Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
Cuidado
Azure Synapse Runtime para Apache Spark 3.4 chegou ao fim do suporte em 31 de março de 2026. Embora cargas de trabalho existentes possam continuar a rodar por um período limitado além dessa data, o tempo de execução não é mais suportado e não recebe correções de bugs, atualizações de segurança ou correção de vulnerabilidades. Como resultado, cargas de trabalho rodando no Spark 3.4 estão expostas a riscos operacionais e de segurança crescentes ao longo do tempo.
Além disso, a desativação faseada dos empregos do Spark 3.4 começará em breve, e não há garantia de que as cargas de trabalho do Spark 3.4 continuarão funcionando no futuro. Para minimizar interrupções e permanecer em uma plataforma suportada, recomendamos fortemente que você atualize suas cargas de trabalho baseadas em Apache Spark 3.4 para o Azure Synapse Runtime for Apache Spark 3.5 (GA) o mais rápido possível.
O Azure Synapse Analytics dá suporte a vários runtimes para o Apache Spark. Este documento aborda os componentes e as versões de runtime do Azure Synapse Runtime para Apache Spark 3.4.
Versões do componente
| Componente | Versão |
|---|---|
| Apache Spark | 3.4.1 |
| Sistema operacional | Mariner 2.0 |
| Java | 11 |
| Scala (linguagem de programação) | 2.12.17 |
| Lago Delta | 2.4.0 |
| Python | 3.10 |
| R | 4.2.2 |
Dica
Para obter informações atualizadas, uma lista detalhada de alterações e notas de versão específicas para runtimes do Spark, verifique e assine Versões e Atualizações de Runtimes do Spark.
Bibliotecas
Para verificar as bibliotecas incluídas no Azure Synapse Runtime para Apache Spark 3.4 para Java/Scala, Python e R, acesse Azure Synapse Runtime para Apache Spark 3.4 Notas sobre versões.
Dica
spark.memoryOverheadFactor.preferred: Se definido como true, o Spark priorizará spark.driver.memoryOverheadFactor e spark.executor.memoryOverheadFactor em vez dos valores explícitos definidos por spark.driver.memoryOverhead e spark.executor.memoryOverhead. Quando ativado, a sobrecarga é sempre calculada usando o fator, e as configurações explícitas de overhead são ignoradas. O padrão é falso para compatibilidade retroalimentada.