Versión DLT 2025.04

23 - 30 de enero de 2025

Estas características y mejoras se publicaron con la versión 2025.04 de DLT.

Versiones de Databricks Runtime usadas por esta versión

Channel:

• CURRENT (valor predeterminado): Databricks Runtime 15.4
• VERSIÓN PRELIMINAR: Databricks Runtime 15.4 o 16.1

Note

Dado que las versiones del canal DLT siguen un proceso de actualización gradual, las actualizaciones del canal se implementan en diferentes regiones en momentos diferentes. Es posible que su versión, incluidas las versiones de Databricks Runtime, no se actualice hasta una semana o más después de la fecha de lanzamiento inicial. A fin de buscar la versión de Databricks Runtime para una canalización, consulta información de Runtime.

Nuevas características y mejoras

• De forma predeterminada, las nuevas canalizaciones declarativas de Spark de Lakeflow admiten la creación y actualización de vistas materializadas y tablas de streaming en varios catálogos y esquemas. Este nuevo comportamiento predeterminado para la configuración de canalización requiere que los usuarios especifiquen un esquema de destino que se convierta en el esquema predeterminado de la canalización. El LIVE esquema virtual y la sintaxis asociada ya no son necesarios. Para más información, consulte Establecimiento del catálogo y el esquema de destino, Configuración de canalizaciones y esquema LIVE (heredado).

• La solicitud clone a pipeline en la API rest de Databricks ahora está disponible con carácter general. Puede usar esta solicitud para copiar una canalización existente que se publica en el metastore de Hive en una nueva canalización que se publica en el catálogo de Unity. Consulte Creación de una canalización de Unity Catalog mediante la clonación de una canalización de metastore de Hive.

• La compatibilidad con la visualización de métricas de carga de trabajo de streaming para las actualizaciones de canalización está en versión preliminar pública. Al ver las actualizaciones de las canalizaciones en la interfaz de usuario de Canalizaciones Declarativas de Spark de Lakeflow, ahora puede ver métricas como segundos de atraso, bytes de atraso, registros de atraso y archivos de atraso para cada flujo de transmisión en tiempo real de la canalización. Las métricas de streaming son compatibles con orígenes de Spark Structured Streaming, incluidos Apache Kafka, Amazon Kinesis y Auto Loader. Consulte Visualización de métricas de streaming.