Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
Importante
Esta característica se encuentra en su versión beta. Para habilitarlo, configura tu canalización en el canal Preview y establece la configuración de la canalización pipelines.rewind.betaEnabled en true. Vea Requisitos.
Una mala transformación, un lote mal formado de registros de origen o un cambio inesperado en el esquema pueden hacer que las tablas de una canalización sean incorrectas a partir de un momento determinado en adelante. Retrocede la canalización a un punto anterior al problema para que puedas implementar una corrección y reprocesar solo los datos afectados.
Rewind restaura las versiones de la tabla, los desplazamientos de fuente de streaming y el estado del operador juntos, de modo que la reproducción no omite registros ni escriba duplicados. Tres operaciones reprocesan datos y resuelven diferentes problemas:
- Rewind se usa en una canalización recuperable que generó datos incorrectos a partir de un momento conocido, por ejemplo, tras una transformación defectuosa, una entrada con formato incorrecto o un despliegue de código defectuoso. Restaura los datos de la tabla, los desplazamientos de fuente y el estado del operador a un punto anterior al problema y reprocesa solo los datos afectados, manteniendo el estado del operador. Los datos anteriores a ese punto permanecen intactos.
- La actualización completa reconstruye una tabla a partir de todos los datos de origen disponibles y descarta su contenido actual. Úsala para recalcular todo desde cero, o cuando un cambio de código no sea compatible con el estado existente.
- El reinicio de puntos de control recupera una tubería cuyo punto de control es inválido o corrupto, o que está bloqueado por un cambio de código incompatible con puntos de control. Reinicia el punto de control y continúa hacia adelante preservando el contenido actual de la tabla. Rewind no puede recuperar estos casos, porque no relaja las reglas de compatibilidad de Structured Streaming.
Requisitos
| Requirement | Detail |
|---|---|
| Canal | El canal debe estar en el canal Preview. Consulte Configuración de canalizaciones. |
| Configuración | Establece la configuración del pipelines.rewind.betaEnabled pipeline en true y luego ejecuta el pipeline una sola vez. Cada flujo solo se puede rebobinar después de completar una actualización con el viaje en el tiempo activado. |
| Modo de canalización | Canales activados y continuos. No se soporta el modo en tiempo real. |
| Sources | Tablas Delta, tablas de streaming, Kafka y Auto Loader. |
| Objetivos | Tablas de streaming y vistas materializadas. |
| Flows | Flujos en streaming y caudales de captura de datos de cambio automático (CDC), incluyendo objetivos SCD Tipo 1 y SCD Tipo 2. Se admiten consultas con estado como agregaciones, uniones y deduplicación. |
Cada flujo en la tubería debe cumplir estos requisitos. Mientras pipelines.rewind.betaEnabled sea true, un canal que contenga un flujo que no cumpla los requisitos fallará en sus actualizaciones. Confirma que cada flujo cumple con los requisitos anteriores antes de habilitarlo.
Note
Una canalización que tiene pipelines.rewind.betaEnabled establecida en true no puede volver al canal «Current» hasta que el canal «Current» se actualice a un entorno de ejecución que admita el rebobinado.
Cómo funcionan el rebobinado y la repetición
El retroceso y la repetición son pasos separados.
Rebobinar restaura cada tabla a la versión que tenía en un punto de rebobinado y restablece los puntos de control de transmisión que registran hasta dónde ha llegado cada flujo. Tus transformaciones no se ejecutan y no se reprocesa ningún dato fuente.
La repetición de la ejecución se produce la próxima vez que se ejecute el pipeline. Reprocesa desde el punto de reversión usando la definición actual de la canalización, hasta alcanzar el estado actual, y luego reanuda el procesamiento incremental normal. Rewind no inicia la canalización, así que iníciala tú mismo cuando estés listo.
El canal genera puntos de rebobinado automáticamente, aproximadamente una vez por hora, y los conserva durante 7 días. Un canal que acaba de crear no tiene nada a lo que rebobinarse hasta que genere su primer punto de rebobinado.
El rebobinado de un conjunto de datos también rebobina todo lo que se encuentra a continuación en la misma canalización. Rewind cubre solo una canalización. No se coordina con otras canalizaciones ni con lectores externos de las mismas tablas, así que gestiónalos por separado.
Revertir una canalización mediante la interfaz de usuario
La UI y Genie son las principales formas de usar Rewind. La interfaz enumera los puntos de reversión disponibles e indica qué conjuntos de datos afecta cada uno antes de confirmar.
- En la página de la canalización, haz clic en el botón
situado junto a Ejecutar canalización y, a continuación, haz clic en Rebobinar canalización.
- Selecciona un punto de retroceso o usa un acceso directo como Retroceder hasta ayer o Retroceder hasta el punto más reciente. Haga clic en Siguiente.
- Selecciona qué tablas incluir. Utiliza la vista de grafo para seleccionar conjuntos de datos en el grafo de la pipeline, o la vista de lista para seleccionarlos de una tabla. Deja seleccionada la opción Restablecer todos los puntos de control (valor predeterminado) para restaurar los desplazamientos de origen y el estado de los operadores junto con los datos de la tabla, de modo que la canalización vuelva a procesar a partir del punto de rebobinado. Borra para restaurar solo los datos de la tabla, sin reprocesar, por ejemplo cuando quieres restaurar el contenido de una tabla pero no quieres reprocesar los datos afectados. Esta configuración debe ser la misma para una tabla y sus elementos ascendentes, y no se puede desactivar en un flujo que lea una fuente externa, como Kafka o Auto Loader. Haga clic en Siguiente.
- Revisa el punto de retroceso, la configuración del punto de control y los conjuntos de datos afectados, y luego haz clic en Rebobinar.
Inicie el pipeline para reproducir los datos.
Puedes rebobinar varias veces. Cada rebobinado reemplaza al anterior, así que puedes recuperarte si una repetición falla rebobinando en otro punto.
Rebobinar un pipeline usando la API, CLI o SDK
Además de la interfaz de usuario y Genie, puede desencadenar una reversión mediante programación con la CLI de Databricks, la API REST o el SDK de Python. Utilice la ruta programática para la automatización, como un trabajo de remediación, un entorno de pruebas o un orquestador.
Un rebobinado es una única actualización de pipeline cuyo cuerpo de solicitud lleva un rewind_spec. Los campos del conjunto rewind_spec reflejan las mismas opciones que selecciona en la interfaz: el punto al que retroceder, los conjuntos de datos a incluir y si reiniciar los puntos de control. Replay es la siguiente actualización que envías sin rewind_spec, que es el equivalente en la API de iniciar la pipeline. Rewind no inicia el pipeline por ti.
Puedes seleccionar cualquiera de los siguientes:
-
Un punto de rebobinado (recomendado ). Configure
rewind_point_iden uno de los puntos de reversión que generó la canalización. Esta es la misma elección que toman la interfaz y Genie. El punto de reversión ya registra la versión de la tabla y el punto de control para restaurar en cada conjunto de datos, así que la reversión restaura exactamente ese estado. Ver Encontrar un punto de rebobinado. -
Una marca de tiempo. Configura
rewind_timestampen un punto arbitrario en el tiempo en el que ningún punto de rebobinado generado coincida con el estado que quieres. Usted elige la marca de tiempo. Consulte Rebobine a una marca de tiempo.
Encuentra un punto de rebobinado
La tubería registra cada punto de rebobinado como un rewind_summary evento en su registro de eventos. El id del evento es el rewind_point_id. Cada punto de rebobinado periódico registra la versión actual de cada tabla en la pipeline. Una simulación también registra un punto de reversión, según el estado que validó. Para listar los puntos de rebobinado de los últimos 7 días, ejecuta una consulta como la siguiente:
SELECT id AS rewind_point_id, timestamp, message
FROM event_log('<pipeline-id>')
WHERE event_type = 'rewind_summary'
AND details:rewind_summary.dry_run = true
AND timestamp > current_timestamp() - INTERVAL 7 DAYS
ORDER BY timestamp DESC;
Los puntos de rebobinado periódicos muestran el mensaje Periodic rewind summary capturing current table versions. Para deshacer datos incorrectos, elija el punto de rebobinado más reciente cuyo timestamp sea anterior a la escritura de los datos incorrectos.
Si el ID no coincide con un rewind_summary evento en el registro de eventos de la pipeline, el retroceso falla con INVALID_REWIND_SPECIFICATION.REWIND_POINT_NOT_FOUND.
Rebobinar el cuerpo de la solicitud
Para rebobinar un pipeline, envía una actualización con un cuerpo rewind_spec como el siguiente:
Punto de rebobinado
{
"cause": "USER_ACTION",
"rewind_spec": {
"rewind_point_id": "<rewind-point-id>",
"datasets": [
{
"identifier": "catalog.schema.table",
"cascade": true,
"reset_checkpoints": true
}
],
"dry_run": false
}
}
Timestamp
{
"cause": "USER_ACTION",
"rewind_spec": {
"rewind_timestamp": "2026-09-29 08:36:55",
"datasets": [
{
"identifier": "catalog.schema.table",
"cascade": true,
"reset_checkpoints": true
}
],
"dry_run": false
}
}
Rebobinar con el CLI
La CLI de Databricks pasa el cuerpo de la solicitud a través de --json. Para rebobinar una canalización, ejecute lo siguiente:
Punto de reversión
El comando databricks pipelines start-update elimina rewind_point_id del cuerpo de la solicitud. Envía la solicitud con databricks api post en su lugar, que pasa el cuerpo sin cambios:
databricks api post /api/2.0/pipelines/<pipeline-id>/updates --json @rewind.json --profile <profile>
Timestamp
databricks pipelines start-update <pipeline-id> --json @rewind.json --profile <profile>
Para reproducir los datos, inicie una actualización simple sin rewind_spec:
databricks pipelines start-update <pipeline-id> --profile <profile>
Para consultar periódicamente el estado de una actualización hasta que alcance un estado terminal, ejecuta lo siguiente:
databricks pipelines get-update <pipeline-id> <update-id> --profile <profile>
Rebobina con la API REST
Para rebobinar una pipeline, envía una POST solicitud al Start an update endpoint con el rewind_spec cuerpo. Por ejemplo:
Punto de rebobinado
curl -sS -X POST \
"https://<workspace-host>/api/2.0/pipelines/<pipeline-id>/updates" \
-H "Authorization: Bearer $DATABRICKS_TOKEN" \
-H "Content-Type: application/json" \
-d '{
"cause": "USER_ACTION",
"rewind_spec": {
"rewind_point_id": "<rewind-point-id>",
"datasets": [{"identifier": "catalog.schema.table", "cascade": true, "reset_checkpoints": true}],
"dry_run": false
}
}'
Timestamp
curl -sS -X POST \
"https://<workspace-host>/api/2.0/pipelines/<pipeline-id>/updates" \
-H "Authorization: Bearer $DATABRICKS_TOKEN" \
-H "Content-Type: application/json" \
-d '{
"cause": "USER_ACTION",
"rewind_spec": {
"rewind_timestamp": "2026-09-29 08:36:55",
"datasets": [{"identifier": "catalog.schema.table", "cascade": true, "reset_checkpoints": true}],
"dry_run": false
}
}'
Rebobinar con el SDK de Python
Punto de rebobinado
El helper tipado RewindSpec no incluye rewind_point_id. Envía la solicitud con el cliente REST autenticado del SDK en su lugar. Esto funciona en todas las versiones del SDK, incluyendo el databricks-sdk incluido con Databricks Runtime y cómputo sin servidor. Para rebobinar una canalización, ejecute lo siguiente:
from databricks.sdk import WorkspaceClient
w = WorkspaceClient() # In a notebook, authenticates as the notebook identity.
resp = w.api_client.do("POST", f"/api/2.0/pipelines/{pipeline_id}/updates", body={
"cause": "USER_ACTION",
"rewind_spec": {
"rewind_point_id": rewind_point_id,
"datasets": [{"identifier": root_table, "cascade": True, "reset_checkpoints": True}],
"dry_run": False,
},
})
print(resp["update_id"])
Timestamp
El helper tipado RewindSpec se corresponde directamente con el cuerpo de la solicitud. Requiere databricks-sdk 0,40 o más. Para rebobinar un pipeline, ejecuta lo siguiente:
from databricks.sdk import WorkspaceClient
from databricks.sdk.service.pipelines import StartUpdateCause, RewindSpec, RewindDatasetSpec
w = WorkspaceClient(profile="<profile>")
resp = w.pipelines.start_update(
"<pipeline-id>",
cause=StartUpdateCause.USER_ACTION,
rewind_spec=RewindSpec(
rewind_timestamp="2026-09-29 08:36:55",
datasets=[RewindDatasetSpec(
identifier="catalog.schema.table",
cascade=True,
reset_checkpoints=True,
)],
dry_run=False,
),
)
print(resp.update_id)
El databricks-sdk incluido en Databricks Runtime, incluyendo el proceso sin servidor, podría preceder al RewindSpec con tipo. En un cuaderno, utiliza el cliente REST autenticado, que está disponible en todas las versiones del SDK, para que no tengas que instalar un SDK más reciente:
from databricks.sdk import WorkspaceClient
w = WorkspaceClient() # Authenticates as the notebook identity.
w.api_client.do("POST", f"/api/2.0/pipelines/{pipeline_id}/updates", body={
"cause": "USER_ACTION",
"rewind_spec": {
"rewind_timestamp": rewind_timestamp,
"datasets": [{"identifier": root_table, "cascade": True, "reset_checkpoints": True}],
"dry_run": False,
},
})
Rebobinar la referencia de especificación
La siguiente tabla describe los campos en el rewind_spec cuerpo.
| Field | Description |
|---|---|
rewind_point_id |
id de un evento rewind_summary en el que se va a realizar la restauración. Consulta Buscar un punto de rebobinado. Establece exactamente uno de rewind_point_id o rewind_timestamp. |
rewind_timestamp |
El momento en el tiempo al que restaurar, en formato UTC yyyy-MM-dd HH:mm:ss. Consulte Rebobine a una marca de tiempo. Establece exactamente uno de rewind_point_id o rewind_timestamp. |
datasets |
La lista de conjuntos de datos para rebobinar. Omita la lista para rebobinar todos los conjuntos de datos de la canalización, cada uno con cascade y reset_checkpoints establecidos en true. |
datasets[].identifier |
El nombre totalmente cualificado del conjunto de datos para retroceder, en forma de catalog.schema.table. |
datasets[].cascade |
Si también se deben rebobinar cada conjunto de bajada de este en la canalización. Especifica este campo para cada conjunto de datos. Para una canalización lineal, configúrelo en true en el conjunto de datos raíz para reiniciar toda la canalización. |
datasets[].reset_checkpoints |
Si reiniciar los desplazamientos de la fuente de streaming y el estado del operador para que la reproducción se reprocese desde el punto de rebobinado. Esta es la configuración de Restablecer todos los puntos de control de la interfaz de usuario. Tiene como valor predeterminado true. Configúralo en false para restaurar solo los datos de la tabla, sin reprocesar. |
dry_run |
Si validar el rebobinado sin cambiar ninguna tabla. Tiene como valor predeterminado false. Consulte Practicar un rebobinado con una simulación. |
Warning
Cuando un conjunto de datos raíz lee una fuente externa como Kafka o Auto Loader, mantén reset_checkpoints establecido en true. La interfaz de usuario impide borrar Restablecer todos los puntos de control para estos orígenes, pero la API acepta una solicitud que establece reset_checkpoints en false. La solicitud se aceptada y el rebobinado puede iniciarse, pero la canalización falla después. Limite reset_checkpoints: false a conjuntos de datos que un flujo en streaming no lee.
Rebobinar hasta una marca temporal
Use rewind_timestamp cuando ningún punto de rebobinado generado coincida con el estado que quiere, por ejemplo para rebobinar hasta un punto entre dos puntos de rebobinado. Tú mismo pones la marca temporal. Sigue dos reglas:
- Elige un punto estrictamente entre dos commits, no uno que coincida con un commit. Una marca de tiempo que cae en una confirmación puede fallar en la reproducción. Usa el punto medio entre el último commit bueno y el primer commit malo.
- En una canalización que no se ha rebobinado ni actualizado, examine el flujo de datos de cambios a partir de la versión 1. La versión 0 no registra datos de cambio. Si la versión 1 es anterior al periodo de retención de archivos de la tabla (7 días de forma predeterminada), el examen falla, así que empiece desde la versión más antigua confirmada dentro de ese periodo.
La consulta de abajo, que encuentra las marcas de tiempo de confirmación, lee la fuente de distribución de datos de cambios (CDF) de la tabla de la canalización que quiere rebobinar, por lo que CDF debe estar habilitado en esa tabla. El rebobinado en sí no requiere CDF. Las pipelines lakeflow activan CDF en sus tablas por defecto, así que la consulta funciona sin configuración adicional. Si CDF se ha deshabilitado en la tabla, use un punto de retroceso o DESCRIBE HISTORY para elegir un punto en su lugar.
Empareja el filtro _change_type con el fallo que estás investigando: para insertos o actualizaciones defectuosas, conserva 'insert' y 'update_postimage'; para un borrado erróneo, filtra por 'delete' en su lugar, porque table_changes solo muestra las filas eliminadas con ese tipo de cambio. Para calcular una marca temporal intermedia a partir de un predicado que selecciona los datos incorrectos, ejecuta una consulta como la siguiente:
WITH onset AS ( -- The first commit that introduced the bad data.
SELECT min(_commit_version) AS first_bad_version,
min(_commit_timestamp) AS first_bad_ts
FROM table_changes('catalog.schema.table', 1) -- Start from version 1.
WHERE _change_type IN ('insert', 'update_postimage') -- Use ('delete') instead to find an erroneous delete.
AND (event_date >= '2026-09-29') -- Example predicate. Replace the condition in parentheses with one that selects the bad rows.
),
bounds AS (
SELECT first_bad_ts,
(SELECT max(h.timestamp)
FROM (DESCRIBE HISTORY catalog.schema.table) h
WHERE h.version < onset.first_bad_version) AS last_good_ts
FROM onset
)
SELECT date_format(
from_unixtime((unix_timestamp(last_good_ts) + unix_timestamp(first_bad_ts)) / 2),
'yyyy-MM-dd HH:mm:ss') AS rewind_timestamp
FROM bounds;
Si la canalización ya se ha rebobinado o actualizado, inicie el examen desde la última confirmación de RESTORE o de actualización para que no llegue más allá de la operación anterior.
Practicar un rebobinado con una simulación
Para validar un rebobinado sin cambiar ninguna tabla, establezca dry_run en true. La actualización se realiza mediante validación hasta el estado terminal COMPLETED sin modificar los datos. Utilice una simulación para confirmar que la canalización acepta el retroceso; luego, envíe la solicitud de nuevo con dry_run establecido en false.
Una simulación registra el rebobinado que validó como un evento de rewind_summary. Para aplicar exactamente ese rebobinado, por ejemplo tras una simulación con rewind_timestamp, envíe el rebobinado real con el id del evento como rewind_point_id. Un ensayo en seco que falla no bloquea las actualizaciones posteriores.
Cuando ejecutes ciclos sucesivos de rebobinado y repetición en automatización, haz una actualización completa entre ellos. Apilar un segundo retroceso y un reprocesamiento en una canalización sin una actualización completa entre medias puede duplicar las filas reprocesadas en las tablas de streaming posteriores.
Después de un retroceso
Un error en la reproducción deja el pipeline retrocedido, pero detenido. Corrige el código o los datos de origen e inicia la canalización para volver a intentarlo, o retrocede a un punto diferente. El pipeline no se revierte por sí solo, y los errores se muestran a través de los diagnósticos estándar del pipeline y del registro de eventos.
La reproducción solo tiene éxito si la definición actual de la tubería es compatible con el estado restaurado; el rebobinado no relaja las reglas de compatibilidad de Streaming Estructurado. Para qué cambios son compatibles, véase Tipos de cambios en consultas de streaming estructurado. Las vistas materializadas siguen una semántica de procesamiento por lotes y toleran cambios de esquema más amplios, pero siguen fallando si una dependencia es incompatible.
Un retroceso que falla a mitad de camino puede dejar el pipeline parcialmente retrocedido. Tiene dos opciones:
- Si retrocede de nuevo hasta el mismo punto o a otro, la tubería converge en ese punto.
- Para forzar que la canalización inicie una actualización normal a pesar del rebobinado incompleto, establece
pipelines.allowUpdateAfterIncompleteRewindentruey reinicia la canalización.
Note
Si falla un rebobinado o lo envía con un punto de rebobinado inválido, la canalización bloquea todas las actualizaciones posteriores que no sean rebobinados, incluyendo una actualización completa, hasta que vuelva a emitir un rebobinado válido. Cuando desencadena rebobinados mediante programación, confirme que rewind_point_id o rewind_timestamp se refiere a un punto válido antes de enviar la solicitud.
Cuánto retrocede puedes rebobinar
Los puntos de retroceso se mantienen durante 7 días. Dentro de esa ventana, un rebobinado falla si los datos que necesita ya han sido eliminados. Comprueba lo siguiente antes de usar la función de rebobinado:
-
VACUUMo undelta.deletedFileRetentionDurationcorto en tus tablas. Consulte Trabajar con el historial de tablas. - Retención de datos más corta que el intervalo que deseas rebobinar, como un tema de Kafka que conserva los datos durante un día.
Las canalizaciones con varias fuentes o largas cadenas de dependencias necesitan un mayor periodo de retención, porque cada tabla y punto de control tiene que retroceder hasta un punto coherente.
Limitaciones
- Rewind no puede restaurar un pipeline a un momento anterior a una actualización completa.
- Los puntos de restauración se conservan durante 7 días, y la reversión falla si el historial de la tabla o los datos de origen necesarios para alcanzar ese punto ya se han eliminado, por ejemplo, debido a
VACUUMo a un periodo de retención corto de los datos de origen. Mira hasta dónde puedes retroceder. - No se soporta el modo en tiempo real.
- Kinesis, Pulsar, Google Pub/Sub y fuentes personalizadas construidas con las APIs de fuentes de datos DSv2 o Python no son compatibles como fuentes.
- No se soportan sumideros externos ni personalizados, incluidos los sumideros definidos con
create_sink(). Consulte Uso de sinks en canalizaciones. - Las tablas de datos en streaming que usan un filtro de fila o una máscara de columna no se pueden rebobinar. Consulte cómo aplicar filtros de fila y máscaras de columna manualmente.
- El rebobinado con estado requiere el almacén de estados de RocksDB, que las tuberías usan por defecto. No se puede rebobinar un flujo configurado con un almacén de estado diferente.
- Algunas tablas de streaming de AUTO CDC necesitan una actualización antes de poder rebobinarse. La canalización te avisa cuando solicitas el retroceso.
- Las vistas materializadas pueden recalcularse completamente en lugar de refrescarse incrementalmente tras un retroceso. Consulte Actualización incremental para obtener vistas materializadas.
- Rewind se aplica a una sola canalización y no se coordina con lectores externos ni con otras canalizaciones que leen las mismas tablas.
- Rewind no restaura el código de la canalización, la configuración de la tubería ni los metadatos de objetos del Catálogo de Unity como etiquetas y concesiones.