Catatan rilis Tabel Langsung Delta dan proses peningkatan rilis
Artikel ini menjelaskan proses rilis Tabel Langsung Delta, cara runtime Delta Live Tables dikelola, dan menyediakan tautan ke catatan rilis untuk setiap rilis Tabel Langsung Delta.
Saluran runtime Tabel Langsung Delta
Kluster Tabel Langsung Delta menggunakan runtime berdasarkan versi dan kompatibilitas catatan rilis Databricks Runtime. Databricks secara otomatis meningkatkan runtime Delta Live Tables untuk mendukung peningkatan dan peningkatan ke platform. Anda dapat menggunakan channel
bidang di pengaturan alur Delta Live Tables untuk mengontrol versi runtime Delta Live Tables yang menjalankan alur Anda. Nilai yang didukung adalah:
current
untuk menggunakan versi runtime saat ini.preview
untuk menguji alur Anda dengan perubahan terhadap versi runtime mendatang.
Secara default, alur Anda berjalan menggunakan current
versi runtime. Databricks merekomendasikan penggunaan current
runtime untuk beban kerja produksi. Untuk mempelajari cara menggunakan preview
pengaturan untuk menguji alur Anda dengan versi runtime berikutnya, lihat Mengotomatiskan pengujian alur Anda dengan versi runtime berikutnya.
Untuk melihat versi Runtime Databricks yang digunakan dengan rilis Tabel Langsung Delta, lihat catatan rilis untuk rilis tersebut.
Untuk informasi selengkapnya tentang saluran Delta Live Tables, lihat channel
bidang di pengaturan alur Delta Live Tables.
Untuk memahami cara kerja Delta Live Tables mengelola proses peningkatan untuk setiap rilis, lihat Bagaimana cara kerja peningkatan Tabel Langsung Delta?.
Bagaimana cara menemukan versi Databricks Runtime untuk pembaruan alur?
Anda dapat mengkueri log peristiwa Tabel Langsung Delta untuk menemukan versi Databricks Runtime untuk pembaruan alur. Lihat Informasi runtime.
Catatan rilis Tabel Langsung Delta
Catatan rilis Tabel Delta Live diatur menurut tahun dan minggu dalam setahun. Karena Tabel Langsung Delta tidak memiliki versi, perubahan ruang kerja dan runtime berlangsung secara otomatis. Catatan rilis berikut memberikan gambaran umum perubahan dan perbaikan bug di setiap rilis:
- Rilis Tabel Langsung Delta 2024.13
- Rilis Tabel Langsung Delta 2024.11
- Rilis Tabel Langsung Delta 2024.09
- Rilis Tabel Langsung Delta 2024.05
- Rilis Tabel Langsung Delta 2024.02
- Rilis Tabel Langsung Delta 2023.50
- Rilis Tabel Langsung Delta 2023.48
- Rilis Tabel Langsung Delta 2023.45
- Rilis Tabel Langsung Delta 2023.43
- Rilis Tabel Langsung Delta 2023.41
- Rilis Tabel Langsung Delta 2023.37
- Rilis Tabel Langsung Delta 2023.35
- Rilis Tabel Langsung Delta 2023.30
- Rilis Tabel Langsung Delta 2023.27
- Rilis Tabel Langsung Delta 2023.23
- Rilis Tabel Langsung Delta 2023.21
- Rilis Tabel Langsung Delta 2023.19
- Rilis Tabel Langsung Delta 2023.17
- Rilis Tabel Langsung Delta 2023.16
- Rilis Tabel Langsung Delta 2023.13
- Rilis Tabel Langsung Delta 2023.11
- Rilis Tabel Langsung Delta 2023.06
- Rilis Tabel Langsung Delta 2023.03
- Rilis Tabel Langsung Delta 2023.01
- Rilis Tabel Langsung Delta 2022.49
- Rilis Tabel Langsung Delta 2022.46
- Rilis Tabel Langsung Delta 2022.44
- Rilis Tabel Langsung Delta 2022.42
- Rilis Tabel Langsung Delta 2022.40
- Rilis Tabel Langsung Delta 2022.37
Bagaimana cara kerja peningkatan Tabel Langsung Delta?
Delta Live Tables dianggap sebagai produk tanpa versi, yang berarti bahwa Databricks secara otomatis meningkatkan runtime Delta Live Tables untuk mendukung peningkatan dan peningkatan ke platform. Databricks merekomendasikan pembatasan dependensi eksternal untuk alur Tabel Langsung Delta.
Databricks secara proaktif berfungsi untuk mencegah peningkatan otomatis memperkenalkan kesalahan atau masalah ke alur Tabel Langsung Delta produksi. Lihat Proses peningkatan Delta Live Tables.
Terutama untuk pengguna yang menyebarkan alur Delta Live Tables dengan dependensi eksternal, Databricks merekomendasikan pengujian alur secara proaktif dengan preview
saluran. Lihat Mengotomatiskan pengujian alur Anda dengan versi runtime berikutnya.
Proses peningkatan Tabel Langsung Delta
Databricks mengelola Runtime Databricks yang digunakan oleh sumber daya komputasi Delta Live Tables. Tabel Langsung Delta secara otomatis meningkatkan runtime di ruang kerja Azure Databricks Anda dan memantau kesehatan alur Anda setelah peningkatan.
Jika Tabel Langsung Delta mendeteksi bahwa alur tidak dapat dimulai karena peningkatan, versi runtime untuk alur kembali ke versi sebelumnya yang diketahui stabil, dan langkah-langkah berikut dipicu secara otomatis:
- Runtime Tabel Langsung Delta alur disematkan ke versi yang dikenal baik sebelumnya.
- UI Tabel Langsung Delta memperlihatkan indikator visual bahwa alur disematkan ke versi sebelumnya karena kegagalan peningkatan.
- Dukungan Databricks diberi tahu tentang masalah ini.
- Jika masalah terkait dengan regresi dalam runtime, Databricks menyelesaikan masalah.
- Jika masalah disebabkan oleh pustaka atau paket kustom yang digunakan oleh alur, Databricks menghubungi Anda untuk mengatasi masalah tersebut.
- Ketika masalah diselesaikan, Databricks memulai peningkatan lagi.
Penting
Tabel Langsung Delta hanya mengembalikan alur yang berjalan dalam mode produksi dengan saluran diatur ke current
.
Mengotomatiskan pengujian alur Anda dengan versi runtime berikutnya
Untuk memastikan perubahan dalam versi runtime Tabel Langsung Delta berikutnya tidak memengaruhi alur Anda, gunakan fitur saluran Tabel Langsung Delta:
- Buat alur penahapan dan atur saluran ke
preview
. - Di UI Tabel Langsung Delta, buat jadwal untuk menjalankan alur mingguan dan aktifkan pemberitahuan untuk menerima pemberitahuan email untuk kegagalan alur. Databricks merekomendasikan penjadwalan eksekusi pengujian alur mingguan, terutama jika Anda menggunakan dependensi alur kustom.
- Jika Anda menerima pemberitahuan kegagalan dan tidak dapat mengatasinya, buka tiket dukungan dengan Databricks.
Dependensi alur
Tabel Langsung Delta mendukung dependensi eksternal di alur Anda; misalnya, Anda dapat menginstal paket Python apa pun menggunakan %pip install
perintah . Tabel Langsung Delta juga mendukung penggunaan skrip init global dan cakupan kluster. Namun, dependensi eksternal ini, terutama skrip init, meningkatkan risiko masalah dengan peningkatan runtime. Untuk mengurangi risiko ini, minimalkan menggunakan skrip init di alur Anda. Jika pemrosesan Anda memerlukan skrip init, otomatiskan pengujian alur Anda untuk mendeteksi masalah lebih awal; lihat Mengotomatiskan pengujian alur Anda dengan versi runtime berikutnya. Jika Anda menggunakan skrip init, Databricks merekomendasikan untuk meningkatkan frekuensi pengujian Anda.
Saran dan Komentar
https://aka.ms/ContentUserFeedback.
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat:Kirim dan lihat umpan balik untuk