Användningskrav för Databricks Connect

Anmärkning

Den här artikeln beskriver Databricks Connect för Databricks Runtime 13.3 LTS och senare.

Den här artikeln innehåller användningskrav för Databricks Connect. Information om Databricks Connect finns i Vad är Databricks Connect?.

Krav för arbetsyta

Så här använder du Databricks Connect för att ansluta till din arbetsyta:

• Ditt Azure Databricks-konto och din arbetsyta måste ha Unity Catalog aktiverat. Se Kom igång med Unity Catalog och Aktivera en arbetsyta för Unity Catalog.

• Databricks Runtime-versionen av din beräkning måste vara större än eller lika med Databricks Connect-paketversionen. Databricks rekommenderar att du använder det senaste Databricks Connect-paketet som matchar din Databricks Runtime-version.

  Om du vill använda funktioner som är tillgängliga i senare versioner av Databricks Runtime måste du uppgradera Databricks Connect-paketet. Se Databricks Connect utgivningsanteckningar för en lista över tillgängliga Databricks Connect-versioner. Viktig information om Databricks Runtime-versionen finns i Viktig information om versioner och kompatibilitet i Databricks Runtime.

• Om du ansluter till serverlös beräkning måste arbetsytan uppfylla kraven för serverlös beräkning.

  Anmärkning

  Serverlös beräkning stöds från och med Databricks Connect version 15.1. Versioner av Databricks Connect som är lägre än eller lika med Databricks Runtime-versionen på serverlösa är helt kompatibla. Se Viktig information. Information om hur du kontrollerar om Databricks Connect-versionen är kompatibel med serverlös beräkning finns i Verifiera anslutningen till Databricks.

• Om du ansluter till ett kluster måste målklustret använda ett klusteråtkomstläge för Tilldelad eller Delad. Se Åtkomstlägen.

Krav för lokal miljö

Om du vill installera Databricks Connect måste din lokala utvecklingsmiljö uppfylla följande krav:

python

• Autentisering till Databricks har konfigurerats. Beroende på autentiseringstypen Databricks kan det finnas krav:

  • För OAuth-autentisering från användare till dator (U2M) måste du använda Databricks CLI för att autentisera innan du kör koden. Se självstudien Databricks Connect för Python.

  • OAuth-autentisering från användare till dator (U2M) och OAuth-autentisering från dator till dator (M2M) stöds på Databricks SDK för Python 0.19.0 och senare. Information om hur du uppdaterar projektets installerade version av Databricks SDK för Python finns i Komma igång med Databricks SDK för Python.

• Python 3 är installerat och den delversion av Python som är installerad uppfyller versionskrav i kompatibilitetstabellen nedan.

• Om du använder användardefinierade funktioner (UDF: er) matchar den lokala delversionen av Python den lägre versionen av Python av Databricks Runtime-versionen av klustret eller serverlös beräkning. För att hitta den mindre Python-versionen av Databricks Runtime-versionen av ditt kluster, se avsnittet systemmiljö i versionsanmärkningarna för Databricks Runtime för den versionen. Se Viktig information om versioner av Databricks Runtime och kompatibilitet och viktig information om serverlös beräkning.

Scala

• Autentisering till Databricks har konfigurerats. Beroende på autentiseringstypen Databricks kan det finnas krav:

  • För OAuth-autentisering från användare till dator (U2M) måste du använda Databricks CLI för att autentisera innan du kör koden. Se självstudien Databricks Connect för Scala.

  • OAuth-autentisering från användare till dator (U2M) och OAuth-autentisering från dator till dator (M2M) stöds på Databricks SDK för Java 0.18.0 och senare. Information om hur du uppdaterar projektets installerade version av Databricks SDK för Java finns i Komma igång med Databricks SDK för Java.

  • För Databricks Connect för Databricks Runtime 13.3 LTS och senare innehåller Databricks Connect Databricks SDK för Java för Scala. Det här SDK:et implementerar databricks enhetlig autentiseringsstandard .

• Java Development Kit (JDK) är installerat. Databricks rekommenderar att versionen av JDK-installationen matchar JDK-versionen i Azure Databricks-klustret. Information om hur du hittar JDK-versionen av Databricks Runtime i klustret finns i avsnittet Systemmiljö i viktig information om Databricks Runtime eller versionskompatibilitetstabellen.

  Anmärkning

  Om du använder en JDK-version som inte matchar klustrets JDK-version kan det orsaka oväntat beteende eller hindra koden från att köras.

• Scala är installerat. Databricks rekommenderar att versionen av Scala-installationen matchar Scala-versionen i ditt Azure Databricks-kluster. Information om hur du hittar Scala-versionen av Databricks Runtime-versionen av klustret finns i avsnittet Systemmiljö i viktig information om Databricks Runtime eller versionskompatibilitetstabellen.

• Om du använder användardefinierade funktioner (UDF:er) matchar de lokala Scala- och Java-versionerna Scala- och Java-versionerna av Databricks Runtime-versionen av klustret. Information om hur du hittar Scala- och Java-versionerna av Databricks Runtime-versionen av klustret finns i avsnittet Systemmiljö i viktig information om Databricks Runtime eller versionskompatibilitetstabellen nedan.

• Ett Scala-byggverktyg, till exempel sbt, installeras.

Databricks Connect-versioner

I följande tabell visas databricks Connect och kompatibla språkversioner som stöds. Databricks Connect-versionsnummer motsvarar Databricks Runtime-versionsnummer. Se Databricks Connect utgivningsanteckningar för en lista över tillgängliga Databricks Connect-versioner. Viktig information om Databricks Runtime-versionen finns i Viktig information om versioner och kompatibilitet i Databricks Runtime.

python

UDF-stöd finns i Python-basmiljön.

Databricks Connect-version	Typ av beräkning	Kompatibel Python-version
17.0.x till 17.3.x	Serverlös version 4	3.12
16.4.1 till under 17.0.x	Serverlös version 3	3.12
16.4.x och senare	Cluster	3.12
15.4.10 till under 16.0.x	Serverlös version 2	3.11
15.4.x	Cluster	3.11
13.3.x och 14.3.x	Cluster	3,10

Scala

Databricks Connect-version	Typ av beräkning	JDK-version	Scala-version
17.3.x	Serverlös version 4 UDF:er stöds ännu inte. Se Begränsningar.	JDK 17	2.13.16
17.0.x till 17.2.x	Serverlös version 4	JDK 17	2.13.16
16.4.x och senare	Cluster	JDK 17	2.12.18
15.4.x	Cluster	JDK 8	2.12.18
13.3.x och 14.3.x	Cluster	JDK 8	2.12.15

Slutversioner av support

Databricks Connect följer supportlivscyklerna för Databricks Runtime. Följande versioner har nått supportens slut. Om du använder en version av Databricks Connect som har nått slutet av supporten uppgraderar du till en version som stöds.

python

Databricks Connect-version	Typ av beräkning	Kompatibel Python-version
16.0.0 till 16.4.0	Serverless	Det finns ingen kompatibel Python-version. Uppgradera till Databricks Connect 16.4.1 eller senare.
16.0.x till 16.3.x	Cluster	3.12
15.1.0 till 15.4.9	Serverless	Det finns ingen kompatibel Python-version. Uppgradera till Databricks Connect 15.4.10 eller senare.
15.1.x till 15.3.x	Cluster	3.11
14.0.x till 14.2.x	Cluster	3,10
13.0.x till 13.2.x	Cluster	3,10

Scala

Databricks Connect-version	Typ av beräkning	JDK-version	Scala-version
16.0.x till 16.3.x	Cluster	JDK 17	2.12.18
15.1.x till 15.3.x	Cluster	JDK 8	2.12.18
14.0.x till 14.2.x	Cluster	JDK 8	2.12.15