Diciembre de 2019

  • Artículo

Estas características y las mejoras de la plataforma Azure Databricks se publicaron en diciembre de 2019.

Nota:

Las versiones se lanzan en fases. Es posible que su cuenta de Azure Databricks no se actualice hasta después de una semana o más de la fecha de lanzamiento inicial.

Databricks Connect admite ya Databricks Runtime 6.2

17 de diciembre de 2019

Databricks Connect ahora admite Databricks Runtime 6.2.

Configuración de clústeres con su imagen de contenedor mediante Databricks Container Services (disponibilidad general)

16 de diciembre de 2019: versión 3.7

Disponible con carácter general en Databricks Runtime 6.1 y la versión 3.7 de la plataforma Azure Databricks, los servicios de contenedor de Databricks le permite configurar un clúster con su propia imagen de contenedor. Puede empaquetar previamente entornos complejos dentro de un contenedor, publicarlo en un registro de contenedor popular como ACR, ECR o Docker Hub y, luego, hacer que Azure Databricks extraiga la imagen para crear un clúster. Algunos casos de uso de ejemplo son:

  • Personalización de la biblioteca: tendrá control total sobre las bibliotecas del sistema que desea instalar.
  • Entorno de contenedor modelo: la imagen de Docker es un entorno bloqueado que no cambia.
  • Integración de CI/CD de Docker: puede integrar Azure Databricks con las canalizaciones de CI/CD de Docker.

Hay muchos otros casos de uso, desde la especificación de la configuración hasta la instalación de paquetes de aprendizaje automático.

Para más información, consulte Personalización de contenedores con Databricks Container Service.

Disponibilidad general de Databricks Runtime 6.2 para Genomics

3 de diciembre de 2019

Databricks Runtime 6.2 para Genomics se basa en Databricks Runtime 6.2. Incluye muchas mejoras y actualizaciones de Databricks Runtime 6.1 for Genomics, por ejemplo:

  • Primera regresión logística
  • Métricas de control de calidad de las muestras definidas por el usuario
  • Mejora del rendimiento del transformador de canalización
  • Genotipos de combinación más sólidos
  • Integración simplificada con LOFTEE
  • Hail 0.26.0
  • Samtools 1.9

3 de diciembre de 2019

Ahora que el Conector de aprovisionamiento SCIM de Azure Databricks está disponible en la galería de aplicaciones de Microsoft Entra ID (anteriormente Azure Active Directory), es más fácil configurar el aprovisionamiento de usuarios y grupos desde Microsoft Entra ID a Azure Databricks. Para más detalles, consulte Configuración del aprovisionamiento de SCIM mediante Microsoft Entra ID (anteriormente Azure Active Directory).

Finaliza la compatibilidad con Databricks Runtime 5.3 y 5.4

3 de diciembre de 2019

La compatibilidad con las versiones 5.3 y 5.4 finalizó el 3 de diciembre. Consulte Ciclo de vida del soporte técnico de Databricks Runtime.

Databricks Runtime 6.2 ML (disponibilidad general)

3 de diciembre de 2019

Databricks Runtime 6.2 ML GA ofrece muchas actualizaciones de bibliotecas, entre las que se incluyen:

  • TensorFlow y TensorBoard: de 1.14.0 a 1.15.0.
  • PyTorch: de 1.2.0 a 1.3.0.
  • tensorboardX: de 1.8 a 1.9.
  • MLflow: de 1.3.0 a 1.4.0.
  • Hyperopt: 0.2-db1 con integraciones de MLflow de Azure Databricks.
  • mleap-databricks-runtime a 0.15.0 e incluye mleap-xgboost-runtime.

Para más información, consulte las notas completas de la versión Databricks Runtime 6.2 para Machine Learning (sin soporte).

Databricks Runtime 6.2 (disponibilidad general)

3 de diciembre de 2019

Databricks Runtime 6.2 GA ofrece nuevas características, mejoras y muchas correcciones de errores, entre las que se incluyen:

  • Combinación de solo inserción de Delta Lake optimizada

Para más información, vea las notas completas de la versión de Databricks Runtime 6.2 (sin soporte).

Databricks Connect admite ya Databricks Runtime 6.1

3 de diciembre de 2019

Databricks Connect ahora admite Databricks Runtime 6.1. Databricks Connect le permite conectar su IDE favorito (IntelliJ, Eclipse, PyCharm, RStudio, Visual Studio), un servidor de cuadernos (Zeppelin, Jupyter) y otras aplicaciones personalizadas a clústeres de Azure Databricks y ejecutar código de Apache Spark.