Apache Spark 3.5
Apache Spark 3.5.0 er den sjette version i 3.x-serien. Denne version er et produkt af omfattende samarbejde inden for open source-community'et, der løser mere end 1.300 problemer som registreret i Jira.
I denne version er der en opgradering i kompatibilitet til struktureret streaming. Denne version udvider desuden funktionaliteten i PySpark og SQL. Den tilføjer funktioner som SQL-id-delsætningen, navngivne argumenter i SQL-funktionskald og medtagelse af SQL-funktioner til omtrentlige sammenlægninger af HyperLogLog. Andre nye funktioner omfatter også brugerdefinerede Python-tabelfunktioner, forenkling af distribueret træning via DeepSpeed og nye strukturerede streamingfunktioner, f.eks. vandmærkeoverførsel og dropDuplicatesWithinWatermark-handlingen .
Du kan kontrollere den komplette liste og detaljerede ændringer her: https://spark.apache.org/releases/spark-release-3-5-0.html.
Delta Spark
Delta Lake 3.1 markerer en kollektiv forpligtelse til at gøre Delta Lake kompatibel på tværs af formater, nemmere at arbejde med og mere effektiv. Delta Spark 3.1.0 er bygget oven på Apache Spark™ 3.5. Delta Spark maven-artefaktet er blevet omdøbt fra delta-core til delta-spark.
Du kan kontrollere den komplette liste og detaljerede ændringer her: https://docs.delta.io/3.1.0/index.html.
Bemærk
Del din feedback på Fabric Runtime på Ideas-platformen. Husk at nævne den version og udgivelsesfase, du refererer til. Vi værdsætter feedback fra community'et og prioriterer forbedringer baseret på afstemninger, så vi opfylder brugernes behov.
Relateret indhold
- Læs om Apache Spark Runtimes i Fabric – Oversigt, Versionering, Understøttelse af flere runtimes og opgradering af Delta Lake-protokollen
- Spark Core-migreringsvejledning
- Vejledninger til migrering af SQL, Datasæt og DataFrame
- Vejledning til struktureret overførsel af streaming
- Overflytningsvejledning til MLlib (Machine Learning)
- Migreringsvejledning til PySpark (Python on Spark)
- SparkR-migreringsvejledning (R on Spark)
Feedback
https://aka.ms/ContentUserFeedback.
Kommer snart: I hele 2024 udfaser vi GitHub-problemer som feedbackmekanisme for indhold og erstatter det med et nyt feedbacksystem. Du kan få flere oplysninger under:Indsend og få vist feedback om