Fuskark för schemaläggning av produktionsjobb

Den här artikeln syftar till att ge tydlig och åsiktsorienterad vägledning för schemaläggning av produktionsjobb. Med hjälp av metodtips kan du minska kostnaderna, förbättra prestanda och öka säkerheten.

Metodtips	Påverkan	Dokument
Använda serverlös beräkning för jobb	Kostnad: Serverlösa jobb kräver ingen klusterkonfiguration. Azure Databricks hanterar etablering och skalning automatiskt.	Utföra serverlösa jobb
Använd Lakeflow-jobb för orkestrering när det är möjligt	Cost: Du behöver inte använda externa verktyg för att orkestrera om du bara orkestrerar arbetsbelastningar på Azure Databricks.	Lakeflow-jobb
Använda tjänstens huvudnamn i stället för användarkonton för att köra produktionsjobb	Säkerhet: Om jobb ägs av enskilda användare kan de här jobben sluta köras när de lämnar organisationen.	Tjänstens huvudnamn
För klassisk beräkning: använd jobbkluster för automatiserade arbetsflöden	Kostnad: Jobbkluster faktureras till lägre priser än interaktiva kluster.	Skapa ett kluster Allmän användning och arbetskluster.
För klassisk beräkning: starta om långvariga kluster	Säkerhet: Starta om kluster för att dra nytta av korrigeringar och felkorrigeringar i Databricks Runtime.	Starta om ett kluster för att uppdatera det med de senaste avbildningarna
För klassisk beräkning: använd den senaste LTS-versionen av Databricks Runtime	Performance och kostnad: Azure Databricks förbättrar alltid Databricks Runtime för användbarhet, prestanda och säkerhet.	Beräkna Databricks stöder livscykeler
För klassisk beräkning: lagra inte produktionsdata i DBFS-roten	Säkerhet: När data lagras i DBFS-roten kan alla användare komma åt dem.	Vad är DBFS? Rekommendationer för att arbeta med DBFS-rot