Maret 2018
Rilis dilakukan bertahap. Akun Azure Databricks Anda mungkin tidak diperbarui hingga satu minggu setelah tanggal rilis awal.
Detail eksekusi perintah
27 Maret - 3 April 2018: Versi 2.68
Saat Anda menjalankan perintah di buku catatan, Anda sekarang akan melihat informasi kemajuan terperinci.
CLI Databricks mendukung --profile
27 Maret - 3 April 2018: Versi 2.68
Databricks CLI 0.6.1 mendukung --profile
di semua posisi.
Lihat Databricks CLI (warisan).
ACL diaktifkan secara default untuk pelanggan SKU Premium baru
27 Maret - 3 April 2018: Versi 2.68
Daftar kontrol akses (ACL) sekarang diaktifkan secara default untuk semua pelanggan baru di Premium SKU. Pelanggan yang sudah ada harus terus mengaktifkan ACL secara manual.
Lihat Daftar kontrol akses tidak dapat lagi dinonaktifkan.
Azure Databricks kini tersedia secara umum
22 Maret 2018
Kami dengan senang hati mengumumkan bahwa Azure Databricks sekarang tersedia secara umum. Dalam beberapa minggu terakhir, kami telah menambahkan fungsionalitas untuk membantu membuat pengalaman Azure Databricks menjadi lebih baik, termasuk:
- Peering jaringan virtual (VNet), yang memungkinkan Anda menggunakan Apache Kafka di HDInsight dengan Azure Databricks
- Microsoft Power BI sekarang menyertakan konektor Spark bawaan
- Konektor Azure Synapse Analytics
- Konektor Azure Event Hubs (dan IoT Hub)
- Dukungan Azure Data Factory v2 (pratinjau)
- Manajemen rahasia (pratinjau)
- Lebih banyak wilayah Azure
- Peningkatan performa dan dokumentasi
Dan tentu saja Azure Databricks terus menyediakan integrasi mudah dengan penyimpanan Azure Blob, Azure Data Lake Store, dan Azure Cosmos DB.
Sebagai tambahan untuk dokumentasi yang disediakan di situs ini, learn.microsoft.com menyediakan materi pengantar, informasi tentang manajemen akun Azure, dan tutorial end-to-end.
Tema situs dokumen baru
21 Maret 2018
Kami telah memperbarui tampilan dan nuansa situs dokumentasi kami. Kami harap Anda menyukainya!
Penyimpanan lokal autoscaling
13-20 Maret 2018: Versi 2.67
Semua kluster di Azure Databricks diluncurkan dengan mengaktifkan penyimpanan lokal penskalaan otomatis. Ini berarti bahwa Azure Databricks secara otomatis melampirkan disk terkelola tambahan ke mesin virtual pekerja kluster setiap kali mereka kehabisan disk.
Lihat Mengaktifkan penyimpanan lokal penskalaan otomatis untuk informasi selengkapnya.
Peering jaringan virtual (VNet)
13-20 Maret 2018: Versi 2.67
Jaringan virtual (VNet) peering memungkinkan jaringan virtual di mana sumber daya Azure Databricks Anda berjalan untuk serekan dengan jaringan virtual Azure lain.
Lihat Jaringan virtual serekan untuk informasi lebih lanjut.
Log peristiwa kluster
13-20 Maret 2018: Versi 2.67
Halaman detail kluster memiliki tab Log Peristiwa baru yang menampilkan peristiwa siklus hidup kluster penting. Peristiwa historis dapat dilihat selama 60 hari, yang sebanding dengan waktu retensi data lainnya di Azure Databricks.
Lihat Menghitung log peristiwa untuk informasi selengkapnya.
CLI Databricks: Rilis 0.6.0
13 Mar 2018: databricks-cli 0.6.0
CLI Databricks sekarang mendukung Python 3.
Lihat Databricks CLI (warisan) untuk informasi selengkapnya.
Manajemen eksekusi pekerjaan
13-20 Maret 2018: Versi 2.67
Anda sekarang dapat menghapus pekerjaan yang dijalankan di halaman detail pekerjaan dan halaman jalankan pekerjaan.
Pekerjaan yang menjalankan titik akhir Dapatkan Output adalah GA, dan output maksimum yang dikembalikan telah ditingkatkan menjadi 5 MB.
Mengedit izin kluster sekarang memerlukan mode edit
13-20 Maret 2018: Versi 2.67
Sebelumnya dimungkinkan untuk mengedit izin kluster tanpa mengklik Edit, yang tidak konsisten dengan atribut kluster lainnya.
Efek samping dari perubahan ini adalah Anda tidak dapat lagi mengedit izin kluster saat kluster tertunda.
Ekspor Model Databricks ML
1 Maret 2018
Dokumentasi sekarang mencakup cara menggunakan Databricks ML Model Export, yang memungkinkan Anda mengekspor model dan pipa ML penuh dari Apache Spark. Model dan alur yang diekspor ini dapat diimpor ke platform lain (Spark dan non-Spark) untuk melakukan penilaian dan membuat prediksi. Ekspor Model ditargetkan pada aplikasi latensi rendah dan diberi daya ML ringan.
Catatan
Fitur ini memerlukan Runtime Bahasa Umum Databricks 4.0+.
Lihat Ekspor model MLeap ML untuk informasi selengkapnya.