Usar Computação sem servidor compartilhada para pastas e bundles Git

Importante

Esse recurso está em Beta. Para usá-lo, um administrador de espaço de trabalho deve ativar Project-Scoped Shared Compute na página Previews. Consulte Gerenciar visualizações do Azure Databricks.

Com o Serverless Compartilhado, notebooks e arquivos na mesma pasta Git ou bundle compartilham computação serverless e um ambiente Python no editor. Para personalizar o ambiente, adicione um arquivo pyproject.toml na raiz da pasta. Para anexar um notebook ou arquivo, siga os passos para pastas Git ou Pacotes de Automação Declarativa.

Requirements

Computação e ambiente compartilhados

  • Notebooks e arquivos na mesma pasta Git ou bundle compartilham computação e um ambiente Python no editor. Um arquivo opcional pyproject.toml na raiz da pasta define o ambiente compartilhado.
  • Apenas notebooks e arquivos dentro da pasta ou do bundle Git associado podem ser anexados ao seu recurso de computação compartilhado.
  • Recursos de computação compartilhados são isolados por usuário. Somente o usuário que primeiro anexa um notebook ou arquivo a um recurso de computação compartilhado pode executar cargas de trabalho nele.
  • A execução no Notebook permanece isolada. Variáveis em Python definidas em um caderno não estão disponíveis em outro caderno.
  • Um terminal web aberto a partir de um notebook ou arquivo conectado roda no mesmo recurso de computação.

Use o Sem servidor Compartilhado em pastas Git

Use o Sem servidor Compartilhado para trabalhar com notebooks e arquivos em uma pasta Git.

Anexe notebooks e arquivos no editor da pasta Git

  1. Na barra lateral do workspace, clique em Workspace e navegue até a pasta Git.

  2. Clique em Abrir no editor.

  3. Abra um caderno ou arquivo na pasta Git.

  4. Clique no menu suspenso Computação.

  5. Selecione Serverless Compartilhado.

    Opção do menu suspenso de Compute para computação compartilhada sem servidor, com um selo Beta e um ambiente do pyproject.toml

  6. Execute o notebook ou arquivo para iniciar o recurso de computação.

Para usar o mesmo poder computacional de outro notebook ou arquivo, abra-o na mesma pasta Git e selecione Sem servidor Compartilhado.

Colabore via Git

O Databricks recomenda que cada colaborador clone o repositório em uma pasta Git em sua pasta pessoal de workspace. Cada colaborador obtém, então, um recurso de computação e um ambiente separados para o seu clone.

Use branches, commits, pushes e pulls para trocar alterações por meio do repositório Git remoto. Veja Colaborar nas pastas Git.

Use o Sem servidor Compartilhado em bundles

Use o Sem servidor Compartilhado para trabalhar com notebooks e arquivos em um bundle no workspace. A raiz do bundle contém databricks.yml e pode conter um pyproject.toml arquivo que define o ambiente compartilhado.

Anexe notebooks e arquivos no editor de bundles

  1. Na barra lateral do espaço de trabalho, clique em Workspace e navegue até o bundle.
  2. À direita do nome do pacote, clique em Abrir no editor.
  3. Abra um notebook ou arquivo no bundle.
  4. Clique no menu suspenso Computação.
  5. Selecione Shared Serverless.
  6. Execute o notebook ou arquivo para iniciar o recurso de computação.

Para usar o mesmo poder computacional de outro notebook ou arquivo, abra-o no mesmo bundle e selecione Sem servidor Compartilhado.

Para colaborar pelo Git, peça para cada colaborador clonar o repositório em uma pasta Git em sua pasta pessoal de workspace. Veja Colaborar pelo Git.

Gerencie o ambiente com pyproject.toml

A computação sem servidor compartilhada usa o arquivo pyproject.toml na pasta Git ou na raiz do bundle para gerenciar dependências de Python para o projeto. Notebooks serverless padrão usam dependências configuradas para cada notebook no painel lateral Ambiente.

Crie o arquivo raiz pyproject.toml e defina a versão do ambiente serverless antes de gerenciar suas dependências. Consulte Criar e editar pyproject.toml. Você pode então adicionar dependências com comandos do notebook ou editar o arquivo diretamente.

Use comandos de caderno

  1. Abra um notebook anexado ao Shared Serverless.

  2. Execute %uv add <package> para adicionar uma dependência ao arquivo raiz.pyproject.toml Por exemplo:

    %uv add cowsay
    

O comando atualiza pyproject.toml, uv.lock, e o ambiente compartilhado. Você não precisa executar %uv sync após %uv add. Use %uv sync para aplicar as alterações feitas diretamente em pyproject.toml.

Criar e editar pyproject.toml

  1. Abra um notebook conectado ao Sem servidor Compartilhado.

  2. Abra o painel lateral Environment.

  3. No painel Gerenciado por pyproject.toml, clique em ícone Novo arquivo.Criar pyproject.toml para criar o arquivo raiz. Se o arquivo já existir, clique no ícone de nova janela.Visualizar pyproject.toml. O arquivo abre no editor.

    Painel lateral do ambiente com o ícone e dica de ferramenta Create pyproject.toml ao lado de Gerenciado por pyproject.toml.

  4. Edite a dependencies lista. Mantenha a seção gerada [tool.databricks.environment], ou adicione-a se estiver ausente. Configure environment_version para uma versão suportada (5 ou superior). Por exemplo:

    [project]
    name = "my-project"
    version = "0.1.0"
    dependencies = [
      "simplejson==3.18.1",
    ]
    
    [tool.databricks.environment]
    environment_version = "5"
    
  5. Clique em Aplicar no topo do editor de pyproject.toml arquivos.

    O editor de arquivos pyproject.toml mostrando o botão Aplicar e sua dica de ferramenta.

O ambiente atualizado está disponível para notebooks e arquivos anexados ao mesmo recurso de computação compartilhado. Para inspecionar o ambiente, abra o painel lateral do Ambiente . Veja Configurar o ambiente serverless para informações sobre versões e dependências instaladas do ambiente serverless.

Agendar um notebook

Quando você agenda um notebook anexado ao Shared Serverless a partir da pasta Git ou do editor de bundles, o Azure Databricks usa o arquivo raiz pyproject.toml como ambiente de projeto da tarefa, caso o arquivo exista. Implante o pacote conforme descrito nos passos a seguir.

  1. No editor de pastas ou bundles do Git, abra um notebook conectado à computação sem servidor compartilhada.
  2. Se a pasta ou bundle Git tiver um arquivo pyproject.toml raiz, verifique se ele declara as dependências necessárias para a tarefa.
  3. Clique em Agendar.
  4. Na lista suspensa Compute , selecione computação serverless.
  5. Configure o agendamento e clique em Criar.

Depois de clicar em Criar, verifique a configuração do job:

Para opções de agendamento de notebooks, veja Criar e gerenciar trabalhos de notebook agendados.

Limitations

  • O compartilhamento de computação se restringe a uma política de uso serverless. Notebooks e arquivos em uma mesma pasta ou bundle Git que usam políticas de uso diferentes recebem recursos de computação distintos, em vez de compartilharem um único recurso.

Recursos adicionais