2020. augusztus

Ezek a funkciók és az Azure Databricks platform fejlesztései 2020 augusztusában jelentek meg.

Feljegyzés

A kiadások szakaszosak. Előfordulhat, hogy az Azure Databricks-fiók csak a kezdeti kiadási dátum után egy héttel frissül.

Fontos

A 3.26-os verzió csak Kanada középső és közép-indiai régióiban jelent meg az ügyfelek számára. A 3.26-os funkciók a 3.27 kiadásával egyidejűleg minden más régióban elérhetők lesznek.

A Token Management API általánosan elérhető, és a rendszergazdák a felügyeleti konzolon adhatják meg és vonhatják vissza a tokenekhez való felhasználói hozzáférést

2020. augusztus 26. – szeptember 1.: 3.27-es verzió

A jogkivonat-kezelés mostantól általánosan elérhető. Az Azure Databricks rendszergazdái a Token Management API-t és a Rendszergazda-konzolt használhatják felhasználóik Azure Databricks személyes hozzáférési jogkivonatainak kezelésére. Rendszergazdaként a következőkre van lehetőség:

• A felhasználók személyes hozzáférési jogkivonatainak monitorozása és visszavonása.
• A jövőbeni jogkivonatok élettartamának szabályozása a munkaterületen.
• Annak szabályozása, hogy mely felhasználók hozhatnak létre és használhatnak jogkivonatokat az Permissions API-val vagy a Rendszergazda konzolon.

A nyilvános előzetes verzióról a GA-ra való áttéréskor a Token Management API paramétert created_by módosították created_by_id, és hozzáadtak egy új paramétert created_by_username .

További információ: Személyes hozzáférési jogkivonatok figyelése és kezelése.

Üzenetek méretkorlátozása megnövelve a Shiny-alkalmazások esetén

2020. augusztus 26. – szeptember 1.: 3.27-es verzió

A Shiny-alkalmazások maximális alkalmazásmérete 10 MB-ról 20 MB-ra nőtt. Ha az alkalmazás teljes mérete meghaladja ezt a korlátot, tekintse át a javaslatokat a Shiny GYIK-ben.

Továbbfejlesztett útmutató fürtök helyi módban való beállításához

2020. augusztus 26. – szeptember 1.: 3.27-es verzió

A fürt felhasználói felületén:

• Ha 0 feldolgozóval rendelkező fürtöt hoz létre, megjelenik egy eszköztipp, amely a helyi mód használatát és a társított konfigurációs beállítást (spark.master local[*]) javasolja.
• A továbbiakban nem állíthat be spark.master local[*] fürtöt, kivéve, ha a fürtnek 0 feldolgozója van.

Futtatáshoz társított jegyzetfüzet verziójának megtekintése

2020. augusztus 26. – szeptember 1.: 3.27-es verzió

A Kísérletek oldalsávon mostantól megjelenítheti a futtatáshoz társított jegyzetfüzet verzióját. További részletekért lásd : Jegyzetfüzet-kísérlet megtekintése.

Databricks Runtime 7.2 GA

2020. augusztus 20.

A Databricks Runtime 7.2 számos további funkciót és fejlesztést kínál a Databricks Runtime 7.1-hez, többek között a következőket:

• Az automatikus betöltő általánosan elérhető: Az Automatikus betöltő hatékony módszer nagy számú fájl növekményes betöltésére a Delta Lake-be. Ez most ga, és hozzáadja a következő funkciókat:
  • Címtárlista mód lehetőség: Az Automatikus betöltő a meglévő fájlértesítési mód mellett új címtár-listamódot is hozzáad annak meghatározásához, hogy mikor vannak új fájlok.
  • Felhőalapú erőforrás-kezelési API: Mostantól a Scala API-val kezelheti az Automatikus betöltő által létrehozott felhőerőforrásokat. Ezzel az API-val listázhatja az értesítési szolgáltatásokat, és egyes értesítési szolgáltatásokat bonthat le.
  • Sebességkorlátozó beállítás: Ezzel a cloudFiles.maxBytesPerTrigger beállítással korlátozhatja az egyes mikrobatchekben feldolgozott adatok mennyiségét.
  • Beállításérvényesítés: Az Automatikus betöltő mostantól ellenőrzi a megadott beállításokat.validation sikertelen lesz. A beállításérvényesítés kihagyásához állítsa be a következőt cloudFiles.validateOptionsfalse: .
• Delta-tábla hatékony másolása klónozással.
• Fejlesztések:
  • A Snowflake-összekötő a 2.8.1-es verzióra lett frissítve, amely tartalmazza a Spark 3.0 támogatását.
  • Hitelesítő adatok átengedése – fejlesztések
  • A TensorBoard fejlesztései
  • Frissített Python- és R-kódtárak

További részletekért tekintse meg a Databricks Runtime 7.2 (nem támogatott) kiadási megjegyzéseit.

Databricks Runtime 7.2 ML GA

2020. augusztus 20.

A Databricks Runtime 7.2 for Machine Tanulás a Databricks Runtime 7.2-n alapul, és új és továbbfejlesztett Python- és rendszerkódtárakat hoz létre. További részletekért tekintse meg a Databricks Runtime 7.2 (nem támogatott) kiadási megjegyzéseit.

Databricks Runtime 7.2 Genomics GA

2020. augusztus 20.

A Databricks Runtime 7.2 for Genomics a Databricks Runtime 7.2-es verziójára épül, és jelentősen felgyorsítja a literális numpy 1D és 2D lebegőpontos ndarray-k Java-tömbökké való konvertálását. A Glow genome-asszociációs tanulmány dokumentációja tükrözi a használatot.

Permissions API (Nyilvános előzetes verzió)

2020. augusztus 18.

A Databricks örömmel jelenti be az Permissions API nyilvános előzetes verzióját, amely lehetővé teszi a következők engedélyeinek kezelését:

• Tokenek
• Fürtök
• Készletek
• Feladatok
• Jegyzetfüzetek
• Mappák (könyvtárak)
• MLflow regisztrált modellek

További információ: Permissions API.

Databricks Connect 7.1 (általánosan elérhető verzió)

2020. augusztus 12.

A Databricks Csatlakozás mostantól támogatja a Databricks Runtime 7.1-et.

A Databricks Runtime 7.1-ben a Databricks azt javasolja, hogy mindig a Databricks legújabb verzióját használja Csatlakozás.

Ismételhető telepítési sorrend fürtkódtárakhoz

2020. augusztus 12–25.: 3.26-os verzió

A Databricks Runtime 7.2 vagy újabb verzióját futtató fürtökön az Azure Databricks mostantól az összes fürttárat a telepítésük sorrendjében dolgozza fel.

Modell létrehozása az MLflow-ban regisztrált modellek oldaláról (nyilvános előzetes verzió)

2020. augusztus 12–25.: 3.26-os verzió

Most már létrehozhat egy új modellt az MLflow regisztrált modellek oldaláról. További információ: Új regisztrált modell létrehozása és naplózott modell hozzárendelése hozzá.

A Databricks Container Services támogatja a GPU-rendszerképek használatát

2020. augusztus 12–25.: 3.26-os verzió

Mostantól a Databricks Container Servicest gpu-kkal rendelkező fürtökön is használhatja hordozható mélytanulási környezetek testreszabott kódtárakkal való létrehozásához.

További részletekért lásd a Databricks Container Servicest GPU-számításon.