Share via

marzo 2018

  • Articolo

Le versioni vengono gestite in staging. L'account Azure Databricks potrebbe non essere aggiornato fino a una settimana dopo la data di rilascio iniziale.

Dettagli di esecuzione dei comandi

27 marzo - 3 aprile 2018: versione 2.68

Quando si esegue un comando in un notebook, verranno visualizzate informazioni dettagliate sullo stato di avanzamento.

L'interfaccia della riga di comando di Databricks supporta --profile

27 marzo - 3 aprile 2018: versione 2.68

L'interfaccia della riga di comando di Databricks 0.6.1 supporta --profile in tutte le posizioni.

Vedere Interfaccia della riga di comando di Databricks (legacy).

Elenchi di controllo di accesso abilitati per impostazione predefinita per i nuovi clienti SKU Premium

27 marzo - 3 aprile 2018: versione 2.68

Gli elenchi di controllo di accesso (ACL) sono ora abilitati per impostazione predefinita per tutti i nuovi clienti nello SKU Premium. I clienti esistenti devono continuare ad abilitare manualmente gli elenchi di controllo di accesso.

Vedere Elenchi di controlli di accesso non più disabilitati.

Azure Databricks è ora disponibile a livello generale

22 marzo 2018

Siamo lieti di annunciare che Azure Databricks è ora disponibile a livello generale. Nelle ultime settimane sono state aggiunte funzionalità per migliorare ulteriormente l'esperienza di Azure Databricks, tra cui:

E naturalmente Azure Databricks continua a fornire semplici integrazioni con l'archiviazione BLOB di Azure, Azure Data Lake Store e Azure Cosmos DB.

Come supplemento alla documentazione fornita in questo sito, learn.microsoft.com fornisce materiale introduttivo, informazioni sulla gestione degli account di Azure e esercitazioni end-to-end.

Nuovo tema del sito di documentazione

21 marzo 2018

L'aspetto del sito della documentazione è stato aggiornato. Speriamo che ti piaccia!

Ridimensionamento automatico delle risorse di archiviazione locali

13-20 marzo 2018: versione 2.67

Tutti i cluster in Azure Databricks vengono avviate con la scalabilità automatica dell'archiviazione locale abilitata. Ciò significa che Azure Databricks collega automaticamente dischi gestiti aggiuntivi alle macchine virtuali del ruolo di lavoro del cluster ogni volta che vengono eseguiti su disco insufficiente.

Per altre informazioni, vedere Abilitare la scalabilità automatica dell'archiviazione locale.

Peering di rete virtuale

13-20 marzo 2018: versione 2.67

Aggiunge il supporto per il peering di rete virtuale, che consente la rete virtuale in cui la risorsa di Azure Databricks è in esecuzione per eseguire il peering con un'altra rete virtuale di Azure.

Per altre informazioni, vedere Peer virtual networks (Reti virtuali peer).

Registro eventi del cluster

13-20 marzo 2018: versione 2.67

La pagina dei dettagli del cluster include una nuova scheda Registro eventi che visualizza eventi importanti del ciclo di vita del cluster. Gli eventi cronologici possono essere visualizzati per 60 giorni, che è paragonabile ad altri tempi di conservazione dei dati in Azure Databricks.

Per altre informazioni, vedere Registri eventi di calcolo.

Interfaccia della riga di comando di Databricks: versione 0.6.0

13 marzo 2018: databricks-cli 0.6.0

L'interfaccia della riga di comando di Databricks supporta ora Python 3.

Per altre informazioni, vedere Interfaccia della riga di comando di Databricks (legacy).

Gestione dell'esecuzione dei processi

13-20 marzo 2018: versione 2.67

È ora possibile eliminare un processo eseguito nella pagina dei dettagli del processo e nella pagina di esecuzione del processo.

L'esecuzione del processo Get Output endpoint è disponibile a livello generale e l'output massimo restituito è stato aumentato a 5 MB.

La modifica delle autorizzazioni di un cluster richiede ora la modalità di modifica

13-20 marzo 2018: versione 2.67

In precedenza era possibile modificare le autorizzazioni di un cluster senza fare clic su Modifica, che era incoerente con altri attributi del cluster.

Un effetto collaterale di questa modifica è che non è più possibile modificare le autorizzazioni del cluster mentre un cluster è in sospeso.

Esportazione del modello di ML Databricks

1 marzo 2018

La documentazione illustra ora come usare l'esportazione di modelli di Machine Learning di Databricks, che consente di esportare modelli e pipeline di Machine Learning complete da Apache Spark. Questi modelli e pipeline esportati possono essere importati in altre piattaforme (Spark e non Spark) per calcolare punteggi ed eseguire stime. L'esportazione dei modelli è destinata a applicazioni con bassa latenza e con tecnologia ML leggera.

Nota

Questa funzionalità richiede Databricks Runtime 4.0+.

Per altre informazioni, vedere Esportazione di modelli MLeap ML.