Partilhar via

Março de 2018

  • Artigo

Os lançamentos são encenados. Sua conta do Azure Databricks pode não ser atualizada até uma semana após a data de lançamento inicial.

Detalhes da execução de comandos

27 de março a 3 de abril de 2018: Versão 2.68

Ao executar um comando em um bloco de anotações, você verá informações detalhadas sobre o progresso.

Suporte à CLI do Databricks --profile

27 de março a 3 de abril de 2018: Versão 2.68

A CLI 0.6.1 do Databricks suporta --profile em todas as posições.

Consulte Databricks CLI (legado).

ACLs ativadas por predefinição para os clientes novos do SKU Premium

27 de março a 3 de abril de 2018: Versão 2.68

As listas de controle de acesso (ACLs) agora estão habilitadas por padrão para todos os novos clientes na SKU Premium. Os clientes existentes devem continuar a habilitar as ACLs manualmente.

Consulte As listas de controlos de acesso já não podem ser desativadas.

O Azure Databricks está agora em disponibilidade geral

Março 22, 2018

Temos o prazer de anunciar que o Azure Databricks agora está disponível para o público em geral. Nas últimas semanas, adicionámos funcionalidades para ajudar a tornar a experiência do Azure Databricks ainda melhor, incluindo:

E, claro, o Azure Databricks continua a fornecer integrações fáceis com o armazenamento de Blobs do Azure, o Azure Data Lake Store e o Azure Cosmos DB.

Como suplemento à documentação fornecida neste site, o learn.microsoft.com fornece material introdutório, informações sobre o gerenciamento de contas do Azure e tutoriais de ponta a ponta.

Novo tema do site de documentação

Março 21, 2018

Atualizámos o aspeto e funcionalidade do nosso site de documentação. Esperamos que gostem!

Dimensionar automaticamente o armazenamento local

13 a 20 de março de 2018: Versão 2.67

Todos os clusters no Azure Databricks são iniciados com o armazenamento local de dimensionamento automático habilitado. Isso significa que o Azure Databricks anexa automaticamente discos gerenciados adicionais às VMs de trabalho de cluster sempre que elas estiverem com pouco disco.

Consulte Habilitar o armazenamento local de dimensionamento automático para obter mais informações.

Peering de redes virtuais (VNet)

13 a 20 de março de 2018: Versão 2.67

Adiciona suporte para emparelhamento de rede virtual (VNet), que permite que a rede virtual na qual seu recurso Azure Databricks está sendo executado emparelhe com outra rede virtual do Azure.

Consulte Redes virtuais de mesmo nível para obter mais informações.

Registo de eventos de clusters

13-20 de março de 2018: Versão 2.67

A página de detalhes do cluster tem uma nova guia Log de Eventos que exibe eventos importantes do ciclo de vida do cluster. Os eventos históricos podem ser visualizados durante 60 dias, o que é comparável com outros tempos de retenção de dados no Azure Databricks.

Consulte Computar logs de eventos para obter mais informações.

Databricks CLI: versão 0.6.0

13 de março de 2018: databricks-cli 0.6.0

A CLI do Databricks agora suporta Python 3.

Consulte Databricks CLI (legado) para obter mais informações.

Gestão da execução de trabalhos

13-20 de março de 2018: Versão 2.67

Agora você pode excluir uma execução de trabalho na página de detalhes do trabalho e na página de execução do trabalho.

O ponto de extremidade Get Output executado é GA, e a saída máxima retornada foi aumentada para 5 MB.

A edição das permissões de clusters exige agora o modo de edição

13-20 de março de 2018: Versão 2.67

Anteriormente, era possível editar as permissões de um cluster sem clicar em Editar, o que era inconsistente com outros atributos do cluster.

Um efeito colateral dessa alteração é que você não pode mais editar permissões de cluster enquanto um cluster estiver pendente.

Exportação de Modelo do Databricks ML

Março 1, 2018

A documentação agora aborda como usar o Databricks ML Model Export, que permite exportar modelos e pipelines completos de ML do Apache Spark. Estes modelos e pipelines exportados podem ser importados para outras plataformas (Spark ou não) para realizar classificações e previsões. A exportação de modelos destina-se a aplicações leves e de baixa latência alimentadas por ML.

Nota

Esse recurso requer o Databricks Runtime 4.0+.

Consulte MLeap ML model export para obter mais informações.