A Databricks SQL 2026-os kibocsátási megjegyzései

Az alábbi Databricks SQL-funkciók és -fejlesztések 2026-ban jelentek meg.

2026. június

MATCH_RECOGNIZE már bétaverzióban van

2026. június 30.

A Databricks SQL és a Databricks Runtime mostantól támogatja az SQL:2016 MATCH_RECOGNIZE záradékot a sorminta-felismeréshez. Engedélyezze az Egyezés felismerése előnézetet a munkaterület előnézeti beállításai között. Lásd MATCH_RECOGNIZE záradékot.

A Databricks SQL 2026.20-as verziója már elérhető az előnézetben

2026. június 29.

A Databricks SQL 2026.20-as verziója már elérhető a Preview csatornán. Az új funkciókról, a viselkedési változásokról és a hibajavításokról az alábbi szakaszban tájékozódhat.

Új IP-címfunkciók

Ma már elérhető SQL függvények készlete IPv4 és IPv6 címekkel, valamint CIDR blokkokkal való munkához, beleértve , , , , , ip_hostip_cidrip_versionip_prefix_length, és ip_network, valamint ip_network_last null-biztonságos viselkedésre szolgáló változatokat. ip_cidr_containsip_as_binaryip_as_stringtry_* Lásd: ip_host függvény.

LEGKÖZELEBB: Csatlakozási típus szerint

NEAREST BY Mostantól támogatott SQL-illesztéstípus top-K legközelebbi szomszéd lekérdezésekhez. Lásd a NEAREST BY klauzuladékot.

DESCRIBE TABLE PARTITION V2 katalógustáblázatok támogatása

DESCRIBE TABLE ... PARTITION v2-katalógustáblák esetén már támogatott. Korábban ez a szintaxis csak v1 táblázatokhoz volt elérhető. Lásd a(z) DESCRIBE TABLE.

QUALIFY klauzula

Az SQL-lekérdezések mostantól támogatnak egy QUALIFY klauzulát, amely lehetővé teszi, hogy közvetlenül a lekérdezésben, az ablakfüggvények eredményei alapján szűrjön. Korábban ez a lekérdezést egy allekérdezésbe kellett csomagolni. Lásd : Ablakfüggvények.

A DESCRIBE EXTENDED AS JSON prediktív optimalizálási eredményeket tartalmaz

DESCRIBE EXTENDED AS JSON most már a prediktív optimalizálási értékelési eredményeket is tartalmazza a kimenete. Korábban ez az információ nem lett visszaadva a JSON-kimenetben. Lásd a(z) DESCRIBE TABLE.

EGYESÜLÉS AZ SCHEMA EVOLÚCIÓVAL javítások

MERGE WITH SCHEMA EVOLUTION Most már megfelelően működik, ha az utasítás tartalmazza WHEN MATCHED THEN DELETE vagy hivatkozik az alias által beépített oszlopokra. Korábban ezek a kombinációk kudarcot vallottak vagy csendben hibás eredményeket hozhattak.

Metrikus nézetű ablak mérőszámai tiszteletben tartják a szűrőket

Az ablakmérők metrikus nézetekben most már helyes eredményt adnak, amikor a GROUP BYlekérdezések , INBETWEEN vagy szűrőket vagy kevert predikátumokat használnak az ablak sorrendi oszlopán. Korábban ezek a szűrőminták helytelen eredményeket eredményezhetnek.

Külföldi katalógustábla engedélyek megőrizve frissítéskor

A Unity Catalog most már megőrzi a táblaszintű jogosultságokat külföldi katalógustáblákon, például a Snowflake csatlakozási táblákon, amikor frissíti az idegen tábla metaadatokat. Korábban a jogosultságokat a metaadat-frissítés során eltávolíthatták, ami hibákkal a lekérdezések sikertelenségét INSUFFICIENT_PERMISSIONS okozta.

Javítás a BAL KÜLSŐ JOIN OLDALI EXPLODE-val

Az a hiba, amely hibás nullértékeket eredményezett olyan LEFT OUTER JOIN LATERAL kifejezésekben, amelyek tartalmazzák EXPLODE , most már javított. Azok a lekérdezések, amelyek ezt a konstrukciót használják, most már helyes eredményt adnak.

Javítás aggregált lekérdezésekhez, amelyek részleges vagy végső aggregációval rendelkeznek

Az a hiba, amely miatt az aggregált lekérdezések részleges összevonással vagy végső aggregálási végrehajtással nem működtek a szükséges bemeneti attribútumok hiánya miatt, most már javított. Az érintett lekérdezések most már helyesen futnak.

Halasztott duplikált mezőazonosító hibák a Parquet-ben

A Photon mostantól a Parquet-séma feloldása során fellépő duplikált field_id hibák elhalasztását az érintett mező eléréséig végzi. Azok a lekérdezések, amelyek nem hivatkoznak a duplikált mezőre, most már sikeresek lesznek, nem pedig a séma felbontás során.

Javított szűrőbecslés a lekérdezésoptimalizálóban

A lekérdezésoptimalizáló most már pontosabban becsüli, mennyi adatot távolít el egy szűrő. Korábban pontatlan becslések miatt az Azure Databricks teljesen betöltötte a nagy táblákat a memóriába a csatlakozások során, ami memóriahiányos hibákhoz vezetett.

Gyorsabb lekérdezések több COUNT(DISTINCT) kifejezéssel

A több COUNT(DISTINCT) kifejezéssel rendelkező lekérdezések gyorsabban futnak, mert az Azure Databricks most már a végrehajtási terv elején csökkenti az adatokat, ahelyett, hogy először bővítené.

A UNIQUE korlátozás támogatása mostantól nyilvános előzetes verzióban érhető el

2026. június 5.

A Databricks SQL mostantól támogatja a Unity Catalog Delta Lake-táblákra vonatkozó információs UNIQUE korlátozásokat. Az idegen kulcsok hivatkozhatnak UNIQUE oszlopokra, és a RELY megszorításon beállított UNIQUE lehetővé teszi a joinok elhagyását és a DISTINCT egyszerűsítését Photon-kompatibilis számítási környezetben. Lásd CONSTRAINT záradék.

2026. május

A Databricks SQL 2026.15-ös verziója már elérhető előzetes verzióban

2026. május 26.

A Databricks SQL 2026.15-ös verziója már elérhető az előzetes verziójú csatornán. Az új funkciókról, a viselkedési változásokról és a hibajavításokról az alábbi szakaszban tájékozódhat.

Az XPath már nem olvassa be a külső DTD-ket

A xpath XML-en keresztüli kiértékelésekor Azure Databricks már nem tölti be a dokumentumban deklarált külső dokumentumtípus-definíciókat (DTD-ket). Korábban az XPath meghiúsulhatott, ha az XML tartalmazott egy külső DTD-hivatkozást, amely hibás URL-címre vagy elérhetetlen végpontra mutatott. Mivel a DTD érvényesítése eltér az XPath-kiértékeléstől, a már sikeres lekérdezések ugyanazokat az eredményeket kapják, mint korábban. A korábban csak a külső DTD-beolvasás során sikertelen lekérdezések mostantól sikeresek lehetnek.

NULL struktúra megőrzés a INSERT, MERGE és streaming írások során a séma evolúcióval

A INSERT, MERGE és a sémafejlődést használó streamelési írások esetében a forrásban lévő NULL-struktúra null értékként lesz tárolva a célban. Korábban ez az érték helytelenül jelent meg nem null struktúraként, ahol minden mező NULL-ra volt állítva, míg a sémafejlődés nélküli műveletek helyesen megőrizték a NULL struktúrákat. Ha a kód egy nem null értékű struktúra fogadására támaszkodott, amelynek mezői mind NULL értékűek voltak, frissítse a kódot egy NULL struktúra kezelésére.

SHOW CREATE TABLE támogatja a metrikanézeteket

SHOW CREATE TABLE mostantól támogatja a metrikanézeteket. Korábban a parancs metrikanézetben való futtatása hibát eredményezett. A metrikanézetek kimenete tartalmazza a katalógussal rendelkező teljes háromrészes nevet (például CREATE VIEW catalog.db.my_metric_view ...), így könnyebben újra létrehozhatja a metrikanézetet a megfelelő helyen.

A BAL OLDALI OLDALIRÁNYÚ JOIN csepegtető sorok javítása

Kijavítottunk egy hibát, amely helytelenül elvetett sorokat a lekérdezésekből LEFT OUTER JOIN LATERAL . Az ezt a szerkezetet használó lekérdezések most a megfelelő eredményeket adnak vissza. Ha ideiglenesen vissza szeretne térni az előző viselkedésre, állítsa be a(z) spark.databricks.sql.optimizer.lateralJoinPreserveOuterSemantic értékét true-re.

A NATURAL JOIN tiszteletben tartja a kis- és nagybetűket nem érzékelyítő oszlopegyezést

NATURAL JOIN Mostantól helyesen használja a kis- és nagybetűket nem megkülönböztető oszlopegyezést, ha spark.sql.caseSensitive az alapértelmezett értékre false van állítva. Korábban a NATURAL JOIN kis- és nagybetű-érzékeny összehasonlítást használt a gyakori oszlopok azonosítására, ami miatt a csak kis- és nagybetűkben különböző oszlopok (például ID szemben id) nem ismerhetők fel egyezőként. Ez azt okozta NATURAL JOIN, hogy észrevétlenül keresztbe illesztett eredményeket hozott létre. A hiba által érintett lekérdezések mostantól helyes eredményeket adnak vissza megfelelően illesztett oszlopokkal.

SQL UDF-függőség érvényesítése a Unity Katalógusban

A Unity Catalog mostantól kikényszeríti a függőségek érvényesítését az SQL felhasználó által definiált függvényeihez (UDF-ekhez) a hozzáférés-vezérlés megkerülésének megakadályozása érdekében. Korábban a REST API-val létrehozott SQL-függvények olyan függőségekre hivatkozhattak, amelyekhez a felhasználónak nem volt hozzáférése. Az érvénytelen függőségi konfigurációkkal rendelkező SQL UDF-ek mostantól le vannak tiltva a végrehajtástól.

CrTAS használatával létrehozott particionált Unity Catalog-táblákra optimalizált írások

Az optimalizált írások mostantól helyesen lesznek alkalmazva a (CRTAS) használatával CREATE OR REPLACE TABLE ... AS SELECT létrehozott particionált Unity Catalog-táblákra. Korábban a CRTAS az új particionált Unity Catalog-táblákon nem alkalmazott optimalizált írásokat, ami partíciónként nagyobb számú kis fájlt eredményezett. Ez a javítás növelheti az írási késést. Az előző viselkedésre való visszatéréshez állítsa spark.databricks.delta.optimizeWrite.UCTableCRTAS.enabled értékét false-ra.

Az ESRI által definiált SRID 102100 helytelen EPSG hatóság helyesbítése

Az SRID 102100 koordináta-referenciarendszer (CRS) leképezése mostantól helyesen használja ESRI:102100 a helytelen EPSG:102100helyett. Ez a javítás biztosítja, hogy a térinformatikai adatok tárolása a megfelelő szolgáltatónál történik a más rendszerekkel való jobb együttműködés érdekében.

"CREATE OR REPLACE támogatás ideiglenes táblákhoz"

CREATE OR REPLACE TEMP TABLE a szintaxis mostantól támogatott, így egyetlen utasításban hozhat létre vagy cserélhet le ideiglenes táblákat . Így nincs szükség az ideiglenes táblák explicit elvetésére és újbóli létrehozására.

A Delta táblaelőzményei írási beállításjelölőket tartalmaznak

A Delta Lake-tábla előzményei (DESCRIBE HISTORY) mostantól az írási beállítási jelzőket is tartalmazzák a operationParameters oszlopban a WRITE és REPLACE TABLE műveletekhez. Ha a következő beállítások explicit módon engedélyezve vannak, logikai jelzőkként jelennek meg az előzményekben (csak akkor, ha true):

A WRITE és REPLACE TABLE műveletek esetén:

  • isDynamicPartitionOverwrite: a dinamikus partíció felülírási mód használatakor jelen van
  • canOverwriteSchema: a séma felülírása (overwriteSchema) engedélyezésekor jelen van
  • canMergeSchema: a sémaegyesítés (mergeSchema) engedélyezésekor jelen van

Műveletek esetén REPLACE TABLE :

  • predicate: használatkor replaceWhere jelen van
  • isV1WriterSaveAsTableOverwrite: akkor jelenik meg, amikor a csere egy felülírás által .saveAsTable kiváltódott

Új térinformatikai függvények

A következő térinformatikai függvények érhetők el:

  • st_makepoint függvény: Egy pontot GEOMETRY ad vissza a megadott koordinátákkal.
  • st_makeenvelope függvény: Az adott sarokkoordináta által meghatározott tengelyhez igazított borítékot (határolókeretet) képviselő értéket ad vissza GEOMETRY .

Továbbfejlesztett térbeli illesztés támogatása

A ST_DWithin (távolságon belüli) predikátum mostantól támogatott a térbeli illesztések összekapcsolási feltételeként. A predikátumok kötőszavai mostantól jogosultak például a térbeli illesztésekre condition AND st_predicate.

Natív adatprofilozás találattáblákhoz az SQL-szerkesztőben

2026. május 1.

Az új Databricks SQL-szerkesztőben mostantól megtekintheti a találattáblák oszlopainak profilkészítési statisztikáit. Jelölje ki az oszlopfejléceket, és kattintson az Oldalsáv ikonra.A profilkészítési statisztikák megtekintéséhez nyissa meg a kijelölés részleteit.

2026. április

agg SQL-függvény szinonimája measure

2026. április 30.

Az új aggregátumfüggvény a mérték szinonimája. Rövidebb alternatívaként használható agg(measure_column) mértékek metrikanézetben történő lekérdezéséhez.

A Databricks SQL 2026.10-es verziójának bevezetése folyamatban van a Current csatornán.

2026. április 23.

A Databricks SQL 2026.10-es verziója az Aktuális csatornán jelenik meg. A 2026.10-ben elérhető funkciók megtekintése.

2026. március

A Databricks SQL 2026.10-es verziója már elérhető előzetes verzióban

2026. március 26.

A Databricks SQL 2026.10-es verziója már elérhető az előzetes verziójú csatornán. Az új funkciókról, a viselkedési változásokról és a hibajavításokról az alábbi szakaszban tájékozódhat.

A megfigyelési metrika hibái már nem okoznak lekérdezési hibákat

A megfigyelési metrikagyűjtemény során fellépő hibák már nem okoznak lekérdezésvégrehajtási hibákat. Korábban a OBSERVE záradékok hibái (például nullával való osztás) blokkolhatják vagy meghiúsulhatják a teljes lekérdezést. Most a lekérdezés sikeresen befejeződik, és a hiba akkor jelentkezik, amikor a observation.get hívást végrehajtja.

A Unity Catalog CRTAS-műveleteihez optimalizált írási műveletek

LÉTREHOZÁS VAGY HELYETTESÍTÉS TABLE MINT SELECT (CRTAS) műveletei mostantól, alapértelmezés szerint, optimalizált írásokat alkalmaznak a particionált Unity Catalog-táblákra, így kevesebb, nagyobb fájlt eredményeznek. A letiltáshoz állítsa a(z) spark.databricks.delta.optimizeWrite.UCTableCRTAS.enabled értékét false-re.

Az időbélyeg-partíció értékei munkamenet-időzónát használnak

Az időbélyeg partícióértékek most már az SQL Warehouse munkamenet-időzónát használják. Ha a Databricks SQL 2025.40-es verziója előtt írt időbélyeg-partíciókat, futtassa SHOW PARTITIONS a partíció metaadatainak ellenőrzéséhez, mielőtt új adatokat írna.

A FLOW fenntartott kulcsszó leírása

A DESCRIBE FLOW parancs már elérhető. Ha van egy flow nevű táblázata, használja a DESCRIBE schema.flow, DESCRIBE TABLE flow vagy DESCRIBE `flow` karaktereket backtickekkel.

SpatialSQL logikaihalmaz-műveletek

ST_Difference, ST_Intersectionés ST_Union használjon egy új implementációt a következő fejlesztésekkel:

  • Az érvényes bemeneti geometriák mindig eredményt adnak, és már nem okoznak hibákat. Az érvénytelen bemenetek nem okoznak hibákat, de előfordulhat, hogy nem eredményeznek érvényes eredményeket.
  • Körülbelül 2x gyorsabb teljesítmény.
  • A sorszegmens metszeteinek 15. tizedesjegye után az eredmények eltérő képletek és műveleti sorrend miatt eltérhetnek.
  • Az eredmények normalizálva vannak a konzisztens, összehasonlítható kimenethez:
    • A pontok koordináták szerint vannak rendezve.
    • A vonalláncolatok a lehető leghosszabb elérési utakból épülnek fel.
    • A sokszöggyűrűk elforgatva vannak, így az első pont a legkisebb koordinátaértékekkel rendelkezik.
  • Ez a normalizálás minden esetben érvényes, kivéve, ha két nem egymást átfedő geometriával hív ST_Difference meg, ahol az első geometria nincs módosítva.

Az SQLSTATE kivételtípusai

A kivételtípusok mostantól támogatják az SQLSTATE-t. Ha a kód sztringegyezés vagy adott kivételtípusok alapján elemzi a kivételeket, frissítse a hibakezelési logikát.

DATETIMEOFFSET adattípus támogatása a Microsoft Azure Synapse-hoz

Az DATETIMEOFFSET adattípus mostantól elérhető a Microsoft Azure Synapse-kapcsolatokhoz.

Google BigQuery tábla megjegyzések

A Google BigQuery táblaleírásai a táblázat megjegyzéseiként vannak feloldva és közzétéve.

Sémafejlődés INSERT utasításokkal

A záradék és az WITH SCHEMA EVOLUTION SQL-utasítások INSERT használatával automatikusan fejleszthető a céltábla sémája a beszúrási műveletek során. A záradék a INSERT INTO, INSERT OVERWRITE és INSERT INTO ... REPLACE formátumok esetében támogatott. Például:

INSERT WITH SCHEMA EVOLUTION INTO students TABLE visiting_students_with_additional_id;

A cél Delta Lake-tábla sémája úgy frissül, hogy a forrásból származó további oszlopokat vagy szélesített típusokat is befogadja. Részletekért tekintse meg a sémafejlődést és azINSERT utasításszintaxist.

Megőrzött NULL-struktúra értékek a INSERT műveletekben.

INSERT a sémafejlődéssel vagy implicit öntéssel végzett műveletek mostantól megőrzik NULL a strukturálási értékeket, ha a forrás- és céltáblák eltérő strukturálási mezőrendelésekkel rendelkeznek.

parse_timestamp SQL-függvény

Az parse_timestamp SQL-függvény több mintával elemzi az időbélyeg-sztringeket, és a Photon motoron fut a jobb teljesítmény érdekében, amikor több formátumban elemzi az időbélyegeket. A datetime-minták formázásával kapcsolatos információkért tekintse meg a Datetime-mintákat .

max_by és min_by opcionális korláttal

Az összesítő függvények max_by és min_by mostantól elfogadnak egy opcionális harmadik argumentumot limit (legfeljebb 100 000). Ha meg van adva, a függvények legfeljebb limit a rendezési kifejezés legnagyobb (vagy legkisebb) értékének megfelelő tömböt adnak vissza, ami leegyszerűsíti a felső K és az alsó K lekérdezéseket ablakfüggvények vagy CTE-k nélkül.

Időszakon túli időszak ablakának mértéke a offset

A metrikanézetekben az ablakmértékek támogatják offset azokat a mezőket, amelyek rögzített időközzel előre vagy hátra tolják az ablakkeretet a order dimenzió mentén. Az időszakon túli mértékek, például az évközi vagy a hónapközi mértékek meghatározására szolgál offset . Tekintse meg , hogyan offset váltja el az ablakkeretet.

A rögzített sor belefoglalása vagy kizárása az trailing és leading ablakméretekben

Az ablakmértékekhez tartozó trailing és leading tartományértékek elfogadnak egy opcionális inclusive vagy exclusive módosítót, amely meghatározza, hogy a horgonysor a gördülő ablak része-e. Az alapértelmezett érték a exclusivekorábbi viselkedésnek megfelelő. Lásd: Horgonysor belefoglalása vagy kizárása.

Vektorösszesítő és skaláris függvények

Az új SQL-függvények vektorokon működnek ARRAY<FLOAT> beágyazási és hasonlósági számítási feladatokhoz:

Összesítő függvények:

  • vector_avg: Egy csoport vektorainak elemszintű átlagát adja vissza.
  • vector_sum: Egy csoport vektorainak elemszintű összegét adja vissza.

Skaláris függvények:

Lásd a beépített függvényeket.

SQL-kurzor támogatása összetett utasításokban

Az SQL-szkriptelési összetett utasítások mostantól támogatják a kurzor feldolgozását. A DEKLARÁLT KURZOR használatával definiálhat egy kurzort, majd open utasítást, FETCH utasítást és CLOSE utasítást a lekérdezés futtatásához és sorok egyenkénti felhasználásához. A kurzorok paraméterjelölőket és feltételkezelőket használhatnak, például NOT FOUND sorról sorra történő feldolgozáshoz.

Körülbelüli top-k becslési függvények

Az új függvények lehetővé teszik közelítő top-K vázlatok készítését és kombinálását az elosztott top-K aggregációhoz:

További információ: approx_top_k összesítő függvény és beépített függvények.

Vázlatfüggvények

A tuple sketch új aggregáló és skaláris függvényei támogatják az egyedi számolást és az aggregációt a kulcs-összefoglaló párok felett.

Összesítő függvények:

Skaláris függvények:

Lásd a beépített függvényeket.

Egyedi függőségek a Unity Catalog Python UDTF-ekhez

A Unity Catalog Python felhasználó által definiált táblafüggvényei (UDTF-ek) mostantól egyéni függőségeket is használhatnak külső kódtárakhoz, így az alapértelmezett SQL Warehouse-környezetben elérhetőnél több csomagot is használhat. Lásd: UDF-ek kiterjesztése egyéni függőségekkel.

Új térinformatikai függvények

A következő térinformatikai függvények érhetők el:

  • st_estimatesrid függvény: Egy bemeneti geometria legjobb előrejelzett térbeli referenciaazonosítóját (SRID) becsüli meg.
  • st_force2d függvény: Egy földrajzi vagy geometriai alakzatot 2D-s ábrázolásúvá alakít át.
  • st_nrings függvény: Megszámolja a sokszögben vagy többpógonyban lévő gyűrűk teljes számát, beleértve a külső és belső gyűrűket is.
  • st_numpoints függvény: Megszámolja a földrajzi vagy geometriai nem üres pontok számát.

Foton támogatása térinformatikai függvényekhez

A fotonmotoron a következő térinformatikai függvények futnak a gyorsabb teljesítmény érdekében:

2026. február

A Databricks SQL 2025.40-es verziója az Aktuális verzióban jelenik meg

2026. február 23.

A Databricks SQL 2025.40-es verziója az Aktuális csatornán jelenik meg. A 2025.40-ben elérhető funkciók megtekintése.

A Databricks SQL 2025.40-es verziója már elérhető előzetes verzióban

2026. február 11.

A Databricks SQL 2025.40-es verziója már elérhető az előzetes verziójú csatornán. Az új funkciókról, a viselkedési változásokról és a hibajavításokról az alábbi szakaszban tájékozódhat.

Az SQL-szkriptelés általánosan elérhető

Az SQL-szkriptelés általánosan elérhető. Eljárási logika írása SQL-vel, beleértve a feltételes utasításokat, a hurkokat, a helyi változókat és a kivételkezelést.

A paraméterjelölők mostantól több SQL-környezetben támogatottak

Mostantól használhat nevesített (:param) és névtelen (?) paraméterjelölőket bárhol, ahol a megfelelő típusú literálérték megengedett. Ide tartoznak a DDL-utasítások, például CREATE VIEW v AS SELECT ? AS c1, az oszloptípusok, például DECIMAL(:p, :s), és a megjegyzések, például COMMENT ON t IS :comment. Ez lehetővé teszi számos SQL-utasítás paraméterezését anélkül, hogy a kódot AZ SQL-injektálási támadásoknak felfedi. Lásd : Paraméterjelölők.

IDENTIFIER kikötés kiterjesztve további SQL-környezetekre

Az IDENTIFIER SQL-objektumnevekhez sztringeket adó záradék mostantól szinte minden olyan környezetben támogatott, ahol engedélyezve van egy azonosító. A kiterjesztett paraméterjelölő és a literális sztringes összevonás támogatásával kombinálva bármit paraméterezhet az oszlop aliasaitól (AS IDENTIFIER(:name)) az oszlopdefiníciókig (IDENTIFIER(:pk) BIGINT NOT NULL). Lásd IDENTIFIER záradék.

A literális sztring összefűzés mindenhol támogatva van.

Az olyan szekvenciális karakterlánc literálok, mint például 'Hello' ' World', most már '„Helló világ!” alkalmazás' minden olyan környezetben, ahol a sztring literalok engedélyezettek, beleértve a COMMENT 'This' ' is a ' 'comment'. Lásd: STRING típus.

Új BITMAP_AND_AGG függvény

Egy új BITMAP_AND_AGG függvény érhető el, amely kiegészíti a meglévő függvénytárat BITMAP .

Új Theta Sketch funkciók hozzávetőleges egyedi számláláshoz

A Datasketches Theta Sketch használatával mostantól elérhető egy új függvénytár a hozzávetőleges különböző számokhoz és műveletek beállításához:

Új KLL Sketch függvények hozzávetőleges kvantilisekhez.

Mostantól elérhető egy új függvénytár a KLL-vázlatok hozzávetőleges kvantitációs számításokhoz való létrehozásához:

Az összesítési környezetben több KLL-vázlatot egyesíthet kll_merge_agg_bigint, kll_merge_agg_double és kll_merge_agg_float használatával.

SQL-ablakfüggvények metrikanézetekben

Mostantól az SQL-ablakfüggvényekmetrikanézetekben való használatával kiszámíthatja a futó összegeket, a rangsorolásokat és az egyéb ablakalapú számításokat.

Új térinformatikai függvények

A következő új térinformatikai függvények érhetők el:

EWKT-bemenet támogatása meglévő geometriai és földrajzi függvényekhez

A következő függvények mostantól elfogadják a bővített Well-Known szöveget (EWKT) bemenetként:

Jobb teljesítmény ismétlődő lekérdezések esetén sorszűrőkkel és oszlopmaszkokkal rendelkező táblákon

A sorszűrőket és oszlopmaszkokat tartalmazó táblákon ismétlődő jogosult lekérdezések mostantól jobb lekérdezési eredmények gyorsítótárazását élvezik, ami gyorsabb végrehajtási időt eredményez.

Továbbfejlesztett térinformatikai függvény teljesítménye

A térbeli illesztés teljesítményének javítása az elegyített térbeli illesztés támogatásával. Az alábbi ST-függvények mostantól Photon-implementációkkal rendelkeznek:

FSCK REPAIR TABLE alapértelmezés szerint metaadat-javítást tartalmaz

FSCK REPAIR TABLE Most már tartalmaz egy kezdeti metaadat-javítási lépést a hiányzó adatfájlok ellenőrzése előtt, lehetővé téve, hogy sérült ellenőrzőpontokkal vagy érvénytelen partícióértékekkel rendelkező táblákon működjön. Emellett a dataFilePathFSCK REPAIR TABLE DRY RUN kimeneti séma oszlopa mostantól null értékű az új problématípusok támogatásához, ahol az adatfájl elérési útja nem alkalmazható.

DESCRIBE TABLE a kimenet metaadatoszlopot tartalmaz

A kimenet DESCRIBE TABLE [EXTENDED] mostantól minden táblatípushoz tartalmaz egy metadata oszlopot. Ez az oszlop JSON-sztringként definiált szemantikai metaadatokat (megjelenítendő nevet, formátumot és szinonimákat) tartalmaz.

A MERGE és UPDATEa streamelési írási műveletekben megőrzött NULL-szerkezetek

A NULL struktúrák mostantól NULL értékként maradnak meg a Delta Lake-ben MERGE, UPDATE és a stream írási műveletekben, amelyek a struktúratípusok típuskonverzióit is tartalmazzák. Korábban a NULL struktúrák ki lettek bontva olyan struktúrákká, amelyekben az összes mező NULL-ra van állítva.

Parquet-fájlokban materializált partícióoszlopok

A particionált Delta Lake-táblák most már anyagilag megjelenítik a partícióoszlopokat az újonnan létrehozott Parquet adatfájlokban. Korábban a partícióértékek csak a Delta Lake tranzakciónapló metaadataiban lettek tárolva. A Delta Lake által írt Parquet-fájlokat közvetlenül olvasó számítási feladatok további partícióoszlopokat látnak az újonnan írt fájlokban.

Az időbélyeg-partíció értékei tiszteletben tartják a munkamenet időzónát

Most az időbélyeg-partíció értékei helyesen vannak módosítva a spark.sql.session.timeZone konfigurációval. Korábban a JVM időzónával helytelenül konvertálták UTC-vé.

Időutazási korlátozások frissítve

Az Azure Databricks mostantól letiltja az összes tábla küszöbértékén túli deletedFileRetentionDuration időutazási lekérdezéseket. A VACUUM parancs figyelmen kívül hagyja a megőrzési időtartam argumentumát, kivéve, ha az érték 0 óra. Nem állíthat be deletedFileRetentionDuration nagyobbat, mint logRetentionDuration.

SHOW TABLES DROPPED respects LIMIT klauzula

SHOW TABLES DROPPED most már helyesen tiszteletben tartja a záradékot LIMIT .

2026. január

  • Last updated on