Udostępnij przez


Maj 2021

Te funkcje i ulepszenia platformy Azure Databricks zostały wydane w maju 2021 r.

Uwaga

Wydania są etapowe. Twoje konto usługi Azure Databricks może nie zostać zaktualizowane do tygodnia lub więcej po początkowej dacie wydania.

Databricks Mosaic AI: wbudowane w dane i współpracujące rozwiązanie dla pełnego cyklu życia uczenia maszynowego.

27 maja 2021 r.

Nowa osoba usługi Machine Learning, którą można wybrać na pasku bocznym interfejsu użytkownika usługi Azure Databricks, zapewnia łatwy dostęp do nowego specjalnie utworzonego środowiska dla uczenia maszynowego, w tym rejestru modeli i czterech nowych funkcji w publicznej wersji zapoznawczej:

  • Nowa strona pulpitu nawigacyjnego z wygodnymi zasobami, najnowszymi i linkami wprowadzającymi.
  • Nowa strona Eksperymenty , która centralizuje odnajdywanie eksperymentów i zarządzanie nimi.
  • AutoML — sposób automatycznego generowania modeli uczenia maszynowego na podstawie danych i przyspieszania ścieżki do środowiska produkcyjnego.
  • Magazyn funkcji, sposób na katalogowanie funkcji uczenia maszynowego i udostępnianie ich na potrzeby trenowania i obsługi, co zwiększa ponowne użycie. W przypadku wyszukiwania funkcji opartego na genealogii danych, które korzysta z automatycznie rejestrowanych źródeł danych, można udostępniać funkcje na potrzeby trenowania i serwowania przy użyciu uproszczonego wdrażania modelu, które nie wymaga zmian w aplikacji klienckiej.

Aby uzyskać szczegółowe informacje, zobacz Sztuczna inteligencja i uczenie maszynowe w usłudze Databricks.

Nazwa usługi SQL Analytics została zmieniona na Databricks SQL

27 maja 2021 r.

Nazwa usługi SQL Analytics została zmieniona na Databricks SQL. Aby uzyskać więcej informacji, zapoznaj się z uwagami o wydaniu Databricks SQL.

Tworzenie potoków ETL i zarządzanie nimi przy użyciu biblioteki DLT (publiczna wersja zapoznawcza)

26 maja 2021 r.

Databricks z przyjemnością przedstawia DLT, usługę w chmurze, która upraszcza proces wyodrębniania, przekształcania i ładowania (ETL), czyniąc go prostym, niezawodnym i skalowalnym. DLT:

  • Udostępnia intuicyjny i znany interfejs deklaratywny do tworzenia pipeline'ów.
  • Umożliwia monitorowanie potoków przetwarzania danych, wizualizowanie zależności oraz zarządzanie potokami i zależnościami w różnych środowiskach.
  • Umożliwia programowanie oparte na testach, wymuszanie ograniczeń jakości danych i stosowanie jednolitych zasad obsługi błędów danych
  • Automatyzuje wdrażanie potoków przetwarzania danych, dzięki czemu można łatwo uaktualnić, wycofać i stopniowo przetwarzać dane.

Aby uzyskać szczegółowe informacje, zobacz Deklaratywne potoki Lakeflow Spark.

Maszyny wirtualne typu spot platformy Azure są dostępne w publicznej ofercie.

24 maja 2021 r.

Możliwość tworzenia klastrów usługi Azure Databricks za pomocą usługi Azure Spot Virtual Machines jest teraz ogólnie dostępna. Teraz możesz uzyskać korzyści z znacznie niższych kosztów wystąpień typu spot platformy Azure i zmniejszyć całkowity koszt posiadania (TCO) usługi Azure Databricks. Możesz zdecydować się na użycie wystąpień typu spot platformy Azure, gdy:

Szyfrowanie zapytań SQL usługi Databricks i historii zapytań przy użyciu własnego klucza (publiczna wersja zapoznawcza)

20 maja 2021 r.

Aby uzyskać szczegółowe informacje, zobacz notatki o wydaniu Databricks SQL.

Podniesiono limit liczby zakończonych klastrów ogólnego przeznaczenia

18 maja 2021 r.: Wersja 3.46

Teraz w obszarze roboczym usługi Azure Databricks można mieć maksymalnie 150 zamkniętych klastrów ogólnego przeznaczenia. Wcześniej limit wynosił 120. Aby uzyskać szczegółowe informacje, zobacz Kończenie obliczeń. Limit liczby zakończonych uniwersalnych klastrów, zwracanych przez żądanie interfejsu API klastrów, wynosi teraz 150.

Zwiększony limit liczby przypiętych klastrów

18 maja 2021 r.: Wersja 3.46

Teraz możesz mieć maksymalnie 70 przypiętych klastrów w obszarze roboczym usługi Azure Databricks. Wcześniej limit wynosił 50. Aby uzyskać szczegółowe informacje, zobacz Przypinanie obliczeń

Zarządzanie miejscem przechowywania wyników notesu (publiczna wersja zapoznawcza)

18 maja 2021 r.: Wersja 3.46

Teraz możesz wybrać zapisanie wszystkich wyników notatnika w podstawowym wystąpieniu usługi Azure Storage, niezależnie od rozmiaru lub rodzaju uruchomienia. Domyślnie niektóre wyniki dla notesów interaktywnych są przechowywane w usłudze Azure Databricks. Nowa konfiguracja umożliwia przechowywanie tych danych w głównej instancji Azure Storage na własnym koncie. Aby uzyskać szczegóły, zobacz Konfigurowanie lokalizacji przechowywania wyników notesu.

Ta funkcja nie ma wpływu na notesy uruchamiane jako zadania, których wyniki są zawsze przechowywane w głównym wystąpieniu usługi Azure Storage.

Szyfrowanie notesu i tajnych danych na płaszczyźnie sterowania przy użyciu własnego klucza (publiczna wersja zapoznawcza)

10 maja 2021 r.

Obszar roboczy usługi Azure Databricks składa się z płaszczyzny sterowania hostowanej w subskrypcji zarządzanej przez usługę Azure Databricks oraz płaszczyzny obliczeniowej wdrożonej w ramach subskrypcji platformy Azure. Płaszczyzna sterowania przechowuje dane usług zarządzanych, w tym polecenia notatnika, tajne informacje i inne dane konfiguracyjne obszaru roboczego. Domyślnie te dane są szyfrowane przy użyciu klucza zarządzanego przez usługę Azure Databricks, ale teraz można dodać klucz z wystąpienia usługi Azure Key Vault, aby zaszyfrować te dane. Zobacz Włączanie kluczy zarządzanych przez klienta dla usług zarządzanych.

Zakończenie obsługi wersji Databricks Runtime 7.4

3 maja 2021 r.

Wsparcie dla środowiska Databricks Runtime 7.4, Databricks Runtime 7.4 dla uczenia maszynowego i Databricks Runtime 7.4 dla genomiki zakończyło się 3 maja. Zobacz Cykl życia wsparcia Databricks.

Użytkownicy repozytoriów mogą teraz integrować się z usługą Azure DevOps przy użyciu osobistych tokenów dostępu

3–10 maja 2021 r.: Wersja 3.45

Oprócz tokenów dostępu identyfikatora Entra firmy Microsoft można teraz używać osobistego tokenu dostępu do uwierzytelniania za pomocą usługi Azure DevOps. Aby uzyskać szczegółowe informacje, zobacz Konfigurowanie folderów Git usługi Databricks.