Limitazioni con Databricks Connect per Python

Nota

Questo articolo illustra Databricks Connect per Databricks Runtime 13.3 LTS e versioni successive.

Questo articolo elenca le limitazioni con Databricks Connect per Python. Databricks Connect consente di connettere gli IDE, i server notebook e le applicazioni personalizzate più diffusi ai cluster Azure Databricks. Consultare Cos’è Databricks Connect?. Per la versione Scala di questo articolo, vedere Limitazioni con Databricks Connect per Scala.

Importante

A seconda della versione di Python, Databricks Runtime e Databricks Connect in uso, potrebbero essere previsti requisiti di versione per alcune funzionalità. Vedere Requisiti di utilizzo di Databricks Connect.

Disponibilità delle funzionalità

Non disponibile in Databricks Connect per Databricks Runtime 13.3 LTS e versioni successive:

• Trasmissione in tempo reale foreachBatch
• Creazione di dataframe di dimensioni superiori a 128 MB
• Interrogazioni lunghe oltre 3600 secondi

Non disponibile in Databricks Connect per Databricks Runtime 15.3 e versioni successive:

• ApplyinPandas() e Cogroup() con calcolo con modalità di accesso standard

Non disponibile in Databricks Connect per Databricks Runtime 16.3 e versioni successive:

• Nel contesto del calcolo serverless, le funzioni definite dall'utente non possono includere librerie personalizzate.

Non disponibile:

• dataframe.display() API
• Utilità di Databricks: credentials, library, notebook workflow, widgets
• Contesto Spark
• RDDs
• Librerie che usano RDDs, Spark Context o accedono alla JVM Spark sottostante, ad esempio Mosaic geospaziali, GraphFrames o GreatExpectations
• CREATE TABLE <table-name> AS SELECT (usare invece spark.sql("SELECT ...").write.saveAsTable("table"))
• Modifica del livello di log di log4j tramite SparkContext
• L'addestramento distribuito di apprendimento automatico non è supportato.
• Sincronizzazione dell'ambiente di sviluppo locale con il cluster remoto