Risorse dei pacchetti di risorse Databricks

I bundle di risorse di Databricks consentono di specificare informazioni sulle risorse di Azure Databricks utilizzate dal bundle nella mappatura resources nella configurazione del bundle. Vedere le informazioni di riferimento sulle risorse.

Questa pagina fornisce informazioni di riferimento sulla configurazione per tutti i tipi di risorse supportati per i bundle e fornisce dettagli e un esempio per ogni tipo supportato. Per esempi aggiuntivi, vedere gli esempi di configurazione del bundle .

Lo schema JSON per i bundle usati per convalidare la configurazione YAML si trova nel repository GitHub dell'interfaccia della riga di comando di Databricks.

Tip

Per generare YAML per qualsiasi risorsa esistente, usare il comando databricks bundle generate. Vedere databricks bundle generate.

Risorse disponibili

La tabella seguente elenca i tipi di risorse supportati per i bundle (YAML e Python, se applicabile). Alcune risorse possono essere create definendole in un bundle e distribuendo il bundle e alcune risorse possono essere create solo facendo riferimento a un asset esistente da includere nel bundle.

La configurazione delle risorse definisce un oggetto Databricks che corrisponde a un oggetto API REST di Databricks . I campi di richiesta di creazione supportati dell'oggetto API REST, espressi come YAML, sono le chiavi supportate della risorsa. I collegamenti alla documentazione per l'oggetto corrispondente di ogni risorsa sono riportati nella tabella seguente.

Tip

Il comando databricks bundle validate restituisce avvisi se le proprietà sconosciute della risorsa vengono trovate nei file di configurazione del bundle.

Resource	Supporto di Python	Oggetto API REST corrispondente
vigile		Oggetto di notifica
app		oggetto App
catalog (Catalogo Unity)		Oggetto Catalog
cluster		oggetto di cluster
dashboard		Oggetto della dashboard
database_catalog		Oggetto catalogo di database
database_instance		Oggetto istanza di database
experiment		oggetto dell'esperimento
job	Lavori	oggetto di Job
modello storico		oggetto Model (legacy)
model_serving_endpoint		Modello che gestisce l'oggetto endpoint
pipeline	Pipelines	Oggetto pipeline
postgres_branch		Oggetto ramo Postgres
postgres_endpoint		Oggetto endpoint di calcolo Postgres
postgres_project		Oggetto progetto Postgres
quality_monitor		Oggetto monitoraggio qualità
modello_registrato (Unity Catalog)		oggetto modello registrato
schema (Catalogo Unity)	Schemi	Oggetto Schema
secret_scope		Oggetto ambito segreto
sql_warehouse		Oggetto SQL Magazzino
tabella_database_sincronizzata		Oggetto tabella di database sincronizzato
volume (Catalogo Unity)	volumi	Oggetto Volume

vigile

Type: Map

La risorsa di avviso definisce un avviso SQL (v2).The alert resource define a SQL alert (v2).

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.279.0

alerts:
  <alert-name>:
    <alert-field-name>: <alert-field-value>

Key	Type	Description
custom_description	String	Optional. Descrizione personalizzata per l'avviso. Supporta il modello mustache. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.279.0
custom_summary	String	Optional. Riepilogo personalizzato per l'avviso. Supporta il modello mustache. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.279.0
display_name	String	Obbligatorio. Nome visualizzato dell'avviso, ad esempio Example alert. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.279.0
evaluation	Map	Obbligatorio. Configurazione di valutazione per l'avviso. Vedere alert.evaluation. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.279.0
lifecycle	Map	Contiene le impostazioni del ciclo di vita per una risorsa. Controlla il comportamento della risorsa quando viene distribuita o distrutta. Vedere ciclo di vita. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.279.0
parent_path	String	Optional. Percorso dell'area di lavoro della cartella contenente l'avviso. Può essere impostato solo in caso di creazione e non può essere aggiornato. Esempio: /Users/someone@example.com. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.279.0
permissions	Sequence	Le autorizzazioni di allarme. Vedere autorizzazioni. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.279.0
query_text	String	Obbligatorio. Testo della query da eseguire, ad esempio SELECT 1. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.279.0
run_as	Map	Optional. Specifica l'identità che verrà usata per eseguire l'avviso. Questo campo consente di configurare gli avvisi per essere eseguiti come utente specifico o principale del servizio. Vedere run_as. Per l'identità utente: impostare user_name sul messaggio di posta elettronica di un utente dell'area di lavoro attiva. Gli utenti possono impostare questa opzione solo sul proprio messaggio di posta elettronica. Per l'entità servizio: impostare service_principal_name all'ID applicazione. Richiede il ruolo di Service Principal/utente. Se non specificato, l'avviso verrà eseguito come utente della richiesta. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.279.0
schedule	Map	Obbligatorio. Configurazione della pianificazione per la notifica. Vedere alert.schedule. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.279.0
warehouse_id	String	Obbligatorio. ID del magazzino SQL collegato all'avviso, ad esempio, a7066a8ef796be84. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.279.0

alert.valutazione

Type: Map

Configurazione di valutazione per l'avviso.

Key	Type	Description
comparison_operator	String	Operatore utilizzato per il confronto nella valutazione dell'avviso.
empty_result_state	String	Stato dell'avviso se il risultato è vuoto. Evitare di impostare questo campo su UNKNOWN perché lo stato UNKNOWN è pianificato per essere deprecato.
notification	Map	L'utente o un'altra destinazione da notificare quando viene attivato l'avviso. Vedere alert.evaluation.notification.
source	Map	Colonna di origine del risultato da usare per valutare l'avviso. Vedere alert.evaluation.source.
threshold	Map	Soglia da usare per la valutazione degli avvisi. Può trattarsi di una colonna o di un valore. Vedere alert.evaluation.threshold.

avviso.valutazione.notifica

Type: Map

L'utente o un'altra destinazione da notificare quando viene attivato l'avviso.

Key	Type	Description
notify_on_ok	Boolean	Optional. Indica se inviare una notifica ai sottoscrittori di avvisi quando l'avviso torna normale.
retrigger_seconds	Integer	Optional. Numero di secondi di attesa di un avviso dopo l'attivazione prima che sia consentita l'invio di un'altra notifica. Se impostato su 0 o omesso, l'avviso non invierà altre notifiche dopo il primo trigger. L'impostazione di questo valore su 1 consente all'avviso di inviare una notifica a ogni valutazione in cui viene soddisfatta la condizione, rendendo effettivamente l'avviso sempre attivo a fini di notifica.
subscriptions	Sequence	Optional. Elenco non ordinato di sottoscrizioni di notifica. Vedere alert.evaluation.notification.subscriptions.

allerta.valutazione.notifica.sottoscrizioni

Type: Sequence

Elenco non ordinato di sottoscrizioni di notifica.

Ogni elemento nell'elenco è :AlertSubscription

Key	Type	Description
destination_id	String	ID della destinazione della notifica.
user_email	String	Indirizzo di posta elettronica dell'utente a cui inviare una notifica.

allerta.valutazione.sorgente

Type: Map

Colonna di origine dal risultato da utilizzare per valutare l'allerta.

Key	Type	Description
aggregation	String	Metodo di aggregazione da applicare alla colonna di origine. I valori validi sono SUM, COUNT, COUNT_DISTINCT, AVGMEDIAN, MIN, , MAXSTDDEV
display	String	Nome visualizzato per la colonna di origine.
name	String	Nome della colonna di origine dal risultato della query.

soglia.valutazione.allerta

Type: Map

La soglia da usare per la valutazione degli avvisi può essere una colonna o un valore.

Key	Type	Description
column	Map	Riferimento di colonna da usare come soglia. Vedere alert.evaluation.source.
value	Map	Valore letterale da usare come soglia. Vedere alert.evaluation.threshold.value.

avviso.valutazione.soglia.valore

Type: Map

Valore letterale da usare come soglia. Specificare uno dei tipi di valore seguenti.

Key	Type	Description
bool_value	Boolean	Optional. Valore booleano per la soglia, truead esempio .
double_value	Double	Optional. Valore numerico per la soglia, 1.25ad esempio .
string_value	String	Optional. Valore stringa per la soglia, ad esempio test.

avviso.programmazione

Type: Map

Configurazione della pianificazione per la notifica.

Key	Type	Description
pause_status	String	Optional. Indica se il programma è in pausa o meno. Valori validi: UNPAUSED, PAUSED. Impostazione predefinita: UNPAUSED.
quartz_cron_schedule	String	Obbligatorio. Espressione cron che utilizza la sintassi Quartz per specificare la pianificazione di questa pipeline. Il formato quartz è descritto in formato scheduler quartz.
timezone_id	String	Obbligatorio. ID fuso orario Java. La pianificazione verrà risolta usando questo fuso orario. Questa operazione verrà combinata con il quartz_cron_schedule per determinare la pianificazione. Per informazioni dettagliate, vedere SET TIME ZONE.

Examples

La configurazione di esempio seguente definisce un avviso con una valutazione semplice:

resources:
  alerts:
    my_alert:
      display_name: my_alert
      evaluation:
        comparison_operator: EQUAL
        source:
          name: '1'
        threshold:
          value:
            double_value: 2
      query_text: select 2
      schedule:
        quartz_cron_schedule: '44 19 */1 * * ?'
        timezone_id: Europe/Amsterdam
      warehouse_id: 799f096837fzzzz4

La configurazione di esempio seguente definisce un avviso con autorizzazioni che valuta l'uso dell'aggregazione e invia notifiche:

resources:
  alerts:
    my_alert:
      permissions:
        - level: CAN_MANAGE
          user_name: someone@example.com
      custom_summary: 'My alert'
      display_name: 'My alert'
      evaluation:
        comparison_operator: 'EQUAL'
        notification:
          notify_on_ok: false
          retrigger_seconds: 1
        source:
          aggregation: 'MAX'
          display: '1'
          name: '1'
        threshold:
          value:
            double_value: 2
      query_text: 'select 2'
      schedule:
        pause_status: 'UNPAUSED'
        quartz_cron_schedule: '44 19 */1 * * ?'
        timezone_id: 'Europe/Amsterdam'
      warehouse_id: 799f096837fzzzz4

applicazione

Type: Map

La risorsa dell'app definisce un'app Databricks . Per informazioni sulle app di Databricks, vedere App di Databricks.

Per aggiungere un'app, specificare le impostazioni per definire l'app, incluso il obbligatorio source_code_path.

Tip

È possibile inizializzare un bundle con un'app Streamlit Databricks usando il comando seguente:

databricks bundle init https://github.com/databricks/bundle-examples --template-dir contrib/templates/streamlit-app

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.239.0

apps:
  <app-name>:
    <app-field-name>: <app-field-value>

Key	Type	Description
budget_policy_id	String	ID dei criteri di budget per l'app. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.243.0
compute_size	String	Dimensione di calcolo per l'app. I valori validi sono MEDIUM o LARGE dipendono dalla configurazione dell'area di lavoro. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.273.0
config	Map	Comandi di configurazione delle app e variabili di ambiente. Se specificato, questa configurazione viene scritta in un file app.yaml nel percorso del codice sorgente durante la distribuzione. In questo modo è possibile definire la configurazione dell'app direttamente nel bundle YAML anziché mantenere un file app.yaml separato. Vedere app.config. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.283.0
description	String	Descrizione dell'app. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.239.0
lifecycle	Map	Il comportamento della risorsa quando viene distribuita o distrutta. Vedere ciclo di vita. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.268.0
name	String	Nome dell'app. Il nome deve contenere solo caratteri alfanumerici minuscoli e trattini. Deve essere univoco all'interno dell'area di lavoro. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.239.0
permissions	Sequence	Autorizzazioni dell'app. Vedere autorizzazioni. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.239.0
resources	Sequence	Risorse di calcolo dell'app. Vedere app.resources. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.239.0
source_code_path	String	Percorso ./app locale del codice sorgente dell'app Databricks. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.239.0
user_api_scopes	Sequence	Ambiti dell'API utente. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.246.0

app.config

Comandi di configurazione delle app e variabili di ambiente. Vedere Configurare l'esecuzione dell'app Databricks con app.yaml.

Key	Type	Description
command	String	Comandi per eseguire l'app, ad esempio ["streamlit", "run", "app.py"]
env	Sequence	Elenco di coppie e value che specificano le variabili di name ambiente dell'app.

app.risorse

Type: Sequence

Elenco delle risorse di calcolo per l'app.

Ogni elemento nell'elenco è :AppResource

Key	Type	Description
description	String	Descrizione della risorsa dell'app.
database	Map	Impostazioni che identificano il database Lakebase da usare. Vedere app.resources.database.
experiment	Map	Impostazioni che identificano l'esperimento MLflow da usare. Vedere app.resources.experiment.
genie_space	Map	Le impostazioni che identificano lo spazio Genie da utilizzare. Vedere app.resources.genie_space.
job	Map	Le impostazioni che identificano la risorsa di lavoro da utilizzare. Vedere app.resources.job.
name	String	Nome della risorsa dell'app.
secret	Map	Impostazioni che identificano la risorsa privata di Azure Databricks da usare. Vedere app.resources.secret.
serving_endpoint	Map	Impostazioni che identificano il modello che gestisce la risorsa endpoint da usare. Vedere app.resources.serving_endpoint.
sql_warehouse	Map	Impostazioni che identificano la risorsa di SQL Warehouse da usare. Vedere app.resources.sql_warehouse.
uc_securable	Map	Impostazioni che identificano il volume del catalogo Unity da usare. Vedere app.resources.uc_securable.

database delle risorse dell'app

Type: Map

Impostazioni che identificano il database Lakebase da usare.

Key	Type	Description
database_name	String	Nome del database.
instance_name	String	Nome dell'istanza del database.
permission	String	Livello di autorizzazione per il database. I valori validi sono CAN_CONNECT_AND_CREATE.

app.resources.experiment

Type: Map

Impostazioni che identificano l'esperimento MLflow da usare.

Key	Type	Description
experiment_id	String	ID dell'esperimento MLflow.
permission	String	Livello di autorizzazione per l'esperimento. I valori validi includono CAN_READ, CAN_EDIT, CAN_MANAGE.

app.resources.genie_space

Type: Map

Le impostazioni che identificano lo spazio Genie da utilizzare.

Key	Type	Description
name	String	Nome dello spazio Genie.
permission	String	Livello di autorizzazione per lo spazio. I valori validi includono CAN_VIEW, CAN_EDIT, CAN_MANAGE, CAN_RUN.
space_id	String	ID dello spazio Genie, ad esempio 550e8400-e29b-41d4-a716-999955440000.

app.resources.job

Type: Map

Le impostazioni che identificano la risorsa di lavoro da utilizzare.

Key	Type	Description
id	String	L'ID della mansione.
permission	String	Livello di autorizzazione per il compito. I valori validi includono CAN_VIEW, CAN_MANAGE_RUN, CAN_MANAGE, IS_OWNER.

app.resources.secret

Type: Map

Impostazioni che identificano la risorsa privata di Azure Databricks da usare.

Key	Type	Description
key	String	Chiave del segreto per concedere l'autorizzazione.
permission	String	Livello di autorizzazione per il segreto. I valori validi includono READ, WRITE, MANAGE.
scope	String	Nome dell'ambito del segreto.

app.risorse.punto_di_servizio

Type: Map

Impostazioni che identificano il modello che gestisce la risorsa endpoint da usare.

Key	Type	Description
name	String	Nome dell'endpoint di servizio.
permission	String	Livello di autorizzazione per l'endpoint di gestione. I valori validi includono CAN_QUERY, CAN_MANAGE, CAN_VIEW.

app.resources.sql_warehouse

Type: Map

Le impostazioni che identificano il SQL warehouse da utilizzare.

Key	Type	Description
id	String	L'ID del magazzino SQL.
permission	String	Livello di autorizzazione per SQL Warehouse. I valori validi includono CAN_USE, CAN_MANAGE, IS_OWNER.

app.resources.uc_securable

Type: Map

Impostazioni che identificano il volume del catalogo Unity da usare.

Key	Type	Description
permission	String	Livello di autorizzazione per l'oggetto securabile di Unity Catalog. I valori validi sono READ_VOLUME e WRITE_VOLUME.
securable_full_name	String	Nome completo del componente proteggibile di Unity Catalog nel formato catalog.schema.volume.
securable_type	String	Tipo di elemento securizzabile del catalogo Unity. I valori validi sono VOLUME.

Examples

Per un'esercitazione che illustra come creare un bundle che definisce un'app, vedere Gestire le app di Databricks usando i bundle di asset di Databricks.

L'esempio seguente definisce un'app di base:

resources:
  apps:
    hello_world_app:
      name: 'hello-world-app'
      source_code_path: . # This assumes the app source code is at the root of the project.
      description: 'A Databricks app'

L'esempio seguente crea un'app denominata my_app che gestisce un processo creato dal bundle. Per l'esempio completo, vedere il repository GitHub bundle-examples.

resources:
  jobs:
    # Define a job in the bundle
    hello_world:
      name: hello_world
      tasks:
        - task_key: task
          spark_python_task:
            python_file: ../src/main.py
          environment_key: default

      environments:
        - environment_key: default
          spec:
            environment_version: '2'

  # Define an app that manages the job in the bundle
  apps:
    job_manager:
      name: 'job_manager_app'
      description: 'An app which manages a job created by this bundle'

      # The location of the source code for the app
      source_code_path: ../src/app

      # The resources in the bundle which this app has access to. This binds the resource in the app with the bundle resource.
      resources:
        - name: 'app-job'
          job:
            id: ${resources.jobs.hello_world.id}
            permission: 'CAN_MANAGE_RUN'

Il corrispondente app.yaml definisce la configurazione per l'esecuzione dell'app:

command:
  - flask
  - --app
  - app
  - run
  - --debug
env:
  - name: JOB_ID
    valueFrom: 'app-job'

L'esempio seguente crea un'app che ha accesso a un esperimento MLflow creato dal bundle:

resources:
  experiments:
    # Define an MLflow experiment in the bundle
    my_experiment:
      name: /Users/${workspace.current_user.userName}/my-app-experiment

  apps:
    my_ml_app:
      name: 'my-ml-app'
      description: 'An app with access to an MLflow experiment'
      source_code_path: ./app

      # Grant the app access to the MLflow experiment
      resources:
        - name: 'app-experiment'
          experiment:
            experiment_id: ${resources.experiments.my_experiment.id}
            permission: 'CAN_MANAGE'

In alternativa, l'esempio seguente definisce un'app con configurazione personalizzata definita nella configurazione del bundle:

resources:
  apps:
    my_app:
      name: my_app
      description: my_app_description
      source_code_path: ./app
      config:
        command: ['flask', '--app', 'app', 'run']
        env:
          - name: MY_ENV_VAR
            value: test_value
          - name: ANOTHER_VAR
            value: another_value

catalogs

Type: Map

La risorsa catalogo consente di definire cataloghi (catalogo Unity) in un bundle.

Note

L'uso dei bundle di asset di Databricks per definire i cataloghi è supportato solo se si usa il motore di distribuzione diretta.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0

catalogs:
  <catalog-name>:
    <catalog-field-name>: <catalog-field-value>

Key	Type	Description
comment	String	Descrizione del catalogo fornita dall'utente in formato libero. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
connection_name	String	Nome della connessione a un'origine dati esterna. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
grants	Sequence	Concessioni associate al catalogo. Vedere Grant. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
lifecycle	Map	Contiene le impostazioni del ciclo di vita per una risorsa. Controlla il comportamento della risorsa quando viene distribuita o distrutta. Vedere ciclo di vita. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
name	String	Obbligatorio. Nome del catalogo. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
options	Oggetto	Mappa delle proprietà chiave-valore associate all'entità a protezione diretta. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
properties	Oggetto	Mappa delle proprietà chiave-valore associate all'entità a protezione diretta. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
provider_name	String	Nome del provider di condivisione differenziale. Un catalogo di condivisione differenziale è un catalogo basato su una condivisione Delta in un server di condivisione remota. Si veda Che cos'è Delta Sharing?. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
share_name	String	Nome della condivisione nel provider di condivisione. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
storage_root	String	URL radice di archiviazione per le tabelle gestite all'interno del catalogo. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0

Example

resources:
  catalogs:
    my_catalog:
      name: my_catalog
      comment: 'Catalog created by Databricks Asset Bundles'
      properties:
        purpose: 'Testing'
      grants:
        - principal: someone@example.com
          privileges:
            - USE_CATALOG
            - CREATE_SCHEMA

  schemas:
    my_schema:
      name: my_schema
      catalog_name: ${resources.catalogs.my_catalog.name}
      comment: 'Schema in custom catalog'

cluster

Type: Map

La risorsa cluster definisce un cluster.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0

clusters:
  <cluster-name>:
    <cluster-field-name>: <cluster-field-value>

Key	Type	Description
apply_policy_default_values	Boolean	Se impostato su true, i valori predefiniti e fissi dei criteri verranno usati per i campi omessi. Se impostato su false, verranno applicati solo i valori fissi dei criteri. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
autoscale	Map	Parametri necessari per ridimensionare automaticamente i cluster in base al carico. Consulta autoscale. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
autotermination_minutes	Integer	Termina automaticamente il cluster dopo il tempo di inattività specificato in minuti. Se non è impostato, il cluster non verrà terminato automaticamente. Se specificato, la soglia deve essere compresa tra 10 e 10000 minuti. Gli utenti possono anche impostare questo valore su 0 per disabilitare in modo esplicito la terminazione automatica. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
aws_attributes	Map	Attributi correlati ai cluster in esecuzione in Amazon Web Services. Se non specificato durante la creazione del cluster, verrà usato un set di valori predefiniti. Vedere aws_attributes. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
azure_attributes	Map	Attributi correlati ai cluster in esecuzione in Microsoft Azure. Se non specificato durante la creazione del cluster, verrà usato un set di valori predefiniti. Vedere azure_attributes. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
cluster_log_conf	Map	Configurazione per il recapito dei log spark a una destinazione di archiviazione a lungo termine. Vedere cluster_log_conf. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
cluster_name	String	Nome del cluster richiesto dall'utente. Questo non deve essere univoco. Se non specificato durante la creazione, il nome del cluster sarà una stringa vuota. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
custom_tags	Map	Tag aggiuntivi per le risorse del cluster. Databricks contrassegnerà tutte le risorse del cluster (ad esempio, istanze di AWS e volumi EBS) con questi tag oltre a default_tags. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
data_security_mode	String	Modello di governance dei dati da usare per l'accesso ai dati da un cluster. I valori validi includono NONE, SINGLE_USER, USER_ISOLATIONLEGACY_SINGLE_USER, LEGACY_TABLE_ACL, , . LEGACY_PASSTHROUGH Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
docker_image	Map	Immagine Docker personalizzata. Vedere docker_image. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
driver_instance_pool_id	String	L'ID facoltativo del pool di istanze a cui appartiene il driver del cluster. Il cluster del pool usa il pool di istanze con ID (istanza*pool_id) se il pool di driver non è assegnato. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
driver_node_type_id	String	Tipo di nodo del driver Spark. Questo campo è facoltativo. Se non impostato, il tipo di nodo del driver viene impostato sul valore di node_type_id. Questo campo, insieme node_type_ida , non deve essere impostato se virtual_cluster_size è impostato. Se vengono specificati entrambi driver_node_type_id, node_type_ide virtual_cluster_size e hanno driver_node_type_id la precedenza. node_type_id Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
enable_elastic_disk	Boolean	Scalabilità automatica dell'archiviazione locale: se abilitato, questo cluster acquisirà dinamicamente spazio su disco aggiuntivo quando i worker di Spark stanno esaurendo lo spazio su disco. Questa funzionalità richiede autorizzazioni AWS specifiche per funzionare correttamente. Per altre informazioni, vedere la Guida per l'utente. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
enable_local_disk_encryption	Boolean	Indica se abilitare LUKS nei dischi locali delle macchine virtuali del cluster. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
gcp_attributes	Map	Attributi correlati ai cluster in esecuzione in Google Cloud Platform. Se non specificato durante la creazione del cluster, verrà usato un set di valori predefiniti. Vedere gcp_attributes. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
init_scripts	Sequence	Configurazione per l'archiviazione di script init. È possibile specificare un numero qualsiasi di destinazioni. Gli script vengono eseguiti in sequenza nell'ordine specificato. Vedere init_scripts. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
instance_pool_id	String	ID facoltativo del pool di istanze a cui appartiene il cluster. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
is_single_node	Boolean	Questo campo può essere usato solo quando kind = CLASSIC_PREVIEW. Se impostato su true, Databricks imposta automaticamente il nodo singolo correlato a custom_tags, spark_confe num_workers. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.237.0
kind	String	Tipo di calcolo descritto da questa specifica di calcolo. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.237.0
lifecycle	Map	Contiene le impostazioni del ciclo di vita per una risorsa. Controlla il comportamento della risorsa quando viene distribuita o distrutta. Vedere ciclo di vita. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.268.0
node_type_id	String	Questo campo codifica, con un solo valore, le risorse disponibili in ognuno dei nodi Spark del cluster. Ad esempio, è possibile effettuare il provisioning e ottimizzare i nodi Spark per carichi di lavoro a elevato utilizzo di memoria o calcolo. È possibile recuperare un elenco dei tipi di nodo disponibili usando l'API Elenca tipi di nodo. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
num_workers	Integer	Numero di nodi di lavoro che il cluster deve avere. Un cluster ha un driver Spark e num_workers esecutori per un totale di num_workers + 1 nodi Spark. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
permissions	Sequence	Autorizzazioni del cluster. Vedere autorizzazioni. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
policy_id	String	ID dei criteri del cluster usati per creare il cluster, se applicabile. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
remote_disk_throughput	Integer	Velocità effettiva del disco remoto in byte al secondo. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.257.0
runtime_engine	String	Determina il motore di runtime del cluster, STANDARD o PHOTON. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
single_user_name	String	Nome utente singolo se data*security_mode è SINGLE_USER. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
spark_conf	Map	Oggetto contenente un set di coppie chiave-valore di configurazione Spark specificate dall'utente facoltative. Gli utenti possono anche passare una stringa di opzioni JVM aggiuntive al driver e agli executor tramite spark.driver.extraJavaOptions e spark.executor.extraJavaOptions rispettivamente. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
spark_env_vars	Map	Oggetto contenente un set di coppie chiave-valore della variabile di ambiente specificate dall'utente facoltative. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
spark_version	String	Versione Spark del cluster, ad esempio 3.3.x-scala2.11. È possibile recuperare un elenco delle versioni di Spark disponibili usando l'API Elenca le versioni di Spark disponibili. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
ssh_public_keys	Sequence	Contenuto della chiave pubblica SSH che verrà aggiunto a ogni nodo Spark in questo cluster. Le chiavi private corrispondenti possono essere usate per accedere con il nome ubuntu utente sulla porta 2200. È possibile specificare fino a 10 chiavi. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
total_initial_remote_disk_size	Integer	Dimensioni totali del disco remoto iniziale in byte. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.257.0
use_ml_runtime	Boolean	Questo campo può essere usato solo quando kind = CLASSIC_PREVIEW. effective_spark_version è determinato da spark_version (versione di Databricks Runtime), questo campo use_ml_runtimee indica se node_type_id è un nodo GPU o meno. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.237.0
workload_type	Map	Attributi del cluster visualizzati per i tipi di carico di lavoro dei cluster. Vedere workload_type. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0

cluster.autoscale

Type: Map

Parametri per il ridimensionamento automatico dei cluster in base al carico.

Key	Type	Description
min_workers	Integer	Numero minimo di ruoli di lavoro a cui il cluster può ridurre le prestazioni quando è sottoutilizzato. È anche il numero iniziale di ruoli di lavoro che il cluster avrà dopo la creazione.
max_workers	Integer	Numero massimo di ruoli di lavoro a cui il cluster può aumentare le prestazioni durante l'overload. max_workers deve essere rigorosamente maggiore di min_workers.

cluster.aws_attributes

Type: Map

Attributi correlati ai cluster in esecuzione in Amazon Web Services.

Key	Type	Description
zone_id	String	Identificatore per la zona di disponibilità o il data center in cui risiede il cluster. Questa stringa sarà di un formato come us-west-2a.
availability	String	Tipo di disponibilità usato per tutti i nodi successivi oltre first_on_demand quelli. I valori validi sono SPOT, ON_DEMAND, SPOT_WITH_FALLBACK.
spot_bid_price_percent	Integer	Prezzo massimo per le istanze spot di AWS, come percentuale del prezzo su richiesta del tipo di istanza corrispondente.
instance_profile_arn	String	I nodi per questo cluster verranno inseriti solo nelle istanze di AWS con questo profilo di istanza.
first_on_demand	Integer	I primi first_on_demand nodi del cluster verranno posizionati su istanze su richiesta. Questo valore deve essere maggiore di 0, per assicurarsi che il nodo del driver del cluster sia posizionato in un'istanza su richiesta.
ebs_volume_type	String	Tipo di volumi EBS che verranno avviati con questo cluster. I valori validi sono GENERAL_PURPOSE_SSD o THROUGHPUT_OPTIMIZED_HDD.
ebs_volume_count	Integer	Numero di volumi lanciati per ogni istanza.
ebs_volume_size	Integer	Dimensioni di ogni volume EBS (in GiB) avviato per ogni istanza.
ebs_volume_iops	Integer	Numero di operazioni di I/O al secondo per volume gp3 di EBS.
ebs_volume_throughput	Integer	Velocità effettiva per volume gp3 di EBS, in MiB al secondo.

cluster.azure_attributes

Type: Map

Attributi correlati ai cluster in esecuzione in Microsoft Azure.

Key	Type	Description
first_on_demand	Integer	I primi first_on_demand nodi del cluster verranno posizionati su istanze su richiesta.
availability	String	Tipo di disponibilità usato per tutti i nodi successivi oltre first_on_demand quelli. I valori validi sono SPOT_AZURE, ON_DEMAND_AZURE, SPOT_WITH_FALLBACK_AZURE.
spot_bid_max_price	Number	Prezzo massimo per le istanze spot di Azure. Usare -1 per specificare il prezzo più basso.
log_analytics_info	Map	Configurazione per l'agente di Azure Log Analytics. Vedere log_analytics_info.

cluster.azure_attributes.log_analytics_info

Type: Map

Configurazione per l'agente di Azure Log Analytics.

Key	Type	Description
log_analytics_workspace_id	String	ID dell'area di lavoro Log Analytics di Azure.
log_analytics_primary_key	String	Chiave primaria per l'area di lavoro Log Analytics di Azure.

cluster.gcp_attributes

Type: Map

Attributi correlati ai cluster in esecuzione in Google Cloud Platform.

Key	Type	Description
use_preemptible_executors	Boolean	Se utilizzare esecutori preemptible. Gli executor preemptible sono istanze GCE preemptible che possono essere recuperate da GCE in qualsiasi momento.
google_service_account	String	L'account del servizio Google da usare nelle istanze della macchina virtuale del cluster Databricks.
local_ssd_count	Integer	Numero di unità SSD locali da collegare a ogni nodo del cluster. Il valore predefinito è 0.
zone_id	String	Identificatore per la zona di disponibilità o il data center in cui risiede il cluster.
availability	String	Tipo di disponibilità usato per tutti i nodi. I valori validi sono PREEMPTIBLE_GCP, ON_DEMAND_GCP, PREEMPTIBLE_WITH_FALLBACK_GCP.
boot_disk_size	Integer	Dimensioni del disco di avvio in GB. I valori sono in genere compresi tra 100 e 1000.

cluster.cluster_log_conf

Configurazione per il recapito dei log spark a una destinazione di archiviazione a lungo termine.

Key	Type	Description
dbfs	Map	Percorso DBFS per la consegna dei log del cluster. Vedere dbfs.
s3	Map	Percorso S3 per la consegna dei log del cluster. Vedere s3.
volumes	Map	Posizione dei volumi per il recapito dei log del cluster. Vedere volumi.

cluster.cluster_log_conf.dbfs

Type: Map

Percorso DBFS per la consegna dei log del cluster.

Key	Type	Description
destination	String	Percorso DBFS per la consegna del log del cluster, ad esempio dbfs:/cluster-logs.

cluster.cluster_log_conf.s3

Type: Map

Percorso S3 per la consegna dei log del cluster.

Key	Type	Description
destination	String	URI S3 per recapito del log del cluster, ad esempio s3://my-bucket/cluster-logs.
region	String	La regione AWS del bucket S3.
endpoint	String	URL dell'endpoint S3 (facoltativo).
enable_encryption	Boolean	Indica se abilitare la crittografia per i log del cluster.
encryption_type	String	Tipo di crittografia. I valori validi includono SSE_S3, SSE_KMS.
kms_key	String	L'ARN della chiave KMS per la crittografia (quando si usa SSE_KMS).
canned_acl	String	ACL predefinita da applicare ai log del cluster.

cluster.cluster_log_conf.volumi

Type: Map

Posizione dei volumi per il recapito dei log del cluster.

Key	Type	Description
destination	String	Percorso del volume per il recapito dei log del cluster, ad esempio /Volumes/catalog/schema/volume/cluster_log.

cluster.docker_image

Type: Map

Configurazione personalizzata dell'immagine Docker.

Key	Type	Description
url	String	URL dell'immagine Docker.
basic_auth	Map	Autenticazione di base per il repository Docker. Vedere basic_auth.

cluster.docker_image.autenticazione_di_base

Type: Map

Autenticazione di base per il repository Docker.

Key	Type	Description
username	String	Nome utente per l'autenticazione del Registro di sistema Docker.
password	String	Password per l'autenticazione del Registro di sistema Docker.

cluster.init_scripts

Type: Map

Configurazione per l'archiviazione di script init. È necessario specificare almeno un tipo di posizione.

Key	Type	Description
dbfs	Map	Posizione DBFS dello script di inizializzazione. Vedere dbfs.
workspace	Map	Posizione dell'area di lavoro dello script init. Vedi Area di lavoro.
s3	Map	Percorso S3 dello script init. Vedere s3.
abfss	Map	Percorso ABFSS dello script init. Vedere abfss.
gcs	Map	Percorso GCS dello script init. Vedere gcs.
volumes	Map	Posizione dello script di inizializzazione dei volumi UC. Vedere volumi.

cluster.init_scripts.dbfs

Type: Map

Posizione DBFS dello script di inizializzazione.

Key	Type	Description
destination	String	Percorso DBFS dello script di inizializzazione.

cluster.init_scripts.spazio di lavoro

Type: Map

Posizione dell'area di lavoro dello script init.

Key	Type	Description
destination	String	Percorso dell'area di lavoro dello script init.

cluster.init_scripts.s3

Type: Map

Percorso S3 dello script init.

Key	Type	Description
destination	String	URI S3 dello script init.
region	String	La regione AWS del bucket S3.
endpoint	String	URL dell'endpoint S3 (facoltativo).

cluster.init_scripts.abfss

Type: Map

Percorso ABFSS dello script init.

Key	Type	Description
destination	String	Il percorso ABFSS dell'init script.

cluster.init_scripts.gcs

Type: Map

Percorso GCS dello script init.

Key	Type	Description
destination	String	Percorso GCS dello script init.

cluster.init_scripts.volumes

Type: Map

Posizione dei volumi dello script init.

Key	Type	Description
destination	String	Il percorso dei volumi UC dello script di inizializzazione.

cluster.workload_type (tipo di carico di lavoro)

Type: Map

Attributi del cluster che mostrano i tipi di carico di lavoro del cluster.

Key	Type	Description
clients	Map	Definisce il tipo di client che può usare il cluster. Vedi clienti.

cluster.tipo_di_carico.clienti

Type: Map

Tipo di client per questo carico di lavoro di calcolo.

Key	Type	Description
jobs	Boolean	Indica se il cluster può eseguire lavori.
notebooks	Boolean	Indica se il cluster può eseguire notebook.

Examples

L'esempio seguente crea un cluster dedicato (utente singolo) per l'utente corrente con Databricks Runtime 15.4 LTS e criteri del cluster:

resources:
  clusters:
    my_cluster:
      num_workers: 0
      node_type_id: 'i3.xlarge'
      driver_node_type_id: 'i3.xlarge'
      spark_version: '15.4.x-scala2.12'
      spark_conf:
        'spark.executor.memory': '2g'
      autotermination_minutes: 60
      enable_elastic_disk: true
      single_user_name: ${workspace.current_user.userName}
      policy_id: '000128DB309672CA'
      enable_local_disk_encryption: false
      data_security_mode: SINGLE_USER
      runtime_engine: STANDARD

In questo esempio viene creato un cluster my_cluster semplice e viene impostato come cluster da usare per eseguire il notebook in my_job:

bundle:
  name: clusters

resources:
  clusters:
    my_cluster:
      num_workers: 2
      node_type_id: 'i3.xlarge'
      autoscale:
        min_workers: 2
        max_workers: 7
      spark_version: '13.3.x-scala2.12'
      spark_conf:
        'spark.executor.memory': '2g'

  jobs:
    my_job:
      tasks:
        - task_key: test_task
          notebook_task:
            notebook_path: './src/my_notebook.py'
          existing_cluster_id: ${resources.clusters.my_cluster.id}

cruscotto

Type: Map

La risorsa dashboard consente di gestire dashboard di intelligenza artificiale/business intelligence in un pacchetto. Per informazioni sui dashboard di intelligenza artificiale/BI, vedere Dashboard.

Se è stato distribuito un bundle che contiene un dashboard dall'ambiente locale e quindi si usa l'interfaccia utente per modificare tale dashboard, le modifiche apportate tramite l'interfaccia utente non vengono applicate al file JSON del dashboard nel bundle locale, a meno che non venga aggiornato in modo esplicito usando bundle generate. È possibile usare l'opzione --watch per eseguire continuamente il polling e recuperare le modifiche al dashboard. Vedere databricks bundle generate.

Inoltre, se si tenta di distribuire un bundle dall'ambiente locale che contiene un file JSON del dashboard diverso da quello nell'area di lavoro remota, si verificherà un errore. Per forzare il deploy e quindi sovrascrivere il dashboard nell'area di lavoro remota con quello locale, usare l'opzione --force. Vedere databricks bundle deploy.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.232.0

Note

Quando si utilizzano pacchetti di asset di Databricks con il supporto Git per il dashboard, impedire la generazione di dashboard duplicati aggiungendo il mapping di sincronizzazione per escludere i dashboard dalla sincronizzazione dei file:

sync:
  exclude:
    - src/*.lvdash.json

dashboards:
  <dashboard-name>:
    <dashboard-field-name>: <dashboard-field-value>

Key	Type	Description
dataset_catalog	String	Valore del catalogo predefinito usato da tutti i set di dati nel dashboard, se non specificato diversamente nella query. Ad esempio, la configurazione che imposta questo campo, vedere Catalogo dashboard e parametrizzazione dello schema. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.283.0
dataset_schema	String	Valore dello schema predefinito usato da tutti i set di dati nel dashboard se non diversamente specificato nella query. Ad esempio, la configurazione che imposta questo campo, vedere Catalogo dashboard e parametrizzazione dello schema. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.283.0
display_name	String	Il nome visualizzato del dashboard. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.232.0
embed_credentials	Boolean	Indica se le credenziali di identità di distribuzione del bundle vengono utilizzate per eseguire le query per tutti i visualizzatori del dashboard. Se è impostato su false, vengono usate le credenziali di un visualizzatore. Il valore predefinito è false. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.232.0
etag	String	Etag per il dashboard. È possibile specificare facoltativamente gli aggiornamenti per assicurarsi che il dashboard non sia stato modificato dopo l'ultima lettura. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.234.0
file_path	String	Percorso locale dell'asset del dashboard, incluso il nome del file. I dashboard esportati hanno sempre l'estensione di file .lvdash.json. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.232.0
lifecycle	Map	Contiene le impostazioni del ciclo di vita per una risorsa. Controlla il comportamento della risorsa quando viene distribuita o distrutta. Vedere ciclo di vita.
parent_path	String	Percorso dell'area di lavoro della cartella contenente il dashboard. Include una barra iniziale e nessuna barra finale. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.232.0
path	String	Percorso dell'area di lavoro dell'asset del dashboard, incluso il nome dell'asset. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.234.0
permissions	Sequence	Autorizzazioni del dashboard. Vedere autorizzazioni. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.232.0
serialized_dashboard	Any	Contenuti del dashboard in formato stringa serializzata. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.232.0
warehouse_id	String	L'ID magazzino utilizzato per far funzionare il cruscotto. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.232.0

Example

L'esempio seguente include e distribuisce il dashboard di esempio NYC Taxi Trip Analysis nella workspace di Databricks.

resources:
  dashboards:
    nyc_taxi_trip_analysis:
      display_name: 'NYC Taxi Trip Analysis'
      file_path: ../src/nyc_taxi_trip_analysis.lvdash.json
      warehouse_id: ${var.warehouse_id}

database_catalog

Type: Map

La risorsa del catalogo di database consente di definire cataloghi di database che corrispondono alle istanze di database in un bundle. Un catalogo di database è un database Lakebase registrato come catalogo unity.

Per informazioni sui cataloghi di database, vedere Creare un catalogo.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.265.0

database_catalogs:
  <database_catalog-name>:
    <database_catalog-field-name>: <database_catalog-field-value>

Key	Type	Description
create_database_if_not_exists	Boolean	Indica se creare il database se non esiste. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.265.0
database_instance_name	String	Nome dell'istanza che ospita il database. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.265.0
database_name	String	Nome del database (in un'istanza) associato al catalogo. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.265.0
lifecycle	Map	Contiene le impostazioni del ciclo di vita per una risorsa, incluso il comportamento della risorsa quando viene distribuita o eliminata definitivamente. Vedere ciclo di vita. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.265.0
name	String	Nome del catalogo in Unity Catalog. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.265.0

Example

Nell'esempio seguente viene definita un'istanza di database con un catalogo di database corrispondente:

resources:
  database_instances:
    my_instance:
      name: my-instance
      capacity: CU_1
  database_catalogs:
    my_catalog:
      database_instance_name: ${resources.database_instances.my_instance.name}
      name: example_catalog
      database_name: my_database
      create_database_if_not_exists: true

database_instance

Type: Map

La risorsa dell'istanza del database consente di definire istanze di database in un bundle. Un'istanza del database Lakebase gestisce le risorse di archiviazione e di calcolo e fornisce gli endpoint a cui gli utenti si connettono.

Importante

Quando si distribuisce un bundle con un'istanza di database, l'istanza inizia immediatamente l'esecuzione ed è soggetta ai prezzi. Vedere Prezzi di Lakebase.

Per informazioni sulle istanze di database, vedere Che cos'è un'istanza del database?

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.265.0

database_instances:
  <database_instance-name>:
    <database_instance-field-name>: <database_instance-field-value>

Key	Type	Description
capacity	String	SKU dell'istanza di . I valori validi sono CU_1, CU_2, CU_4, CU_8. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.265.0
custom_tags	Sequence	Elenco di coppie chiave-valore che specificano tag personalizzati associati all'istanza. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.273.0
enable_pg_native_login	Boolean	Indica se l'istanza ha abilitato l'accesso con password nativa PG. Il valore predefinito è true. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.267.0
enable_readable_secondaries	Boolean	Indica se abilitare i database secondari per gestire il traffico di sola lettura. Il valore predefinito è false. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.265.0
lifecycle	Map	Contiene le impostazioni del ciclo di vita per una risorsa. Controlla il comportamento della risorsa quando viene distribuita o distrutta. Vedere ciclo di vita. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.268.0
name	String	Nome dell'istanza. Si tratta dell'identificatore univoco per l'istanza. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.265.0
node_count	Integer	Numero di nodi nell'istanza, composto da 1 database primario e da 0 o più database secondari. Il valore predefinito è 1 database primario e 0 secondari. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.265.0
parent_instance_ref	Map	Riferimento dell'istanza padre. Questa opzione è disponibile solo se l'istanza è figlio. Vedere Istanza padre. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.265.0
permissions	Sequence	Autorizzazioni dell'istanza del database. Vedere autorizzazioni. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.265.0
retention_window_in_days	Integer	Finestra di conservazione per l'istanza di . Questo è l'intervallo di tempo in giorni per cui vengono conservati i dati cronologici. Il valore predefinito è 7 giorni. I valori validi sono compresi tra 2 e 35 giorni. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.265.0
stopped	Boolean	Indica se l'istanza viene arrestata. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.265.0
usage_policy_id	String	Politica di utilizzo desiderata da associare all'istanza. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.273.0

database_instance.parent_instance_ref

Type: Map

Riferimento dell'istanza padre. Questa opzione è disponibile solo se l'istanza è figlio.

Key	Type	Description
branch_time	String	Tempo del ramo dell'istanza del database di riferimento. Per un'istanza di riferimento padre, si tratta del punto nel tempo dell'istanza padre da cui è stata creata l'istanza. Per un'istanza di riferimento figlio, si tratta del punto nel tempo dell'istanza da cui è stata creata l'istanza figlio.
lsn	String	LSN WAL specificato dall'utente dell'istanza del database di riferimento.
name	String	Nome dell'istanza del database di riferimento.

Example

Nell'esempio seguente viene definita un'istanza di database con un catalogo di database corrispondente:

resources:
  database_instances:
    my_instance:
      name: my-instance
      capacity: CU_1
  database_catalogs:
    my_catalog:
      database_instance_name: ${resources.database_instances.my_instance.name}
      name: example_catalog
      database_name: my_database
      create_database_if_not_exists: true

Per un bundle di esempio che illustra come definire un'istanza del database e il catalogo di database corrispondente, vedere il repository GitHub di esempi di bundle.

esperimento

Type: Map

La risorsa dell'esperimento consente di definire esperimenti MLflow come un insieme. Per informazioni sugli esperimenti di MLflow, vedere Organizzare le esecuzioni di allenamento con esperimenti di MLflow.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0

experiments:
  <experiment-name>:
    <experiment-field-name>: <experiment-field-value>

Key	Type	Description
artifact_location	String	Posizione in cui vengono archiviati gli artefatti per l'esperimento. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
lifecycle	Map	Contiene le impostazioni del ciclo di vita per una risorsa. Controlla il comportamento della risorsa quando viene distribuita o distrutta. Vedere ciclo di vita. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.268.0
name	String	Il nome amichevole che identifica l'esperimento. Un nome dell'esperimento deve essere un percorso assoluto nell'area di lavoro di Databricks, ad esempio /Workspace/Users/someone@example.com/my_experiment. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
permissions	Sequence	Autorizzazioni dell'esperimento. Vedere autorizzazioni. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
tags	Sequence	Coppie chiave-valore di metadati aggiuntive. Consulta i tag. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0

Example

L'esempio seguente definisce un esperimento che tutti gli utenti possono visualizzare:

resources:
  experiments:
    experiment:
      name: /Workspace/Users/someone@example.com/my_experiment
      permissions:
        - level: CAN_READ
          group_name: users
      description: MLflow experiment used to track runs

lavoro

Type: Map

Le attività sono supportate in Python per i pacchetti di risorse di Databricks. Vedere databricks.bundles.jobs.

La risorsa di lavoro consente di definire i lavori e le attività corrispondenti nel pacchetto.

Per informazioni sui lavori, vedere Lakeflow Jobs. Per un'esercitazione che usa un modello di bundle di asset di Databricks per creare un processo, vedere Sviluppare un processo con i bundle di asset di Databricks.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0

jobs:
  <job-name>:
    <job-field-name>: <job-field-value>

Key	Type	Description
budget_policy_id	String	ID della politica di budget specificata dall'utente da utilizzare per questa attività. Se non specificato, è possibile applicare una politica di budget predefinita durante la creazione o la modifica dell'incarico. Vedere effective_budget_policy_id per i criteri di budget usati da questo carico di lavoro. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.231.0
continuous	Map	Una proprietà continua opzionale per questo lavoro. La proprietà continua garantisce che sia sempre in esecuzione una sola esecuzione. È possibile usare solo uno di schedule e continuous . Vedere Continuous( Continua). Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
deployment	Map	Informazioni sul deployment per le attività gestite da fonti esterne. Vedi Deployment (Distribuzione). Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
description	String	Descrizione facoltativa per il lavoro. La lunghezza massima è di 27700 caratteri nella codifica UTF-8. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
email_notifications	Map	Un set facoltativo di indirizzi di posta elettronica che riceve una notifica quando inizia o completa l'esecuzione del processo, nonché quando questo processo viene eliminato. Vedere email_notifications. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
environments	Sequence	Un elenco delle specifiche dell'ambiente di esecuzione delle attività a cui le attività serverless di questo compito possono fare riferimento. È necessario che sia presente un ambiente per le attività serverless. Per le attività del notebook serverless, l'ambiente è accessibile nel pannello dell'ambiente del notebook. Per altre attività serverless, è necessario specificare l'ambiente attività usando environment_key nelle impostazioni dell'attività. Consulta gli ambienti. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
format	String	Deprecated. Formato del lavoro.
git_source	Map	Specifica facoltativa per un repository Git remoto contenente il codice sorgente usato dalle attività. Vedere job.git_source. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0 Importante: Il git_source campo e il campo attività source impostato su GIT non sono consigliati per i bundle, perché i percorsi relativi locali potrebbero non puntare allo stesso contenuto nel repository Git e i bundle prevedono che un processo distribuito abbia lo stesso contenuto della copia locale da cui è stata distribuita. Clona invece l'archivio in locale e imposta il tuo progetto bundle all'interno di questo archivio, cosicché l'origine delle attività sia l'area di lavoro.
health	Map	Set facoltativo di regole di salute che è possibile definire per questo lavoro. Vedere Integrità. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
job_clusters	Sequence	Elenco delle specifiche del cluster di lavori che possono essere condivise e riutilizzate dalle attività di questo lavoro. Vedere job_clusters. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
lifecycle	Map	Contiene le impostazioni del ciclo di vita per una risorsa. Controlla il comportamento della risorsa quando viene distribuita o distrutta. Vedere ciclo di vita. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.268.0
max_concurrent_runs	Integer	Numero massimo consentito facoltativo di esecuzioni simultanee del lavoro. Impostare questo valore se si vuole essere in grado di eseguire più esecuzioni dello stesso processo contemporaneamente.
name	String	Nome facoltativo per il lavoro. La lunghezza massima è di 4096 byte nella codifica UTF-8. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
notification_settings	Map	Impostazioni di notifica facoltative usate durante l'invio di notifiche a ciascuno dei email_notifications e webhook_notifications per questo processo. Vedere notification_settings. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
parameters	Sequence	Definizioni di parametri a livello di attività. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
performance_target	String	Definisce quanto performante o conveniente dovrebbe essere l'esecuzione dell'attività su serverless. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.241.0
permissions	Sequence	Autorizzazioni del lavoro. Vedere autorizzazioni. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
queue	Map	Le impostazioni della coda del processo. Vedere la coda. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
run_as	Map	Impostazione di sola scrittura. Specifica l'utente o l'entità servizio sotto cui viene eseguito il processo. Se non specificato, l'attività viene eseguita come utente che ha creato l'attività. Specificare user_name o service_principal_name . In caso contrario, viene generato un errore. Vedere run_as. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
schedule	Map	Pianificazione periodica facoltativa per questa attività. Il comportamento predefinito è che il processo viene eseguito solo quando viene attivato facendo clic su "Esegui ora" nell'interfaccia utente dei processi o inviando una richiesta API a runNow. Vedere programma. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
tags	Map	Mappa dei tag associati al processo. Questi vengono inoltrati al cluster come etichette di cluster per i gruppi di lavoro e sono soggetti alle stesse limitazioni delle etichette di cluster. È possibile aggiungere al lavoro un massimo di 25 tag. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
tasks	Sequence	Elenco delle specifiche dell'attività da svolgere da questo lavoro. Vedere Aggiungere attività ai processi nei bundle di asset di Databricks. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.237.0
timeout_seconds	Integer	Un timeout facoltativo viene applicato a ogni esecuzione di questo processo. Un valore di 0 indica che non è previsto alcun timeout. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
trigger	Map	Configurazione per attivare un'esecuzione quando vengono soddisfatte determinate condizioni. Vedi trigger. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
usage_policy_id	String	ID dei criteri di utilizzo da usare per questo processo. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.273.0
webhook_notifications	Map	Una raccolta di ID di notifica di sistema per notificare quando l'esecuzione di questo processo inizia o viene completata. Vedere webhook_notifications. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0

job.continuo

Type: Map

Configurazione per l'esecuzione continua dell'attività.

Key	Type	Description
pause_status	String	Indica se il processo continuo viene sospeso o meno. Valori validi: PAUSED, UNPAUSED.
task_retry_mode	String	Indicare il modo in cui il processo continuo applica i tentativi a livello di attività. I valori validi sono NEVER e ON_FAILURE. Il valore predefinito è NEVER.

processo di implementazione (job.deployment)

Type: Map

Informazioni sul deployment per le attività gestite da fonti esterne.

Key	Type	Description
kind	String	Tipo di distribuzione. Ad esempio: BUNDLE.
metadata_file_path	String	Percorso del file di metadati per la distribuzione.

processo.notifiche_email

Type: Map

Impostazioni di notifica tramite posta elettronica per le esecuzioni dei job.

Key	Type	Description
on_start	Sequence	Elenco di indirizzi di posta elettronica da notificare all'avvio di un'esecuzione.
on_success	Sequence	Elenco di indirizzi di posta elettronica da notificare quando un'esecuzione ha esito positivo.
on_failure	Sequence	Elenco di indirizzi di posta elettronica da notificare quando un'esecuzione non riesce.
on_duration_warning_threshold_exceeded	Sequence	Un elenco di indirizzi di posta elettronica da notificare quando un tempo di esecuzione supera la soglia di avviso.
no_alert_for_skipped_runs	Boolean	Indica se saltare l'invio di avvisi per le esecuzioni saltate.
on_streaming_backlog_exceeded	Sequence	Elenco di indirizzi di posta elettronica da notificare quando vengono superate le soglie di backlog di streaming per qualsiasi flusso. Le soglie di backlog di streaming possono essere impostate nel health campo usando le metriche seguenti: STREAMING_BACKLOG_BYTES, STREAMING_BACKLOG_RECORDS, STREAMING_BACKLOG_SECONDSo STREAMING_BACKLOG_FILES. Gli avvisi si basano sulla media di 10 minuti di queste metriche. Se il problema persiste, le notifiche vengono inviate nuovamente ogni 30 minuti.

job.environments

Type: Sequence

Elenco delle specifiche dell'ambiente di esecuzione dei compiti a cui possono fare riferimento i compiti serverless di un processo.

Ogni elemento nell'elenco è :JobEnvironment

Key	Type	Description
environment_key	String	Chiave di un ambiente. Deve essere univoco all'interno di un processo.
spec	Map	Entità che rappresenta un ambiente serverless. Vedere job.environments.spec.

job.environments.spec

Type: Map

Entità che rappresenta un ambiente serverless.

Key	Type	Description
client	String	Deprecated. Versione client.
dependencies	Sequence	Elenco delle dipendenze pip, come supportato dalla versione di pip in questo ambiente.
environment_version	String	Obbligatorio. Versione dell'ambiente usata dall'ambiente. Ogni versione include una versione python specifica e un set di pacchetti Python. La versione è una stringa costituita da un numero intero.

job.git_source

Type: Map

Configurazione del repository Git per il codice sorgente del processo.

Key	Type	Description
git_branch	String	Nome del ramo da archiviare e utilizzare da questo processo. Questo campo non può essere specificato insieme a git_tag o git_commit.
git_commit	String	Eseguire il commit per essere estratto e usato da questo processo. Questo campo non può essere specificato insieme a git_branch o git_tag.
git_provider	String	Identificatore univoco del servizio usato per ospitare il repository Git. Il valore non fa distinzione tra maiuscole e minuscole. I valori validi sono gitHub, bitbucketCloud, gitLabazureDevOpsServices, gitHubEnterprise, bitbucketServer. gitLabEnterpriseEdition
git_snapshot	Map	Stato di sola lettura del repository remoto al momento dell'esecuzione del job. Questo campo è incluso solo nelle esecuzioni dei lavori. Vedere git_snapshot.
git_tag	String	Nome del tag da archiviare e usare da questo processo. Questo campo non può essere specificato insieme a git_branch o git_commit.
git_url	String	URL del repository da clonare da questo processo.

job.git_source.git_snapshot

Type: Map

Snapshot di sola lettura delle informazioni di commit.

Key	Type	Description
used_commit	String	Commit usato per eseguire l'esecuzione. Se git_branch è stato specificato, questo punta all'oggetto HEAD del ramo al momento dell'esecuzione; se git_tag è stato specificato, questo punta al commit a cui il tag fa riferimento.

salute.lavoro

Type: Map

Configurazione del monitoraggio dell'integrità per il lavoro.

Key	Type	Description
rules	Sequence	Elenco delle regole di salute del lavoro. Ogni regola contiene un metric e op (operatore) e value. Vedere job.health.rules.

regole.di.salute.del.lavoro

Type: Sequence

Elenco delle regole di salute del lavoro.

Ogni elemento nell'elenco è :JobHealthRule

Key	Type	Description
metric	String	Specifica la metrica di integrità valutata per una determinata regola di integrità. RUN_DURATION_SECONDS: tempo totale previsto per un'esecuzione del programma in secondi. STREAMING_BACKLOG_BYTES: stima dei byte massimi di dati in attesa di essere utilizzati in tutti i flussi. Questa metrica è disponibile in anteprima pubblica. STREAMING_BACKLOG_RECORDS: stima del ritardo di offset massimo tra tutti i flussi. Questa metrica è disponibile in anteprima pubblica. STREAMING_BACKLOG_SECONDS: stima del ritardo massimo del consumatore attraverso tutti i flussi. Questa metrica è disponibile in anteprima pubblica. STREAMING_BACKLOG_FILES: stima del numero massimo di file in sospeso in tutti i flussi. Questa metrica è disponibile in anteprima pubblica.
op	String	Specifica l'operatore usato per confrontare il valore della metrica di integrità con la soglia specificata.
value	Integer	Specifica il valore soglia che la metrica di integrità deve rispettare per soddisfare la regola di integrità.

job.job_clusters

Type: Sequence

Elenco delle specifiche del cluster di lavori che possono essere condivise e riutilizzate dalle attività di questo lavoro. Le librerie non possono essere dichiarate in un cluster di processi condivisi. È necessario dichiarare librerie dipendenti nelle impostazioni delle attività.

Ogni elemento nell'elenco è :JobCluster

Key	Type	Description
job_cluster_key	String	Nome univoco per il cluster di processi. Questo campo è obbligatorio e deve essere univoco all'interno del processo. JobTaskSettings può fare riferimento a questo campo per determinare quale cluster avviare per l'esecuzione dell'attività.
new_cluster	Map	Se new_cluster, una descrizione di un cluster creato per ogni attività. Consulta cluster.

job.impostazioni_di_notifica

Type: Map

Impostazioni di notifica applicabili a tutte le notifiche per il lavoro.

Key	Type	Description
no_alert_for_skipped_runs	Boolean	Indica se saltare l'invio di avvisi per le esecuzioni saltate.
no_alert_for_canceled_runs	Boolean	Indica se ignorare l'invio di avvisi per le esecuzioni annullate.

job.queue

Type: Map

Impostazioni della coda per il compito.

Key	Type	Description
enabled	Boolean	Indica se abilitare la coda per il processo.

programma.job.schedulazione

Type: Map

Pianificare la configurazione per l'esecuzione periodica del processo.

Key	Type	Description
quartz_cron_expression	String	Un'espressione Cron che usa la sintassi di Quartz che specifica quando viene eseguita l'attività. Ad esempio, 0 0 9 * * ? esegue il processo ogni giorno alle 9:00 UTC.
timezone_id	String	Fuso orario per la pianificazione. Ad esempio, America/Los_Angeles o UTC.
pause_status	String	Indica se il programma è sospeso o meno. Valori validi: PAUSED, UNPAUSED.

compito.attivatore

Type: Map

Attivare la configurazione per l'esecuzione di processi basati su eventi.

Key	Type	Description
file_arrival	Map	Attivazione sull'arrivo di un file. Consulta file_arrival.
table	Map	Trigger basato su una tabella. Vedere la tabella.
table_update	Map	Trigger basato sugli aggiornamenti delle tabelle. Vedere table_update.
periodic	Map	Trigger periodico. Vedere periodico.

processo.attivare.arrivo_file

Type: Map

Attivare la configurazione in base all'arrivo dei file.

Key	Type	Description
url	String	Percorso del file da monitorare per i nuovi file.
min_time_between_triggers_seconds	Integer	Tempo minimo in secondi tra gli eventi di trigger.
wait_after_last_change_seconds	Integer	Tempo di attesa in secondi dopo l'ultima modifica del file prima dell'attivazione.

job.trigger.table

Type: Map

Configurazione del trigger basata su una tabella.

Key	Type	Description
table_names	Sequence	Elenco di nomi di tabella da monitorare.
condition	String	Condizione SQL che deve essere soddisfatta per attivare il processo.

processo.attivare.aggiorna_tabella

Type: Map

Configurazione del trigger basata sugli aggiornamenti della tabella.

Key	Type	Description
table_names	Sequence	Elenco di nomi di tabella da monitorare per gli aggiornamenti.
condition	String	Condizione SQL che deve essere soddisfatta per attivare il processo.
wait_after_last_change_seconds	Integer	Tempo di attesa in secondi dopo l'ultimo aggiornamento della tabella prima dell'attivazione.

processo.attivatore.periodico

Type: Map

Configurazione del trigger periodico.

Key	Type	Description
interval	Integer	Valore dell'intervallo per il trigger periodico.
unit	String	Unità di tempo per l'intervallo. Valori validi: SECONDS, MINUTES, HOURS, DAYS, WEEKS.

job.notifiche_webhook

Type: Map

Impostazioni di notifica webhook per le esecuzioni di attività.

Key	Type	Description
on_start	Sequence	Elenco di ID delle notifiche webhook da utilizzare per avvisare all'inizio di un'esecuzione.
on_success	Sequence	Elenco di ID notifica webhook da notificare quando un'esecuzione ha esito positivo.
on_failure	Sequence	Elenco di ID notifica webhook da notificare quando un'esecuzione ha esito negativo.
on_duration_warning_threshold_exceeded	Sequence	Elenco di ID di notifica webhook che devono essere notificati quando la durata di un'esecuzione supera la soglia di avviso.
on_streaming_backlog_exceeded	Sequence	Elenco di ID di notifica di sistema da chiamare quando vengono superate le soglie di backlog di streaming per qualsiasi flusso. Le soglie di backlog di streaming possono essere impostate nel health campo usando le metriche seguenti: STREAMING_BACKLOG_BYTES, STREAMING_BACKLOG_RECORDS, STREAMING_BACKLOG_SECONDSo STREAMING_BACKLOG_FILES. Gli avvisi si basano sulla media di 10 minuti di queste metriche. Se il problema persiste, le notifiche vengono inviate nuovamente ogni 30 minuti. È possibile specificare un massimo di 3 destinazioni.

Examples

L'esempio seguente definisce un processo con la chiave di risorsa hello-job e un'attività di notebook:

resources:
  jobs:
    hello-job:
      name: hello-job
      tasks:
        - task_key: hello-task
          notebook_task:
            notebook_path: ./hello.py

L'esempio seguente definisce un processo con un notebook SQL:

resources:
  jobs:
    job_with_sql_notebook:
      name: 'Job to demonstrate using a SQL notebook with a SQL warehouse'
      tasks:
        - task_key: notebook
          notebook_task:
            notebook_path: ./select.sql
            warehouse_id: 799f096837fzzzz4

Per altri esempi di configurazione dei processi, vedere Configurazione del processo.

Per informazioni sulla definizione dei compiti di lavoro e sull'override delle impostazioni di lavoro, vedere:

• Aggiungere attività ai processi nei bundle di asset di Databricks
• Override delle impostazioni delle attività lavorative

modello (obsoleto)

Type: Map

La risorsa modello consente di definire modelli legacy nei pacchetti. Databricks consiglia di usare invece i modelli registrati di Unity Catalog .

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0

endpoint_servizio_modello

Type: Map

La risorsa model_serving_endpoint consente di definire modello che gestisce gli endpoint. Vedere Gestire i modelli che gestiscono gli endpoint.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0

model_serving_endpoints:
  <model_serving_endpoint-name>:
    <model_serving_endpoint-field-name>: <model_serving_endpoint-field-value>

Key	Type	Description
ai_gateway	Map	Configurazione del gateway di intelligenza artificiale per l'endpoint di gestione. NOTA: attualmente sono supportati solo gli endpoint di velocità effettiva con provisioning e modello esterno. Vedere ai_gateway. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.230.0
budget_policy_id	String	ID dei criteri di budget da usare per questo endpoint. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.244.0
config	Map	Configurazione principale dell'endpoint di gestione. Consulta config. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
description	String	Descrizione dell'endpoint di gestione. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.260.0
email_notifications	Map	Configurazione delle notifiche tramite posta elettronica per l'endpoint di gestione. Vedere email_notifications. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.264.0
lifecycle	Map	Contiene le impostazioni del ciclo di vita per una risorsa. Controlla il comportamento della risorsa quando viene distribuita o distrutta. Vedere ciclo di vita. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.268.0
name	String	Nome dell'endpoint di servizio. Questo campo è obbligatorio e deve essere univoco in un'area di lavoro di Databricks. Un nome endpoint può essere costituito da caratteri alfanumerici, trattini e caratteri di sottolineatura. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
permissions	Sequence	Il modello che gestisce le autorizzazioni dell'endpoint. Vedere autorizzazioni. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
rate_limits	Sequence	Deprecated. Limiti di frequenza da applicare all'endpoint di servizio. Usare il gateway di intelligenza artificiale per gestire i limiti di frequenza. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
route_optimized	Boolean	Abilitare l'ottimizzazione della route per l'endpoint di servizio. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
tags	Sequence	Tag da associare all'endpoint di gestione e propagati automaticamente ai log di fatturazione. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0

model_serving_endpoint.email_notifications

Type: Map

Configurazione delle notifiche tramite posta elettronica per l'endpoint di gestione.

Key	Type	Description
on_update_failure	Sequence	Elenco di indirizzi di posta elettronica da notificare quando un endpoint non riesce ad aggiornare la configurazione o lo stato.
on_update_success	Sequence	Elenco di indirizzi di posta elettronica per ricevere una notifica quando un endpoint aggiorna correttamente la configurazione o lo stato.

endpoint_servizio_modelli.gateway_ai

Type: Map

Configurazione del gateway di intelligenza artificiale per l'endpoint di gestione.

Key	Type	Description
fallback_config	Map	Configurazione per il fallback del traffico che esegue automaticamente il fallback ad altre entità servite se la richiesta a un'entità servita non riesce con determinati codici di errore, per aumentare la disponibilità. Vedere fallback_config.
guardrails	Map	Configurazione di Guardrail. Vedi barriere di sicurezza.
inference_table_config	Map	Configurazione per la registrazione dell'inferenza nelle tabelle del catalogo Unity. Vedere inference_table_config.
rate_limits	Sequence	Configurazioni del limite di velocità.
usage_tracking_config	Map	Configurazione per tenere traccia dell'utilizzo. Vedere usage_tracking_config.

model_serving_endpoint.ai_gateway.fallback_config

Type: Map

Configurazione per il fallback del traffico che esegue automaticamente il fallback ad altre entità gestite se una richiesta ha esito negativo con determinati codici di errore.

Key	Type	Description
enabled	Boolean	Indica se il fallback è abilitato per questo endpoint.

endpoint_di_servizio_modello.passarella_ai.barriere_protettive

Type: Map

La configurazione delle barriere del gateway dell'intelligenza artificiale.

Key	Type	Description
input	Map	Configurazione delle protezioni di input con campi come safety, pii.
output	Map	La configurazione delle protezioni di output con campi come safety, pii.
invalid_keywords	Sequence	Elenco di parole chiave da bloccare.

model_serving_endpoint.ai_gateway.inference_table_config

Type: Map

Configurazione per la registrazione dell'inferenza nelle tabelle del catalogo Unity.

Key	Type	Description
catalog_name	String	Nome del catalogo in Unity Catalog.
schema_name	String	Nome dello schema in Unity Catalog.
table_name_prefix	String	Prefisso per i nomi delle tabelle di inferenza.
enabled	Boolean	Indica se la registrazione della tabella di inferenza è abilitata.

model_serving_endpoint.ai_gateway.configurazione_tracciamento_utilizzo

Type: Map

Configurazione del gateway di intelligenza artificiale per tenere traccia dell'utilizzo.

Key	Type	Description
enabled	Boolean	Indica se il rilevamento dell'utilizzo è abilitato.

model_serving_endpoint.config

Type: Map

Configurazione principale dell'endpoint di gestione.

Key	Type	Description
served_entities	Sequence	Elenco di entità servite per l'endpoint da gestire. Ogni entità servita contiene campi come entity_name, entity_version, workload_size, scale_to_zero_enabled, workload_type, environment_vars.
served_models	Sequence	(Deprecato: usare served_entities invece) Elenco di modelli serviti per l'endpoint da gestire.
traffic_config	Map	Configurazione del traffico che definisce come devono essere instradate le chiamate all'endpoint di servizio. Vedere traffic_config.
auto_capture_config	Map	Configurazione per le tabelle di inferenza che registra automaticamente le richieste e le risposte al catalogo Unity. Vedere auto_capture_config.

punto_di_servizio_model.config.configurazione_traffico

Type: Map

Configurazione del traffico che definisce come devono essere instradate le chiamate all'endpoint di servizio.

Key	Type	Description
routes	Sequence	Elenco di route per la distribuzione del traffico. Ogni route contiene served_model_name e traffic_percentage.

model_serving_endpoint.config.auto_capture_config

Type: Map

Configurazione per le tabelle di inferenza che registra automaticamente le richieste e le risposte al catalogo Unity.

Key	Type	Description
catalog_name	String	Nome del catalogo in Unity Catalog.
schema_name	String	Nome dello schema in Unity Catalog.
table_name_prefix	String	Prefisso per i nomi delle tabelle di inferenza.
enabled	Boolean	Indica se la registrazione della tabella di inferenza è abilitata.

Example

L'esempio seguente definisce un endpoint di gestione di un modello di Catalogo Unity:

resources:
  model_serving_endpoints:
    uc_model_serving_endpoint:
      name: 'uc-model-endpoint'
      config:
        served_entities:
          - entity_name: 'myCatalog.mySchema.my-ads-model'
            entity_version: '10'
            workload_size: 'Small'
            scale_to_zero_enabled: 'true'
        traffic_config:
          routes:
            - served_model_name: 'my-ads-model-10'
              traffic_percentage: '100'
      tags:
        - key: 'team'
          value: 'data science'

flusso di lavoro

Type: Map

Le pipeline sono supportate in Python per i bundle di asset di Databricks. Vedere databricks.bundles.pipelines.

La risorsa della pipeline consente di creare pipeline. Per informazioni sulle pipeline, vedere Pipeline dichiarative di Lakeflow Spark. Per un'esercitazione che usa il modello Databricks Asset Bundles per creare una pipeline, vedere Sviluppare pipeline dichiarative di Lakeflow Spark con Databricks Asset Bundles.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0

pipelines:
  <pipeline-name>:
    <pipeline-field-name>: <pipeline-field-value>

Key	Type	Description
allow_duplicate_names	Boolean	Se false, la distribuzione avrà esito negativo se il nome è in conflitto con quello di un'altra pipeline. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.261.0
budget_policy_id	String	Politica di budget di questa pipeline. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.230.0
catalog	String	Catalogo in Unity Catalog in cui pubblicare i dati da questa pipeline. Se target viene specificato, le tabelle in questa pipeline vengono pubblicate in uno schema target all'interno di catalog, ad esempio catalog.target.table. Se target non viene specificato, non viene pubblicato alcun dato nel catalogo unity. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
channel	String	Canale di rilascio delle pipeline dichiarative di Lakeflow Spark che specifica quale versione di Lakeflow Spark Declarative Pipelines utilizzare. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
clusters	Sequence	Impostazioni del cluster per questa distribuzione della pipeline. Consulta cluster. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
configuration	Map	La configurazione per l'esecuzione della pipeline. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
continuous	Boolean	Indica se la pipeline è continua o attivata su comando. Questo sostituisce trigger. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
deployment	Map	Tipo di distribuzione di questa pipeline. Vedi Deployment (Distribuzione). Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
development	Boolean	Indica se la pipeline è in modalità di sviluppo. Il valore predefinito è falso. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
dry_run	Boolean	Indica se la pipeline è una pipeline di esecuzione a secco.
edition	String	Edizione del prodotto della linea di produzione. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
environment	Map	Specifica dell'ambiente per questa pipeline usata per installare le dipendenze nell'ambiente di calcolo serverless. Vedere ambiente. Questa chiave è supportata solo nell'interfaccia della riga di comando di Databricks versione 0.258 e successive. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.257.0
event_log	Map	Configurazione del registro eventi per questa pipeline. Vedere event_log. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.246.0
filters	Map	Filtri che determinano quali pacchetti della pipeline includere nel grafico distribuito. Vedere i filtri. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
gateway_definition	Map	Configurazione per una pipeline del gateway. Queste impostazioni non possono essere usate con le ingestion_definition impostazioni. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
id	String	Identificatore univoco per questa pipeline. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
ingestion_definition	Map	Configurazione per una pipeline di inserimento gestita. Queste impostazioni non possono essere usate con le librariesimpostazioni , schema, targeto catalog . Vedere ingestion_definition. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
libraries	Sequence	Elenco di librerie o codice necessario per questa distribuzione. Vedere pipeline.libraries. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
lifecycle	Map	Contiene le impostazioni del ciclo di vita per una risorsa. Controlla il comportamento della risorsa quando viene distribuita o distrutta. Vedere ciclo di vita. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.268.0
name	String	Nome amichevole per questa pipeline. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
notifications	Sequence	Impostazioni di notifica per questa pipeline. Vedere le notifiche. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
permissions	Sequence	Autorizzazioni della pipeline. Vedere autorizzazioni. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
photon	Boolean	Indica se Photon è abilitato per questa pipeline. Questa chiave viene ignorata se serverless è impostata su true. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
restart_window	Map	Definisce una finestra di riavvio per questa pipeline. È possibile riavviare le pipeline all'interno di questa finestra senza cadere dietro.
root_path	String	Percorso radice per questa pipeline. Viene usata come directory radice durante la modifica della pipeline nell'interfaccia utente di Databricks e viene aggiunta a sys.path quando si eseguono file Python nel corso dell'esecuzione della pipeline. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.253.0
run_as	Map	L'identità con cui viene eseguita la pipeline. Se non specificato, la pipeline viene eseguita dall'utente che l'ha creata. È possibile specificare solo user_name o service_principal_name . Se vengono specificati entrambi, viene generato un errore. Vedere run_as. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.241.0
schema	String	Schema predefinito (database) in cui le tabelle vengono lette o pubblicate. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.230.0
serverless	Boolean	Indica se l'ambiente di calcolo serverless è abilitato per questa pipeline. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
storage	String	Cartella principale di DBFS per la memorizzazione di checkpoint e tabelle. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
tags	Map	Mappa dei tag associati alla pipeline. Questi vengono inoltrati al cluster come tag del cluster e pertanto sono soggetti alle stesse limitazioni. È possibile aggiungere alla pipeline un massimo di 25 tag. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.256.0
target	String	Schema di destinazione (database) a cui aggiungere tabelle in questa pipeline. È necessario specificare esattamente uno di schema o target . Per pubblicare in Unity Catalog, specificare anche catalog. Questo campo legacy è obsoleto per la creazione della pipeline a favore del campo schema. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
usage_policy_id	String	ID dei criteri di utilizzo da usare per questa pipeline. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.273.0

pipeline.distribuzione

Type: Map

Configurazione del tipo di distribuzione per la pipeline.

Key	Type	Description
kind	String	Tipo di distribuzione. Ad esempio: BUNDLE.
metadata_file_path	String	Percorso del file di metadati per la distribuzione.

pipeline.ambiente

Type: Map

Specifica dell'ambiente per l'installazione delle dipendenze nell'ambiente di calcolo serverless.

Key	Type	Description
dependencies	Sequence	Elenco delle dipendenze pip, come supportato dalla versione di pip in questo ambiente. Ogni dipendenza è una riga di file del requisito pip.

pipeline.registro_eventi

Type: Map

Configurazione del registro eventi per la pipeline.

Key	Type	Description
catalog	String	Il catalogo di Unity Catalog in cui è pubblicato il registro eventi.
name	String	Il nome al quale viene pubblicato il registro eventi in Unity Catalog.
schema	String	Lo schema del catalogo Unity in cui è pubblicato il registro eventi.

pipeline.filtri

Type: Map

Filtri che determinano quali pacchetti di pipeline includere nel grafico distribuito.

Key	Type	Description
include	Sequence	Elenco dei nomi dei pacchetti da includere.
exclude	Sequence	Elenco di nomi di pacchetti da escludere.

pipeline.ingestion_definition

Type: Map

Configurazione per una pipeline di inserimento gestita. Queste impostazioni non possono essere usate con le librariesimpostazioni , schema, targeto catalog .

Key	Type	Description
connection_name	String	Nome della connessione da usare per l'inserimento.
ingestion_gateway_id	String	ID del gateway di inserimento.
objects	Sequence	Obbligatorio. Impostazioni che specificano le tabelle da replicare e la destinazione per le tabelle replicate. Ogni oggetto può essere schemaSpec, TableSpec o ReportSpec.
source_configurations	Sequence	Configurazioni di origine di primo livello.
table_configuration	Map	Configurazione per le tabelle di ingestione. Vedere table_configuration.

SchemaSpec

Type: Map

Specifica dell'oggetto schema per l'inserimento di tutte le tabelle da uno schema.

Key	Type	Description
source_schema	String	Nome dello schema di origine da inserire.
destination_catalog	String	Nome del catalogo di destinazione in Unity Catalog.
destination_schema	String	Nome dello schema di destinazione in Unity Catalog.
table_configuration	Map	Configurazione da applicare a tutte le tabelle in questo schema. Vedere pipeline.ingestion_definition.table_configuration.

TableSpec

Type: Map

Specifica dell'oggetto Table per l'ingestione di una tabella specifica.

Key	Type	Description
source_schema	String	Nome dello schema di origine contenente la tabella.
source_table	String	Nome della tabella di origine da inserire.
destination_catalog	String	Nome del catalogo di destinazione in Unity Catalog.
destination_schema	String	Nome dello schema di destinazione in Unity Catalog.
destination_table	String	Nome della tabella di destinazione in Unity Catalog.
table_configuration	Map	Configurazione per questa tabella specifica. Vedere pipeline.ingestion_definition.table_configuration.

Specifica del Report

Type: Map

Specifica dell'oggetto report per l'inserimento di report di analisi.

Key	Type	Description
source_url	String	URL del report di origine.
source_report	String	Nome o identificatore del report di origine.
destination_catalog	String	Nome del catalogo di destinazione in Unity Catalog.
destination_schema	String	Nome dello schema di destinazione in Unity Catalog.
destination_table	String	Nome della tabella di destinazione per i dati del report.
table_configuration	Map	Configurazione per la tabella del report. Vedere pipeline.ingestion_definition.table_configuration.

pipeline.ingestion_definition.source_configurations

Type: Map

Configurazione per la sorgente.

Key	Type	Description
catalog	Map	Parametri di configurazione dell'origine a livello di catalogo. Vedere il catalogo.

pipeline.definizione_di_ingestione.configurazione_sorgente.catalogo

Type: Map

Parametri di configurazione dell'origine a livello di catalogo

Key	Type	Description
postgres	Map	Parametri di configurazione a livello di catalogo specifici di Postgres. Contiene una slot_config chiave che è una Map rappresentante la configurazione dello slot Postgres da utilizzare per la replica logica.
source_catalog	String	Nome del catalogo di origine.

pipeline.definizione_ingestione.configurazione_tabella

Type: Map

Opzioni di configurazione per le tabelle di inserimento.

Key	Type	Description
exclude_columns	Sequence	Elenco di nomi di colonna da escludere per l'inserimento. Se non specificato, include_columns controlla completamente le colonne da inserire. Se specificato, tutte le altre colonne incluse quelle future verranno incluse automaticamente per l'inserimento. Questo campo è mutuamente esclusivo con include_columns.
include_columns	Sequence	Elenco di nomi di colonna da includere per l'ingestione. Se non specificato, verranno incluse tutte le colonne ad eccezione di quelle incluse exclude_columns . Le colonne future verranno incluse automaticamente. Se specificato, tutte le altre colonne future verranno automaticamente escluse dall'inserimento. Questo campo è mutuamente esclusivo con exclude_columns.
primary_keys	Sequence	Elenco di nomi di colonna da utilizzare come chiavi primarie per la tabella.
sequence_by	Sequence	Nomi di colonna che specificano l'ordine logico degli eventi nei dati di origine. Le pipeline dichiarative spark usano questa sequenziazione per gestire gli eventi di modifica che arrivano non in ordine.

pipeline.libraries

Type: Sequence

Definisce l'elenco di librerie o codice necessari per questa pipeline.

Ogni elemento nell'elenco è una definizione:

Key	Type	Description
file	Map	Percorso di un file che definisce una pipeline e archiviato in Databricks Repos. Vedere pipeline.libraries.file.
glob	Map	Campo unificato da includere il codice sorgente. Ogni voce può essere un percorso del notebook, un percorso di file o un percorso di cartella che termina /**. Questo campo non può essere utilizzato insieme a notebook o file. Vedere pipeline.libraries.glob.
notebook	Map	Il percorso di un notebook che definisce una pipeline e viene memorizzato nell'area di lavoro Databricks. Vedere pipeline.libraries.notebook.
whl	String	Questo campo è deprecato

pipeline.libraries.file

Type: Map

Percorso di un file che definisce una pipeline e archiviato in Databricks Repos.

Key	Type	Description
path	String	Percorso assoluto del codice sorgente.

pipeline.libraries.glob

Type: Map

Campo unificato da includere il codice sorgente. Ogni voce può essere un percorso del notebook, un percorso di file o un percorso di cartella che termina /**. Questo campo non può essere utilizzato insieme a notebook o file.

Key	Type	Description
include	String	Codice sorgente da includere per le pipeline

pipeline.libraries.notebook

Type: Map

Il percorso di un notebook che definisce una pipeline e viene memorizzato nell'area di lavoro Databricks.

Key	Type	Description
path	String	Percorso assoluto del codice sorgente.

pipeline.notifications

Type: Sequence

Impostazioni di notifica per questa pipeline. Ogni elemento della sequenza è una configurazione di notifica.

Key	Type	Description
alerts	Sequence	Elenco di avvisi che attivano le notifiche. I valori validi includono on-update-success, on-update-failure, on-update-fatal-failure, on-flow-failure.
email_recipients	Sequence	Elenco di indirizzi di posta elettronica da notificare quando viene attivato un avviso configurato.

Example

L'esempio seguente definisce una pipeline con la chiave di risorsa hello-pipeline:

resources:
  pipelines:
    hello-pipeline:
      name: hello-pipeline
      clusters:
        - label: default
          num_workers: 1
      development: true
      continuous: false
      channel: CURRENT
      edition: CORE
      photon: false
      libraries:
        - notebook:
            path: ./pipeline.py

Per altri esempi di configurazione della pipeline, vedere Configurazione della pipeline.

postgres_branch

Type:Map

La risorsa del ramo Postgres consente di definire rami Lakebase in un bundle. È anche necessario definire i progetti Postgres e gli endpoint di calcolo corrispondenti.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0

postgres_branches:
  <postgres_branch-name>:
    <postgres_branch-field-name>: <postgres_branches-field-value>

Key	Type	Description
branch_id	String	ID da utilizzare per il ramo. Questo diventa il componente finale del nome della risorsa del ramo. L'ID è obbligatorio e deve avere una lunghezza di 1-63 caratteri, iniziare con una lettera minuscola e contenere solo lettere minuscole, numeri e trattini. Ad esempio, development diventa projects/my-app/branches/development. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
expire_time	String	Timestamp di scadenza assoluto. Se impostato, il ramo scadrà in questo momento. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
is_protected	Boolean	Se impostato su true, protegge il ramo dall'eliminazione e dalla reimpostazione. Gli endpoint di calcolo associati e il progetto non possono essere eliminati mentre il ramo è protetto. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
no_expiry	Boolean	Disabilitare in modo esplicito la scadenza. Se impostato su true, il ramo non scadrà. Se impostato su false, la richiesta non è valida; specificare invece ttl o expire_time. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
parent	String	Progetto in cui verrà creato questo ramo. Formato: projects/{project_id} Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
source_branch	String	Nome del ramo di origine da cui è stato creato questo ramo (derivazione dei dati per il recupero temporizzato). Se non specificato, per impostazione predefinita viene impostato il ramo predefinito del progetto. Formato: projects/{project_id}/branches/{branch_id} Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
source_branch_lsn	String	Numero di sequenza del log (LSN) nel ramo di origine da cui è stato creato questo ramo. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
source_branch_time	String	Punto nel tempo nel ramo di origine da cui è stato creato questo ramo. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
ttl	String	Durata relativa da tempo a tempo reale. Se impostato, il ramo scadrà a creation_time + ttl. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0

Example

Vedere postgres_projects esempio.

postgres_endpoint

Type: Map

La risorsa postgres_endpoints consente di definire gli endpoint di calcolo lakebase in un bundle. È inoltre necessario definire i progetti Lakebase e i rami Lakebase corrispondenti.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0

postgres_endpoints:
  <postgres_endpoint-name>:
    <postgres_endpoint-field-name>: <postgres_endpoint-field-value>

Key	Type	Description
autoscaling_limit_max_cu	Number	Numero massimo di unità di calcolo. Il valore minimo è 0,5. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
autoscaling_limit_min_cu	Number	Numero minimo di unità di calcolo. Il valore minimo è 0,5. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
disabled	Boolean	Indica se limitare le connessioni all'endpoint di calcolo. L'abilitazione di questa opzione pianifica un'operazione di calcolo di sospensione. Un endpoint di calcolo disabilitato non può essere abilitato da una connessione o da un'azione della console. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
endpoint_id	String	ID da usare per l'endpoint. Questo diventa il componente finale del nome della risorsa dell'endpoint. L'ID è obbligatorio e deve avere una lunghezza di 1-63 caratteri, iniziare con una lettera minuscola e contenere solo lettere minuscole, numeri e trattini. Ad esempio, primary diventa projects/my-app/branches/development/endpoints/primary. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
endpoint_type	String	Tipo di endpoint. Un ramo può avere un solo endpoint READ_WRITE. Valori possibili: ENDPOINT_TYPE_READ_WRITE, ENDPOINT_TYPE_READ_ONLY. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
no_suspension	Boolean	Se impostato su true, disabilita in modo esplicito la sospensione automatica (mai sospesa). Se specificato, deve essere impostato su true. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
parent	String	Ramo in cui verrà creato questo endpoint. Formato: projects/{project_id}/branches/{branch_id} Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
settings	Map	Raccolta di impostazioni per un endpoint di calcolo. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
suspend_timeout_duration	String	Durata dell'inattività dopo la quale l'endpoint di calcolo viene sospeso automaticamente. Se specificato deve essere compreso tra 60 e 604800s (da 1 minuto a 1 settimana). Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0

Example

Vedere postgres_projects esempio.

postgres_project

Type: Map

La risorsa di progetto Postgres consente di definire progetti di database Postgres con scalabilità automatica di Lakebase in un bundle. È anche necessario definire i rami e gli endpoint di calcoloPostgres corrispondenti.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0

postgres_projects:
  <postgres_project-name>:
    <postgres_project-field-name>: <postgres_project-field-value>

Key	Type	Description
default_endpoint_settings	Map	Raccolta di impostazioni per un endpoint di calcolo. Vedere postgres_project.default_endpoint_settings. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
display_name	String	Nome del progetto leggibile. La lunghezza deve essere compresa tra 1 e 256 caratteri. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
history_retention_duration	String	Numero di secondi per conservare la cronologia condivisa per il ripristino temporizzato per tutti i rami del progetto. Il valore deve essere compreso tra 0 e 2592000s (fino a 30 giorni). Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
pg_version	Integer	Numero di versione principale di Postgres. Le versioni supportate sono 16 e 17. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0
project_id	String	ID da utilizzare per il progetto. Questo diventa il componente finale del nome della risorsa del progetto. L'ID è obbligatorio e deve avere una lunghezza di 1-63 caratteri, iniziare con una lettera minuscola e contenere solo lettere minuscole, numeri e trattini. Ad esempio, my-app diventa projects/my-app. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.287.0

Esempio di

resources:
  postgres_projects:
    my_db:
      project_id: test-prod-app
      display_name: 'Production Database'
      pg_version: 17

  postgres_branches:
    main:
      parent: ${resources.postgres_projects.my_db.id}
      branch_id: main
      is_protected: false
      no_expiry: true

  postgres_endpoints:
    primary:
      parent: ${resources.postgres_branches.main.id}
      endpoint_id: primary
      endpoint_type: ENDPOINT_TYPE_READ_WRITE
      autoscaling_limit_min_cu: 0.5
      autoscaling_limit_max_cu: 4

postgres_project.default_endpoint_settings

Type: Map

Key	Type	Description
autoscaling_limit_max_cu	Number	Numero massimo di unità di calcolo. Il valore minimo è 0,5.
autoscaling_limit_min_cu	Number	Numero minimo di unità di calcolo. Il valore minimo è 0,5.
no_suspension	Boolean	Se impostato su true, disabilita in modo esplicito la sospensione automatica (mai sospesa). Se specificato, deve essere impostato su true.
pg_settings	Map	Rappresentazione non elaborata delle impostazioni di Postgres.
suspend_timeout_duration	String	Durata dell'inattività dopo la quale l'endpoint di calcolo viene sospeso automaticamente. Se specificato deve essere compreso tra 60 e 604800s (da 1 minuto a 1 settimana).

monitor_qualità (Catalogo Unity)

Type: Map

La risorsa quality_monitor consente di definire un monitor di tabella del Catalogo Unity . Per informazioni sui monitoraggi, vedere Profiling dei dati.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0

quality_monitors:
  <quality_monitor-name>:
    <quality_monitor-field-name>: <quality_monitor-field-value>

Key	Type	Description
assets_dir	String	Directory in cui archiviare gli asset di monitoraggio,ad esempio dashboard, tabelle delle metriche. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
baseline_table_name	String	Nome della tabella di base da cui vengono calcolate le metriche di deriva. Anche le colonne nella tabella monitorata devono essere presenti nella tabella di base. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
custom_metrics	Sequence	Metriche personalizzate da calcolare nella tabella monitorata. Queste metriche possono essere aggregate, metriche derivate (da metriche aggregate già calcolate) o metriche di derivazione (confronto delle metriche tra le finestre temporali). Vedere custom_metrics. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
inference_log	Map	Configurazione per il monitoraggio dei log di inferenza. Vedere inference_log. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
latest_monitor_failure_msg	String	Messaggio di errore più recente per un errore di monitoraggio. Si tratta di un campo di sola lettura popolato quando un monitoraggio ha esito negativo. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.264.0
lifecycle	Map	Contiene le impostazioni del ciclo di vita per una risorsa. Controlla il comportamento della risorsa quando viene distribuita o distrutta. Vedere ciclo di vita. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.268.0
notifications	Map	Impostazioni di notifica per il monitoraggio. Vedere le notifiche. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
output_schema_name	String	Schema in cui vengono create le tabelle delle metriche di output. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
schedule	Map	Pianificazione per l'aggiornamento automatico e l'aggiornamento delle tabelle delle metriche. Vedere programma. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
skip_builtin_dashboard	Boolean	Se ignorare la creazione di un dashboard predefinito che riepiloga le metriche relative alla qualità dei dati. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
slicing_exprs	Sequence	Elenco di espressioni di colonna con cui suddividere i dati per un'analisi mirata. I dati vengono raggruppati in base a ogni espressione in modo indipendente, generando una sezione separata per ogni predicato e i relativi complementi. Per le colonne con cardinalità elevata, verranno generati solo i primi 100 valori univoci basati sulla frequenza. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
snapshot	Map	Configurazione per il monitoraggio delle tabelle snapshot. Vedere snapshot. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
table_name	String	Nome completo della tabella. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.235.0
time_series	Map	Configurazione per il monitoraggio delle tabelle delle serie temporali. Vedere time_series. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
warehouse_id	String	Argomento facoltativo per specificare il magazzino per la creazione del dashboard. Se non specificato, verrà utilizzato il primo magazzino in esecuzione. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0

quality_monitor.custom_metrics

Type: Sequence

Elenco di definizioni di metriche personalizzate.

Ogni elemento nell'elenco è :CustomMetric

Key	Type	Description
definition	String	Modello Jinja per un'espressione SQL che specifica come calcolare la metrica. Vedere Creare la definizione della metrica.
input_columns	Sequence	Un elenco di nomi di colonna nella tabella di input per cui la metrica deve essere calcolata. Può essere usato :table per indicare che la metrica necessita di informazioni da più colonne.
name	String	Nome della metrica nelle tabelle di output.
output_data_type	String	Formato di output della metrica personalizzata.
type	String	Può essere solo uno di CUSTOM_METRIC_TYPE_AGGREGATE, CUSTOM_METRIC_TYPE_DERIVEDo CUSTOM_METRIC_TYPE_DRIFT. Le metriche CUSTOM_METRIC_TYPE_AGGREGATE e CUSTOM_METRIC_TYPE_DERIVED vengono calcolate su una singola tabella, mentre le metriche CUSTOM_METRIC_TYPE_DRIFT confrontano le tabelle di base e di input, o le due finestre temporali consecutive. CUSTOM_METRIC_TYPE_AGGREGATE: dipende solo dalle colonne esistenti della tua tabella CUSTOM_METRIC_TYPE_DERIVED: dipendono dalle metriche aggregate calcolate in precedenza CUSTOM_METRIC_TYPE_DRIFT: dipende da metriche aggregate o derivate calcolate precedentemente

quality_monitor.inference_log

Type: Map

Configurazione per il monitoraggio dei log di inferenza.

Key	Type	Description
granularities	Sequence	Granularità temporale per l'aggregazione dei log di inferenza, ad esempio ["1 day"].
model_id_col	String	Nome della colonna contenente l'ID modello.
prediction_col	String	Nome della colonna contenente la stima.
timestamp_col	String	Nome della colonna contenente il timestamp.
problem_type	String	Tipo di problema di Machine Learning. I valori validi includono PROBLEM_TYPE_CLASSIFICATION, PROBLEM_TYPE_REGRESSION.
label_col	String	Nome della colonna contenente l'etichetta (verità principale).
prediction_proba_col	String	Nome della colonna contenente le probabilità di stima.

monitor_qualità.notifiche

Type: Map

Impostazioni di notifica per il monitoraggio.

Key	Type	Description
on_failure	Map	Impostazioni di notifica quando il monitoraggio ha esito negativo. Consultare on_failure.
on_new_classification_tag_detected	Map	Impostazioni di notifica quando vengono rilevati nuovi tag di classificazione. Vedere on_new_classification_tag_detected.

monitor_qualità.notifiche.su_fallimento

Type: Map

Impostazioni di notifica quando il monitoraggio ha esito negativo.

Key	Type	Description
email_addresses	Sequence	Elenco di indirizzi di posta elettronica a cui inviare una notifica in caso di errore di monitoraggio.

quality_monitor.notifiche.su_nuova_rilevazione_tag_classificazione

Type: Map

Impostazioni di notifica quando vengono rilevati nuovi tag di classificazione.

Key	Type	Description
email_addresses	Sequence	Elenco di indirizzi di posta elettronica da notificare quando vengono rilevati nuovi tag di classificazione.

quality_monitor.programmazione

Type: Map

Pianificare l'aggiornamento automatico e l'aggiornamento delle tabelle delle metriche.

Key	Type	Description
quartz_cron_expression	String	Espressione cron che usa la sintassi Quartz. Ad esempio, 0 0 8 * * ? viene eseguito ogni giorno alle 8:00 AM.
timezone_id	String	Fuso orario per la pianificazione, ad esempio UTC, America/Los_Angeles.
pause_status	String	Indica se il programma è sospeso. Valori validi: PAUSED, UNPAUSED.

monitor_di_qualità.istantanea

Type: Map

Configurazione per il monitoraggio delle tabelle snapshot.

monitor_di_qualità.serie_temporale

Configurazione per il monitoraggio delle tabelle delle serie temporali.

Key	Type	Description
granularities	Sequence	Granularità temporale per l'aggregazione dei dati delle serie temporali, ad esempio ["30 minutes"].
timestamp_col	String	Nome della colonna contenente il timestamp.

Examples

Gli esempi seguenti definiscono i monitoraggi qualitativi per i tipi di profilo InferenceLog, TimeSeries e Snapshot .

# InferenceLog profile type
resources:
  quality_monitors:
    my_quality_monitor:
      table_name: dev.mlops_schema.predictions
      output_schema_name: ${bundle.target}.mlops_schema
      assets_dir: /Workspace/Users/${workspace.current_user.userName}/databricks_lakehouse_monitoring
      inference_log:
        granularities: [1 day]
        model_id_col: model_id
        prediction_col: prediction
        label_col: price
        problem_type: PROBLEM_TYPE_REGRESSION
        timestamp_col: timestamp
      schedule:
        quartz_cron_expression: 0 0 8 * * ? # Run Every day at 8am
        timezone_id: UTC

# TimeSeries profile type
resources:
  quality_monitors:
    my_quality_monitor:
      table_name: dev.mlops_schema.predictions
      output_schema_name: ${bundle.target}.mlops_schema
      assets_dir: /Workspace/Users/${workspace.current_user.userName}/databricks_lakehouse_monitoring
      time_series:
        granularities: [30 minutes]
        timestamp_col: timestamp
      schedule:
        quartz_cron_expression: 0 0 8 * * ? # Run Every day at 8am
        timezone_id: UTC

# Snapshot profile type
resources:
  quality_monitors:
    my_quality_monitor:
      table_name: dev.mlops_schema.predictions
      output_schema_name: ${bundle.target}.mlops_schema
      assets_dir: /Workspace/Users/${workspace.current_user.userName}/databricks_lakehouse_monitoring
      snapshot: {}
      schedule:
        quartz_cron_expression: 0 0 8 * * ? # Run Every day at 8am
        timezone_id: UTC

L'esempio seguente configura un monitoraggio qualità e un processo di ripetizione del training del modello corrispondente in base al monitoraggio:

# Quality monitoring workflow
resources:
  quality_monitors:
    mlops_quality_monitor:
      table_name: ${bundle.target}.mlops_demo.predictions
      output_schema_name: ${bundle.target}.mlops_demo
      assets_dir: /Users/${workspace.current_user.userName}/databricks_lakehouse_monitoring
      inference_log:
        granularities: [1 hour]
        model_id_col: model_version
        prediction_col: prediction
        label_col: fare_amount
        problem_type: PROBLEM_TYPE_REGRESSION
        timestamp_col: inference_timestamp
      schedule:
        quartz_cron_expression: 57 0 14 * * ? # refresh monitoring metrics every day at 7 am PT
        timezone_id: UTC
  jobs:
    retraining_job:
      name: ${bundle.target}-mlops_demo-monitoring-retraining-job
      tasks:
        - task_key: monitored_metric_violation_check
          notebook_task:
            notebook_path: ../monitoring/notebooks/MonitoredMetricViolationCheck.py
            base_parameters:
              env: ${bundle.target}
              table_name_under_monitor: ${bundle.target}.mlops_demo.predictions
              metric_to_monitor: r2_score
              metric_violation_threshold: 0.7
              num_evaluation_windows: 24
              num_violation_windows: 5 # 5 out of the past 24 windows have metrics lower than threshold

        - task_key: is_metric_violated
          depends_on:
            - task_key: monitored_metric_violation_check
          condition_task:
            op: EQUAL_TO
            left: '{{tasks.monitored_metric_violation_check.values.is_metric_violated}}'
            right: 'true'

        - task_key: trigger_retraining
          depends_on:
            - task_key: is_metric_violated
              outcome: 'true'
          run_job_task:
            job_id: ${resources.jobs.model_training_job.id}

      schedule:
        quartz_cron_expression: '0 0 15 * * ?' # daily at 8 am PDT
        timezone_id: UTC

      # To get notifications, provide a list of emails to the on_failure argument.
      #
      #  email_notifications:
      #    on_failure:
      #      - someone@example.com

modello_registrato (Catalogo Unity)

Type: Map

La risorsa modello registrata consente di definire modelli in Unity Catalog. Per informazioni su Unity Catalog modelli registrati, vedere Gestire il ciclo di vita del modello in Unity Catalog.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0

registered_models:
  <registered_model-name>:
    <registered_model-field-name>: <registered_model-field-value>

Key	Type	Description
aliases	Sequence	Elenco di alias associati al modello registrato. Vedere registered_model.aliases. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.273.0
browse_only	Boolean	Indica se il soggetto è limitato al recupero dei metadati per l'oggetto associato tramite il privilegio BROWSE, quando include_browse è abilitato nella richiesta. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.273.0
catalog_name	String	Nome del catalogo in cui risiedono lo schema e il modello registrato. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
comment	String	Commento associato al modello registrato. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
created_at	Integer	Timestamp di creazione del modello registrato in millisecondi dall'epoca Unix. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.273.0
created_by	String	Identificatore dell'utente che ha creato il modello registrato. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.273.0
full_name	String	Nome completo a tre livelli del modello registrato. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.273.0
grants	Sequence	Concessioni associate al modello registrato. Vedere Grant. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
lifecycle	Map	Contiene le impostazioni del ciclo di vita per una risorsa. Controlla il comportamento della risorsa quando viene distribuita o distrutta. Vedere ciclo di vita. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.268.0
metastore_id	String	Identificatore univoco del metastore. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.273.0
name	String	Nome del modello registrato. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
owner	String	Identificatore dell'utente proprietario del modello registrato. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.273.0
schema_name	String	Nome dello schema in cui risiede il modello registrato. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
storage_location	String	Ubicazione di archiviazione nel cloud in cui vengono conservati i file di dati del modello versione. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
updated_at	String	Timestamp dell'ultimo aggiornamento del modello registrato in millisecondi dall'epoca Unix. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.273.0
updated_by	String	Identificatore dell'utente che ha aggiornato il modello registrato l'ultima volta. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.273.0

registered_model.aliases (alias del modello registrato)

Type: Sequence

Elenco di alias associati al modello registrato.

Ogni elemento nell'elenco è :Alias

Key	Type	Description
alias_name	String	Nome dell'alias, ad esempio 'champion' o 'latest_stable'
catalog_name	String	Nome del catalogo contenente la versione del modello
id	String	Identificatore univoco dell'alias
model_name	String	Nome del modello padre registrato della versione del modello, relativo allo schema padre
schema_name	String	Nome dello schema contenente la versione del modello, relativo al catalogo padre
version_num	Integer	Numero di versione intero della versione del modello a cui punta questo alias.

Example

L'esempio seguente definisce un modello registrato nel catalogo unity:

resources:
  registered_models:
    model:
      name: my_model
      catalog_name: ${bundle.target}
      schema_name: mlops_schema
      comment: Registered model in Unity Catalog for ${bundle.target} deployment target
      grants:
        - privileges:
            - EXECUTE
          principal: account users

schema (Unity Catalog)

Type: Map

Gli schemi sono supportati in Python per i bundle di asset di Databricks. Vedere databricks.bundles.schemas.

Il tipo di risorsa schema consente di definire schemi del catalogo Unity per tabelle e altri asset nei flussi di lavoro e nelle pipeline creati come parte di un bundle. Uno schema, diverso da altri tipi di risorse, presenta le limitazioni seguenti:

• Il proprietario di una risorsa dello schema è sempre l'utente della distribuzione e non può essere modificato. Se run_as viene specificato nel bundle, verrà ignorato dalle operazioni sullo schema.
• Per la risorsa dello schema sono disponibili solo i campi supportati dall'API di creazione dell'oggetto Schema corrispondente . Ad esempio, enable_predictive_optimization non è supportato perché è disponibile solo nell'API di aggiornamento .

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0

schemas:
  <schema-name>:
    <schema-field-name>: <schema-field-value>

Key	Type	Description
catalog_name	String	Nome del catalogo principale. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
comment	String	Descrizione di testo in formato libero fornita dall'utente. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
grants	Sequence	Sovvenzioni associate allo schema. Vedere Grant. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
lifecycle	Map	Contiene le impostazioni del ciclo di vita per una risorsa. Controlla il comportamento della risorsa quando viene distribuita o distrutta. Vedere ciclo di vita. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.268.0
name	String	Il nome dello schema, in relazione al catalogo principale. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
properties	Map	Mappa delle proprietà chiave-valore associate allo schema. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0
storage_root	String	URL radice di archiviazione per le tabelle gestite all'interno dello schema. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0

Examples

L'esempio seguente definisce una pipeline con la chiave di risorsa my_pipeline che crea uno schema del catalogo Unity con la chiave my_schema come destinazione:

resources:
  pipelines:
    my_pipeline:
      name: test-pipeline-{{.unique_id}}
      libraries:
        - notebook:
            path: ../src/nb.ipynb
        - file:
            path: ../src/range.sql
      development: true
      catalog: ${resources.schemas.my_schema.catalog_name}
      target: ${resources.schemas.my_schema.id}

  schemas:
    my_schema:
      name: test-schema-{{.unique_id}}
      catalog_name: main
      comment: This schema was created by Databricks Asset Bundles.

Un mapping delle autorizzazioni di primo livello non è supportato dai pacchetti di asset di Databricks, quindi se si desidera impostare le autorizzazioni per uno schema, definire le autorizzazioni per lo schema nel mapping schemas. Per altre informazioni sulle concessioni, vedere Mostrare, concedere e revocare i privilegi.

L'esempio seguente definisce uno schema del catalogo Unity con concessioni:

resources:
  schemas:
    my_schema:
      name: test-schema
      grants:
        - principal: users
          privileges:
            - SELECT
        - principal: my_team
          privileges:
            - CAN_MANAGE
      catalog_name: main

ambito_segreto

Type: Map

La risorsa secret_scope consente di definire ambiti segreti all'interno di un pacchetto. Per informazioni sugli ambiti dei segreti, vedere Gestione dei segreti.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.252.0

secret_scopes:
  <secret_scope-name>:
    <secret_scope-field-name>: <secret_scope-field-value>

Key	Type	Description
backend_type	String	Il tipo di back-end con cui verrà creato lo scope. Se non specificato, per impostazione predefinita viene impostato su DATABRICKS. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.252.0
keyvault_metadata	Map	I metadati per l'ambito riservato sono backend_typeAZURE_KEYVAULT. Vedere keyvault_metadata. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.252.0
lifecycle	Map	Contiene le impostazioni del ciclo di vita per una risorsa. Controlla il comportamento della risorsa quando viene distribuita o distrutta. Vedere ciclo di vita. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.268.0
name	String	Nome dell'ambito richiesto dall'utente. I nomi di ambito sono univoci. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.252.0
permissions	Sequence	Autorizzazioni da applicare allo spazio segreto. Le autorizzazioni vengono gestite tramite elenchi di controllo di accesso con ambito segreto. Vedere autorizzazioni. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.252.0

secret_scope.keyvault_metadata

Type: Map

Metadati per gli ambiti segreti supportati da Azure Key Vault.

Key	Type	Description
resource_id	String	L'ID della risorsa Azure del Key Vault.
dns_name	String	Nome DNS del Key Vault di Azure.

Examples

L'esempio seguente definisce un ambito di segreti che usa un back end di un Key Vault:

resources:
  secret_scopes:
    secret_scope_azure:
      name: test-secrets-azure-backend
      backend_type: 'AZURE_KEYVAULT'
      keyvault_metadata:
        resource_id: my_azure_keyvault_id
        dns_name: my_azure_keyvault_dns_name

Nell'esempio seguente viene impostato un elenco di controllo di accesso personalizzato usando gli ambiti e le autorizzazioni dei segreti:

resources:
  secret_scopes:
    my_secret_scope:
      name: my_secret_scope
      permissions:
        - user_name: admins
          level: WRITE
        - user_name: users
          level: READ

Per un bundle di esempio che illustra come definire un ambito segreto e un processo con un'attività che la legge in un bundle, vedere il repository GitHub di esempi di bundle.

sql_warehouse

Type: Map

La risorsa SQL Warehouse consente di definire un SQL warehouse in un bundle. Per informazioni sui data warehouse, vedere Data warehousing in Azure Databricks.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.260.0

sql_warehouses:
  <sql-warehouse-name>:
    <sql-warehouse-field-name>: <sql-warehouse-field-value>

Key	Type	Description
auto_stop_mins	Integer	Il periodo di tempo in minuti in cui un magazzino SQL deve essere inattivo (ad esempio, nessuna query in esecuzione), prima che venga arrestato automaticamente. I valori validi sono 0, che indica che non viene eseguito alcun autostop, o maggiore o uguale a 10. Il valore predefinito è 120. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.260.0
channel	Map	Dettagli del canale. Vedere canale. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.260.0
cluster_size	String	Dimensioni dei cluster allocati per questo magazzino. L'aumento delle dimensioni di un cluster Spark consente di eseguire query di dimensioni maggiori. Se si vuole aumentare il numero di query simultanee, ottimizzare max_num_clusters. Per i valori supportati, vedere cluster_size. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.260.0
creator_name	String	Nome dell'utente che ha creato il magazzino. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.260.0
enable_photon	Boolean	Indica se il magazzino deve usare cluster ottimizzati per Photon. Il valore predefinito è falso. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.260.0
enable_serverless_compute	Boolean	Se il magazzino deve utilizzare l'elaborazione serverless. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.260.0
instance_profile_arn	String	Deprecated. Profilo di istanza usato per passare il ruolo IAM al cluster. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.260.0
lifecycle	Map	Contiene le impostazioni del ciclo di vita per una risorsa. Controlla il comportamento della risorsa quando viene distribuita o distrutta. Vedere ciclo di vita. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.268.0
max_num_clusters	Integer	Il numero massimo di cluster che l'autoscaler creerà per gestire le query concorrenti. I valori devono essere minori o uguali a 30 e maggiori o uguali a min_num_clusters. L'impostazione predefinita è min_clusters se non impostato. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.260.0
min_num_clusters	Integer	Il numero minimo di cluster disponibili che verranno mantenuti per questo SQL Warehouse. L'aumento garantirà che un numero maggiore di cluster sia sempre in esecuzione e quindi possa ridurre il tempo di avvio a freddo per le nuove query. Questo comportamento è simile ai core riservati e revocabili in un gestore risorse. I valori devono essere maggiori di 0 e minori o uguali a min(max_num_clusters, 30). Il valore predefinito è 1. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.260.0
name	String	Nome logico per il cluster. Il nome deve essere univoco all'interno di un'organizzazione e meno di 100 caratteri. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.260.0
permissions	Sequence	Autorizzazioni da applicare al magazzino. Vedere autorizzazioni. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.260.0
spot_instance_policy	String	Indica se usare istanze spot. I valori validi sono POLICY_UNSPECIFIED, COST_OPTIMIZED, RELIABILITY_OPTIMIZED. Il valore predefinito è COST_OPTIMIZED. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.260.0
tags	Map	Set di coppie chiave-valore che verranno contrassegnate su tutte le risorse (ad esempio, istanze AWS e volumi EBS) associate a questo SQL warehouse. Il numero di tag deve essere minore di 45. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.260.0
warehouse_type	String	Tipo di magazzino, PRO o CLASSIC. Se si vuole usare il calcolo serverless, impostare questo campo su PRO e impostare anche il campo enable_serverless_compute su true. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.260.0

sql_warehouse.channel

Type: Map

Configurazione del canale per SQL Warehouse.

Key	Type	Description
name	String	Nome del canale. I valori validi includono CHANNEL_NAME_CURRENT, CHANNEL_NAME_PREVIEW, CHANNEL_NAME_CUSTOM.
dbsql_version	String	Versione di DBSQL per i canali personalizzati.

Example

L'esempio seguente definisce un'istanza di SQL Warehouse:

resources:
  sql_warehouses:
    my_sql_warehouse:
      name: my_sql_warehouse
      cluster_size: X-Large
      enable_serverless_compute: true
      max_num_clusters: 3
      min_num_clusters: 1
      auto_stop_mins: 60
      warehouse_type: PRO

tabella_database_sincronizzata

Type: Map

La risorsa tabella di database sincronizzata consente di definire tabelle di database Lakebase in un bundle.

Per informazioni sulle tabelle di database sincronizzate, vedere Che cos'è un'istanza del database?

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.266.0

synced_database_tables:
  <synced_database_table-name>:
    <synced_database_table-field-name>: <synced_database_table-field-value>

Key	Type	Description
database_instance_name	String	Nome dell'istanza del database di destinazione. Questa operazione è necessaria quando si creano tabelle di database sincronizzate in cataloghi standard. Questa opzione è facoltativa quando si creano tabelle di database sincronizzate nei cataloghi registrati. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.266.0
lifecycle	Map	Contiene le impostazioni del ciclo di vita per una risorsa. Controlla il comportamento della risorsa quando viene distribuita o distrutta. Vedere ciclo di vita. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.268.0
logical_database_name	String	Nome dell'oggetto di database Postgres di destinazione (database logico) per questa tabella. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.266.0
name	String	Nome completo della tabella, nel formato catalog.schema.table. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.266.0
spec	Map	Specifica della tabella di database. Vedere la specifica della tabella di database sincronizzata. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.266.0

tabella_database_sincronizzata.spec

Type: Map

Specifica della tabella di database.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.266.0

Key	Type	Description
create_database_objects_if_missing	Boolean	Indica se creare il database logico e le risorse dello schema della tabella sincronizzata, se non esistono già.
existing_pipeline_id	String	L'ID per una pipeline esistente. Se questa opzione è impostata, la tabella sincronizzata verrà inserita nella pipeline esistente a cui si fa riferimento. In questo modo si evita di creare una nuova pipeline e di condividere le risorse di calcolo esistenti. In questo caso, l'oggetto scheduling_policy di questa tabella sincronizzata deve corrispondere ai criteri di pianificazione della pipeline esistente. Al massimo uno di existing_pipeline_id e new_pipeline_spec deve essere definito.
new_pipeline_spec	Map	La specifica per una nuova conduttura. Vedere new_pipeline_spec. Al massimo uno di existing_pipeline_id e new_pipeline_spec deve essere definito.
primary_key_columns	Sequence	Elenco dei nomi di colonna che costituiscono la chiave primaria.
scheduling_policy	String	Criteri di pianificazione per la sincronizzazione. I valori validi includono SNAPSHOT, CONTINUOUS.
source_table_full_name	String	Nome completo della tabella di origine nel formato catalog.schema.table.
timeseries_key	String	Chiave della serie temporale per deduplicare le righe con la stessa chiave primaria.

tabella_di_database_sincronizzata.spec.nuova_pipeline_specifica

Type: Map

La specifica per una nuova pipeline utilizzata dalla tabella del database sincronizzato.

Key	Type	Description
budget_policy_id	String	L'ID della politica di budget da impostare nella pipeline appena creata.
storage_catalog	String	Catalogo per la pipeline in cui archiviare file intermedi, ad esempio checkpoint e registri eventi. Deve trattarsi di un catalogo standard in cui l'utente dispone delle autorizzazioni per creare tabelle Delta.
storage_schema	String	Lo schema della pipeline per archiviare file intermedi, come checkpoint e registri di eventi. Deve trovarsi nel catalogo standard in cui l'utente dispone delle autorizzazioni per creare tabelle Delta.

Examples

Nell'esempio seguente viene definita una tabella di database sincronizzata all'interno di un catalogo di database corrispondente:

resources:
  database_instances:
    my_instance:
      name: my-instance
      capacity: CU_1
  database_catalogs:
    my_catalog:
      database_instance_name: my-instance
      database_name: 'my_database'
      name: my_catalog
      create_database_if_not_exists: true
  synced_database_tables:
    my_synced_table:
      name: ${resources.database_catalogs.my_catalog.name}.${resources.database_catalogs.my_catalog.database_name}.my_destination_table
      database_instance_name: ${resources.database_catalogs.my_catalog.database_instance_name}
      logical_database_name: ${resources.database_catalogs.my_catalog.database_name}
      spec:
        source_table_full_name: 'my_source_table'
        scheduling_policy: SNAPSHOT
        primary_key_columns:
          - my_pk_column
        new_pipeline_spec:
          storage_catalog: 'my_delta_catalog'
          storage_schema: 'my_delta_schema'

Nell'esempio seguente viene definita una tabella di database sincronizzata all'interno di un catalogo standard:

resources:
  synced_database_tables:
    my_synced_table:
      name: 'my_standard_catalog.public.synced_table'
      # database_instance_name is required for synced tables created in standard catalogs.
      database_instance_name: 'my-database-instance'
      # logical_database_name is required for synced tables created in standard catalogs:
      logical_database_name: ${resources.database_catalogs.my_catalog.database_name}
      spec:
        source_table_full_name: 'source_catalog.schema.table'
        scheduling_policy: SNAPSHOT
        primary_key_columns:
          - my_pk_column
        create_database_objects_if_missing: true
        new_pipeline_spec:
          storage_catalog: 'my_delta_catalog'
          storage_schema: 'my_delta_schema'

In questo esempio viene creata una tabella di database sincronizzata e viene personalizzata la pianificazione della pipeline. Si presuppone che tu abbia già:

• Istanza di database denominata my-database-instance
• Il catalogo standard denominato my_standard_catalog
• Schema nel catalogo standard denominato default
• Tabella delta di origine denominata source_delta.schema.customer con la chiave primaria c_custkey

resources:
  synced_database_tables:
    my_synced_table:
      name: 'my_standard_catalog.default.my_synced_table'
      database_instance_name: 'my-database-instance'
      logical_database_name: 'test_db'
      spec:
        source_table_full_name: 'source_delta.schema.customer'
        scheduling_policy: SNAPSHOT
        primary_key_columns:
          - c_custkey
        create_database_objects_if_missing: true
        new_pipeline_spec:
          storage_catalog: 'source_delta'
          storage_schema: 'schema'

  jobs:
    sync_pipeline_schedule_job:
      name: sync_pipeline_schedule_job
      description: 'Job to schedule synced database table pipeline.'
      tasks:
        - task_key: synced-table-pipeline
          pipeline_task:
            pipeline_id: ${resources.synced_database_tables.my_synced_table.data_synchronization_status.pipeline_id}
      schedule:
        quartz_cron_expression: '0 0 0 * * ?'

volume (Unity Catalog)

Type: Map

I volumi sono supportati in Python per gli Asset Bundles di Databricks. Vedere databricks.bundles.volumes.

Il tipo di risorsa volume consente di definire e creare volumi di Unity Catalog come parte di un pacchetto. Quando si distribuisce un bundle con un volume definito, tenere presente che:

• Non è possibile fare riferimento a un volume nel artifact_path per il bundle fino a che non è presente nello spazio di lavoro. Di conseguenza, se si vuole utilizzare i Databricks Asset Bundle per creare il volume, è necessario definire prima il volume nel bundle, distribuirlo per creare il volume, e quindi farvi riferimento in artifact_path nelle distribuzioni successive.
• I volumi nel bundle non vengono anteposti al prefisso dev_${workspace.current_user.short_name} quando la destinazione di distribuzione ha mode: development configurata. Tuttavia, è possibile configurare manualmente questo prefisso. Vedere impostazioni predefinite personalizzate.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.236.0

volumes:
  <volume-name>:
    <volume-field-name>: <volume-field-value>

Key	Type	Description
catalog_name	String	Nome del catalogo dello schema e del volume. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.236.0
comment	String	Commento associato al volume. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.236.0
grants	Sequence	Sovvenzioni associate al volume. Vedere Grant. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.236.0
lifecycle	Map	Contiene le impostazioni del ciclo di vita per una risorsa. Controlla il comportamento della risorsa quando viene distribuita o distrutta. Vedere ciclo di vita. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.268.0
name	String	Nome del volume. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.236.0
schema_name	String	Nome dello schema in cui si trova il volume. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.236.0
storage_location	String	Posizione di archiviazione nel cloud. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.236.0
volume_type	String	Tipo di volume, EXTERNAL o MANAGED. Un volume esterno si trova nella posizione esterna specificata. Un volume gestito si trova nel percorso predefinito specificato dallo schema padre, dal catalogo padre o dal metastore. Vedere Volumi gestiti e esterni.

Example

L'esempio seguente crea un volume del catalogo Unity con la chiave my_volume_id:

resources:
  volumes:
    my_volume_id:
      catalog_name: main
      name: my_volume
      schema_name: my_schema

Per un esempio di bundle che esegue un'operazione che scrive su un file nel volume di Unity Catalog, consultare il repository GitHub bundle-examples .

Oggetti comuni

sovvenzione

Type: Map

Definisce il principal e i privilegi da concedere a tale principal. Per altre informazioni sulle concessioni, vedere Mostrare, concedere e revocare i privilegi.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.229.0

Key	Type	Description
principal	String	Nome dell'entità a cui verranno concessi privilegi. Può trattarsi di un utente, un gruppo o un'entità servizio.
privileges	Sequence	Privilegi da concedere all'entità specificata. I valori validi dipendono dal tipo di risorsa , ad esempio , SELECT, MODIFYCREATE, USAGEREAD_FILESWRITE_FILESEXECUTE. ALL_PRIVILEGES

Example

L'esempio seguente definisce uno schema del catalogo Unity con concessioni:

resources:
  schemas:
    my_schema:
      name: test-schema
      grants:
        - principal: users
          privileges:
            - SELECT
        - principal: my_team
          privileges:
            - CAN_MANAGE
      catalog_name: main

ciclo di vita

Type: Map

Contiene le impostazioni del ciclo di vita per una risorsa. Controlla il comportamento della risorsa quando viene distribuita o distrutta.

Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.268.0

Key	Type	Description
prevent_destroy	Boolean	Impostazione del ciclo di vita per impedire che la risorsa venga eliminata definitivamente. Aggiunta nell'interfaccia della riga di comando di Databricks versione 0.268.0