使用 SSH 隧道連接 Databricks

這很重要

這項功能位於測試版 (Beta) 中。

Beta 版本的費用與價格可能會有所變動。

Azure Databricks 的 SSH（Secure Shell）隧道連接 Visual Studio Code、Cursor 或您的終端機，與 Azure Databricks 工作空間及 Azure Databricks 的無伺服器運算、AI 執行時或經典運算。用它來編輯工作區檔案，執行或除錯 Python 腳本和筆記本，你的 Python 環境與程式碼執行皆在遠端運算資源上。直接連接到無伺服器運算，或設定可重複使用的 SSH 連線到專用的經典叢集。

需求

從你的本地機器開始 SSH 連線。隧道無法從其他遠端環境或 Docker 容器啟動。

要連接無伺服器或經典運算，您必須具備：

Databricks CLI 版本 1.5.0 或更高，安裝在本地機器並設定好認證。請使用 databricks --version 檢查已安裝的版本。請參閱安裝或更新 Databricks CLI。
下列其中一項：
- 安裝 Visual Studio Code 版本 1.110.0（Universal 版本）或以上，並安裝 Remote - SSH 擴充功能（1.0.46+）。
- Cursor 版本為 2.6.11（通用版）或更高版本。

若要連接無伺服器 GPU 運算，必須啟用 AI 執行時功能。請參見 AI 運行時間。

經典運算的額外需求

若要連線至傳統（專用、單一使用者）運算資源：

運算必須執行 Databricks Runtime 17.0 或以上版本。請參閱專用運算概觀。
必須啟用 Unity 目錄。
如果有計算政策存在，就不能禁止工作執行。
使用 Databricks 容器服務進行專用運算時，你的 Docker 映像必須已 openssh-server 安裝。

選擇一個 SSH 連線

使用你的運算類型的連線方法：

Compute	連線方式	設定需求
無伺服器計算	`databricks ssh connect`	沒有獨立的 SSH 設定步驟。加入 `--ide vscode` 或 `--ide cursor` 以啟動 IDE。
AI 運行環境	`databricks ssh connect --accelerator <accelerator>`	沒有獨立的 SSH 設定步驟。加入 `--ide vscode` 或 `--ide cursor` 以啟動 IDE。如需查看支援的加速器，請參見 `--accelerator`。
經典專用的單一使用者計算	在你的終端機裡執行 `databricks ssh setup --name <connection-name>` 。然後從 IDE 啟動 SSH 工作階段或執行 `ssh <connection-name>`。	選擇一個符合經典運算需求的專用單使用者叢集。不支援共享叢集。

SSH 隧道與 Databricks IDE 擴充功能不相容，不應同時使用。欲比較 Databricks Connect 及其他開發選項，請參閱「從你的 IDE 連接」。

連線至無伺服器計算

符合上述要求後，從終端機或 IDE 執行 Databricks ssh connect 。

這個 --ide 值會決定要啟動的編輯器，不論你用哪個編輯器或終端機執行指令。

Visual Studio Code

databricks ssh connect --ide vscode

CLI 會開啟一個連接遠端運算的 Visual Studio Code 視窗。

Cursor

databricks ssh connect --ide cursor

CLI 會開啟一個連接到遠端運算的 Cursor 視窗。

Terminal

databricks ssh connect

CLI 會啟動互動式 SSH 會話。

關於指令選項，包括命名連線與認證設定檔，請參見 databricks ssh connect。

連線後，打開你的工作區專案並選擇 Python 環境。如果連線失敗，請參考「故障排除 SSH 隧道連線」。

連接到無伺服器 GPU 運算與 AI Runtime

啟用 AI 執行時，請加入 --accelerator 以使用 GPU 運算：

databricks ssh connect --accelerator GPU_1xA10

databricks ssh connect 讓你在單一節點上進行互動式會話。對於長時間執行的訓練作業或多節點分散式訓練，請改用 databricks air 提交工作負載。請參閱搭配 AI 執行階段使用 Databricks CLI。

連接經典運算

若要建立可重複使用的經典專用叢集連線，先設定一個 SSH 主機名稱，然後在 IDE 中選擇該主機或從終端機連線。

設定 SSH 連線

備註

只有當你連接到經典運算時，才需要設定 SSH 連線。

在你的本地機器上執行 databricks ssh setup。請以此連線的名稱（例如 <connection-name>）取代 my-connection：

databricks ssh setup --name <connection-name>

CLI 會提示你選擇叢集，並在你的 SSH 設定中新增主機項目。你也可以直接選擇叢集。將 <cluster-id> 替換為你專用叢集的 ID：

databricks ssh setup --name <connection-name> --cluster <cluster-id>

要設定 SSH 隧道在最後一個用戶端斷線後等待多久，請在設定指令中加入 --shutdown-delay 。預設為 10 分鐘。例如，要為透過此 SSH 主機條目連線設定 30 分鐘延遲：

databricks ssh setup --name <connection-name> --cluster <cluster-id> --shutdown-delay 30m

備註

對於 IntelliJ 使用者，Databricks 建議在連接前先加入 --auto-start-cluster=false 設定指令並手動啟動叢集。這是因為 JetBrains IDE 會在啟動時啟動所有已設定的叢集，這可能導致意外的計算負擔。

使用 Visual Studio Code 或游標連接

對於 Visual Studio Code，安裝 Remote SSH 擴充功能。游標預設包含遠端 SSH 擴充功能。
在 IDE 主選單中，點選 「檢視>指令面板」。選擇 遠端-SSH：設定。或者，選擇 偏好設定：開啟使用者設定（JSON） 直接修改 settings.json 。
在 Remote.SSH：預設擴充功能（或 remote.SSH.defaultExtensions 位於 settings.json）中，添加 ms-Python.Python 和 ms-toolsai.jupyter。

如果你正在修改 settings.json：
```
"remote.SSH.defaultExtensions": [
    "ms-Python.Python",
    "ms-toolsai.jupyter"
]
```
備註

可選擇性地提高 Remote.SSH： Connect Timeout （或 remote.SSH.connectTimeout in settings.json）的值，以進一步降低逾時錯誤的機率。預設的超時時間是 360 秒。
在指令面板中，選擇 遠端 SSH：連接主機。
從下拉選單中選擇你第一步設定的連線。 IDE 在新視窗中建立連線。

使用 IntelliJ IDE 連接

請依照遠端伺服器教學進行設定。
在新的連線畫面中，請輸入：
- 用戶名： root
- 主持人： <connection-name>

從終端機連接到經典運算

使用你設定的連線名稱：databricks ssh setup

ssh <connection-name>

如果是沒有可重複使用的 SSH 主機條目的直接連線，你也可以使用 CLI。替換 <cluster-id> 成你專用的叢集 ID：

databricks ssh connect --cluster <cluster-id>

請參考 databricks ssh connect。

透過 SSH 開啟工作區專案

預設情況下，指令 databricks ssh connect 會開啟到一個臨時目錄。要存取工作區檔案，請從 IDE 或終端機導向你的工作區目錄：

在 Visual Studio Code 或游標中，從指令面板（Cmd/Ctrl+Shift+P）選擇「開啟資料夾」並導覽到/Workspace/Users/<your-username>。
從終端機視窗，更改你的目錄： cd /Workspace/Users/<your-username>。

備註

檔案在 /Workspace、 /Volumes、和 /dbfs 中，會在叢集重啟中持續存在。檔案在 /home、 /root及其他本地路徑中是短暫的，重啟時會遺失。

在 SSH 工作階段執行 Python 和筆記本

在執行程式碼前，先選擇你 SSH 會話所提供的 Python 環境。對於經典運算，此環境包含內建的 Databricks 執行時函式庫與運算範圍函式庫。

打開指令面板（Cmd/Ctrl+Shift+P），選擇 Python：選擇直譯器。
從列表中選擇虛擬 pythonEnv-xxx 環境。如果你使用 --base-environment 旗標來設定 Python 相依性，請從選項清單中選擇較長的虛擬環境名稱。如果虛擬環境沒有出現：
1. 從 IDE 內的終端機執行 echo $DATABRICKS_VIRTUAL_ENV 。
  
  範例輸出： /local_disk0/.ephemeral_nfs/envs/pythonEnv-xxx/bin/python
2. 將完整輸出貼到 Python: Select Interpreter 提示中，作為解譯器路徑。
開啟新的終端機，虛擬環境應該會自動啟動。
要執行 Jupyter 筆記本，請確保虛擬環境被選為核心。點選筆記本右上角的 「選擇核心 」。

使用標準的 Python 和 Jupyter 擴充功能執行並除錯 Python 檔案和.ipynb筆記本。

若要在無伺服器運算中使用 Python 檔案中的 Spark，請明確初始化一個會話：

from databricks.connect import DatabricksSession
spark = DatabricksSession.builder.serverless().profile("DEFAULT").getOrCreate()

管理 SSH 工作階段的相依項目

為您的運算類型選擇相依性管理方式：

對於無伺服器運算，請使用支援的無伺服器環境版本的工作區基礎環境。
對於經典計算，請使用叢集函式庫來處理跨重啟後持續存在的相依關係。
對於以專案工作階段為範圍的相依性，可以使用初始化筆記本。

關於非 Python 套件，請參見 Non-Python 相依關係。

工作空間基礎環境（建議用於無伺服器及 AI 執行環境）

備註

此功能需啟用工作預覽 中的無伺服器工作空間基礎環境支援 。請參閱管理 Azure Databricks 預覽。

使用伺服器無服務環境第 4 版或以下版本的工作區基礎環境來預先設定 Python 相依套件。 SSH 隧道不支援搭配無伺服器環境版本 5 或更高版本的 --base-environment。請使用 workspace UI 或 Databricks CLI 的 databricks environments create-workspace-base-environment 指令建立基礎環境。

連線時請使用 --base-environment 以下選項指定環境：

databricks ssh connect --base-environment my-workspace-env

此 --base-environment 選項可接受顯示名稱、工作空間 YAML 路徑或資源 ID。你無法將它與 --cluster 合併。請參考 databricks ssh connect。

叢集函式庫（推薦用於經典運算）

請使用工作區 UI 下的 運算 > 程式庫 安裝相依性。這些節點會在叢集重啟時持續存在，且可在 pythonEnv-xxx中取得。參見叢集函式庫。

非 Python 相依性

要持久化非 Python 依賴，請使用 init 腳本，當運算啟動時安裝套件。可選擇性地將套件存放在 Unity 目錄卷中，並從初始化腳本中引用。請參閱什麼是 init 指令碼？。

Project專用筆記本設定

對於專案範圍的相依關係，請在每個工作階段開始時執行包含指令 %pip install 的筆記本：

# Install from pyproject.toml
%pip install .

# Install from a requirements file
%pip install -r requirements.txt

# Install a wheel from Volumes or Workspace
%pip install /Volumes/catalog/schema/volume/your_library.whl

%pip 指令包含 Databricks 專屬的護欄，並將相依性傳播至 Spark 執行節點。這使得使用者定義函式（UDF）具備自訂相依性成為可能。

更多範例請參見「用 %pip 指令管理函式庫」。

如果你在 SSH 隧道關閉前重新連線，就不需要重跑設定筆記本。預設情況下，隧道會在最後一位客戶端斷線後 10 分鐘關閉。要改變這個延遲，請使用 --shutdown-delay 你連線方式的指令：

對於可重複使用的經典運算連線，請使用 databricks ssh setup 設定延遲。產生的 SSH 主機條目會在你從 IDE 連線或執行 ssh <connection-name>時延遲。
如果是直接 CLI 連線，可以用 databricks ssh connect 設定延遲。

備註

同一叢集中的多個 SSH 會話共用一個虛擬環境。

在 SSH 工作階段中使用 Git

這很重要

這項功能目前處於公開預覽版。 Workspace 管理員可以從 Previews 頁面控制對 Git 資料夾的 Git CLI 支援。請參閱管理 Azure Databricks 預覽。

你可以在 SSH 隧道中使用 Git CLI，搭配新建立的 Git 資料夾和你在 Azure Databricks 工作區設定的 Git 憑證。請參見使用 Git CLI 指令。

如果 CLI 要求輸入憑證而非自動擷取憑證，你必須將你的 Git 供應商連接到 Azure Databricks。請參閱將您的 Git 提供者連接至 Databricks。

讓分離的處理程序持續執行

預設情況下，當 SSH 隧道關閉時，會停止該工作階段啟動的所有程序，包括你使用 tmux、setsid 或 nohup 從該工作階段分離的程序。在阻止它們之前，隧道會在工作執行的輸出中記錄一個帶有程序 ID 的警告。 databricks ssh connect 啟動隧道時會列印工作執行 ID。

要在斷線後繼續執行分離工作，請使用該 --keep-detached-processes 旗標。在開始你想保留的工作之前，先在啟動隧道的連線上設定旗標。請參見與現有隧道的連接。

無伺服器或經典運算：將旗標傳給 Databricks ssh connect。
經典運算搭配已設定的 SSH 主機：將旗標傳給 databricks ssh setup。每次連線時都會套用產生的 SSH 主機條目。無伺服器連線不需要設定，所以這個選項只適用於經典運算。

以下範例可讓分離程序在無伺服器運算中持續運行：

databricks ssh connect --keep-detached-processes

以下範例是為了讓分離的程序在專用叢集上持續運行：

databricks ssh connect --cluster 0123-456789-abcdefgh --keep-detached-processes

當你使用此標誌且最後一個用戶端斷線時，隧道的行為如下：

在 --shutdown-delay 期間之後，隧道會檢查已分離的程序。只要其中任何一個仍在運行，隧道就會繼續運轉，而不是關閉。
分離程序會保持對 /Workspace 和 /Volumes的存取。
當最後一個分離程序退出後，隧道關閉，其工作執行結束。

當通道持續執行時，你可以重新連線到同一個運算執行個體，並重新附加到已分離的工作階段，例如使用 tmux attach。在無伺服器運算中，用相同的連線名稱重新連線。如果你省略 --name 了，CLI 會從你的工作區和 --accelerator 和 --base-environment 標誌中取得連線名稱，因此更改任一標誌會啟動一個獨立的連線。

與現有隧道的連接

隧道模式在啟動時是固定的，後續連線會以以下方式處理：

如果你用旗標連接到一個啟動時未使用該旗標的隧道，CLI 會啟動一個新的隧道。你在現有隧道中分離的處理程序不會被保留，且當隧道關閉時它們仍會停止。在專用叢集上，新隧道會立即停止現有隧道，結束其開放會話並停止分離的程序。
如果你在未使用該旗標的情況下連接到使用該旗標啟動的隧道，CLI 會重複使用該隧道，而當仍有分離執行的處理程序在執行時，該隧道會繼續運行。這同樣適用於來自其他 SSH 主機條目或 IDE 會話到同一個運算資源的連線。

成本與最大壽命

請記住下列要點：

當隧道持續運行時，運算也會繼續運作並產生成本。傳統叢集不會自動終止。閒置 tmux 會話算作一個正在執行的分離程序，所以當你不再需要它時，就關閉它。
即使分離的程序正在運行，工作執行仍會在達到由 --server-timeout 設定的最長存留時間時停止。這個生命週期是從工作執行開始的那一刻算，而不是從最後一個用戶端斷線開始算。工作執行停止後，分離程序將失去對 /Workspace 和 /Volumes的存取權。在無伺服器運算中，已分離的程序會停止。在經典運算中，它們可以在沒有該存取權限的情況下繼續運行，直到叢集終止。為了保留長時間執行的分離工作的輸出，請使用 Azure Databricks SDK 或 REST API 儲存，而不是寫入 /Workspace 或 /Volumes 路徑。請參閱在 Unity Catalog 磁碟區中處理檔案。
對於執行時間較長的工作，請改用作業或套件組。

SSH 隧道的限制

Databricks 提供的 SSH 隧道有以下限制：

不支援共享叢集。
Databricks 的 IDE 擴充功能與 SSH 隧道尚未相容，不應同時使用。
在 /Workspace、/Volumes 和 /dbfs 外編輯的檔案會在叢集重啟時遺失。
每個叢集最多允許 10 個 SSH 連線。
非活躍的遊戲時段可能會在一小時後消失。
SSH 隧道無法從其他遠端環境或 Docker 容器啟動。
當三台或以上 Jupyter 筆記本同時開啟時，可能會遇到效能或連線問題。

SSH 工作階段中的 Notebook 行為

使用 SSH 隧道時，筆記型電腦存在一些差異：

Python 檔案不會定義任何 Databricks 的全域變數（例如 spark 或 dbutils）。你必須明確地使用from databricks.sdk.runtime import spark。
對於 ipynb 筆記本，以下功能可用：
- Databricks 全域變數：displaydisplayHTMLdbutilstablesqludfgetArgumentscsqlContextspark
- %sql magic 命令用來執行 SQL 程式碼區塊

要使用 Python 原始碼「筆記本」：

搜尋 jupyter.interactiveWindow.cellMarker.codeRegex 並將其設定為：

^# COMMAND ----------|^# Databricks notebook source|^(#\\s*%%|#\\s*\\<codecell\\>|#\\s*In\\[\\d*?\\]|#\\s*In\\[ \\])

搜尋 jupyter.interactiveWindow.cellMarker.default 並將其設定為：
```
# COMMAND ----------
```

故障排除 SSH 隧道連線

先從與故障相符的症狀開始：

徵兆	第一次檢查
SSH 連線失敗或超時。	檢查工作區的 HTTPS 和 WebSocket 存取。對於經典運算，也要檢查叢集狀態和 IDE 逾時。請參閱 SSH 連線失敗或逾時。
CLI 報告無法找到 `code`。	在你本機的 `PATH` 中安裝 Visual Studio Code 的 shell 命令。顯示 `code`「找不到指令」。
CLI 認證失敗。	檢查 CLI 設定檔，以及經典運算叢集權限。請參見 CLI 認證錯誤。
CLI 會回報 `invalid_grant` 與 `Refresh token is invalid`。	用同一個 CLI 設定檔再次登入工作區，然後重新嘗試連線。請參考「重新整理權杖無效」。
連線後，Python 程式碼或 Notebook 無法執行。	檢查所選的直譯程式或筆記本核心程式。請參閱 SSH 工作階段中的 Python 程式碼或筆記本失敗。
叢集重啟後檔案會消失。	檢查檔案是否儲存在暫時性的本地路徑上。請參考叢集重啟後檔案消失或環境重置。

SSH 連線失敗或逾時

對於傳統計算，請確認叢集是否在工作區介面中運行。
請確認你的網路、VPN 和防火牆是否允許 HTTPS 和 WebSocket 流量進入你的工作區網域。 SSH 隧道不使用 22 埠。它將所有流量都透過與其他 Databricks CLI 指令相同的 HTTPS 端點隧道傳輸。請參閱「設定網域名稱防火牆規則」。
如果代理或防火牆檢查 TLS 流量，請檢查是否允許 WebSocket 升級請求。如果有中間設備阻擋或移除升級要求，連線就會失敗或逾時。請您的網路管理員允許對您的工作區網域進行 WebSocket 升級，或略過對該網域的 TLS 檢查。
如果您是透過企業 HTTP Proxy 連線，請設定 HTTPS_PROXY 環境變數，或設定 NO_PROXY，以便針對您的工作區網域略過 Proxy。 SSH 隧道使用與其他 Databricks CLI 指令相同的代理設定。請參見代理伺服器設定。
確認你的本機可透過 HTTPS 存取 github.com 和 release-assets.githubusercontent.com。
提高 SSH 超時設定。請參見使用 Visual Studio Code 或游標連接。
對於金鑰不匹配錯誤，刪除 ~/.databricks/ssh-tunnel-keys 並重新執行 databricks ssh setup。
對於「遠端主機識別已更改」的錯誤，請檢查 ~/.ssh/known_hosts 檔案並刪除與叢集相關的條目。
SSH 會話可能在 1 小時後中斷，且單一叢集最多只能建立 10 個 SSH 連線。詳見 SSH 隧道限制。

`code` 找不到指令

如果你看到 Error: exec: "code": executable file not found in $PATH，打開指令面板（Cmd/Ctrl+Shift+P），選擇 Shell 指令：在 PATH 中安裝「code」指令，然後重新啟動你的 IDE 或終端機會話。

CLI 認證錯誤

請使用 databricks auth login 登入你的工作區。
對於經典運算，請確認你在叢集上有 CAN MANAGE 權限。

刷新令牌無效

若 databricks ssh connect 因 error getting token、invalid_grant 和 Refresh token is invalid 而失敗，授權伺服器已拒絕 CLI 儲存的 OAuth 刷新權杖。請再次登入以取得新的會話：

找出你想要連線到的工作區所對應的設定檔：
```
databricks auth profiles --skip-validate
```
用那個設定檔重新登入。請將 <workspace-url> 替換為 workspace 網址，去除 /oidc/v1/token 路徑，並將 <profile-name> 替換為相符的個人檔案名稱：
```
databricks auth login --host <workspace-url> --profile <profile-name>
```
請在瀏覽器完成登入流程。
用同一個設定檔重新嘗試連線：
```
databricks ssh connect --ide vscode --profile <profile-name>
```
游標請使用 --ide cursor，若為終端機工作階段，請省略 --ide。

如果錯誤依舊，請確認失敗的指令是以你剛登入的同一個工作區和設定檔為目標。請參見 OAuth 使用者對機器（U2M）驗證。

Python 程式碼或筆記本在 SSH 工作階段中無法執行

選擇 SSH 會話提供的 Python 環境。對於筆記本，選擇該環境作為內核。請參考 SSH 工作階段中的 Run Python 和筆記本。
IPYNB 筆記本和 *.py Databricks 筆記本可以存取 Databricks 的全域檔案，但 Python *.py 檔案沒有。請參考 SSH 工作階段中的筆記本行為。

叢集重啟後檔案消失或環境重置

檔案在 /Workspace、 /Volumes和 /dbfs 掛載中會在叢集重啟後持續存在。檔案在 /home、 /root及其他本地路徑中是短暫的，重啟時會遺失。
使用叢集函式庫管理來處理持久相依。如果需要，可以用 init 腳本自動化重裝。請參閱什麼是 init 指令碼？。

Windows（WSL）上的 SSH 設定失敗

直接在 Windows 上執行 databricks ssh setup，不要在 WSL 裡。 Windows Visual Studio Code實例找不到在 WSL 端建立的 SSH 配置。

FAQ

無伺服器運算需要設定 SSH 嗎？

No. 安裝並驗證 Databricks CLI 後，使用 databricks ssh connect 進行無伺服器運算。此 databricks ssh setup 指令配置可重複使用的 SSH 主機條目以支援經典專用運算。

Databricks 的 SSH 隧道需要埠 22 嗎？

No. SSH 隧道會透過 HTTPS 將流量傳送到你的工作區網域，並且需要支援 WebSocket。你的網路、VPN、防火牆和代理都必須允許這些流量。請參閱 SSH 連線失敗或逾時。

SSH 隧道和 Databricks Connect 有什麼不同？

Databricks Connect 允許你使用 Spark API 撰寫程式碼，並在 Databricks 的運算中遠端執行，而非在本地的 Spark 會話中。 Databricks 的 Visual Studio Code 擴充功能使用 Databricks Connect 來提供使用者程式碼的內建除錯功能。

SSH 隧道讓你能從 IDE 存取工作區，並將整個開發環境移至運算資源上。 Python、Kernel 和程式碼執行都在 Azure Databricks 上運行，並可存取運算資源。

我的程式碼和資料是如何被保護的？

SSH 流量是端對端加密的，程式碼會跑在你連接的 Azure Databricks 運算系統上。驗證會使用 Databricks CLI 和您設定的工作區設定檔。請參閱支援哪些驗證方法？。

支援哪些 IDE？

Visual Studio Code 和游標是官方支援的。任何具備 SSH 功能的 IDE 都相容，但只測試 VS Code 和游標。

所有 Databricks 筆記本功能都能從 IDE 中取得嗎？

部分功能 display()如、 dbutils、 %sql 可使用，但有限制或手動設定。請參考 SSH 工作階段中的筆記本行為。

當我用 SSH 隧道連接時，叢集會自動啟動嗎？

是的，但如果啟動叢集的時間比連線逾時還久，連線嘗試就會失敗。為避免此情況，請提高 Remote.SSH 的值：將逾時連接至指令面板（或 remote.SSH.connectTimeout ） settings.json中，以進一步降低逾時錯誤的機率。

我怎麼知道我的叢集是否在運作？

在 Databricks 工作區介面中進入 計算區 ，查看叢集狀態。叢集必須顯示Running，SSH 連線才能正常運作。

我該如何斷開我的 SSH/IDE 會話？

你可以關閉 IDE 視窗、使用 IDE 中的斷線 選項、關閉 SSH 終端機，或在終端機執行 exit 指令來斷開連線。

我該如何在不工作時停止這個叢集並避免充電？

要立即停止，請從工作區介面終止叢集。在 Databricks 工作區介面中進入計算，找到你的叢集，然後選擇終止或停止。

在工作區介面設定自動終止的簡短策略。斷線後，SSH 隧道會等待一段時間 shutdown-delay（預設：10 分鐘），接著會套用叢集的閒置逾時設定。如果你使用 --keep-detached-processes，叢集在已分離的處理程序執行時不會自動終止。這同樣適用於沒有旗標但重複使用以該旗標啟動的隧道的連線。請參見與現有隧道的連接。

我該如何處理持續存在的依賴關係？

在工作階段中安裝的相依關係在叢集重新啟動後就會消失。需求和設定腳本使用持久儲存（/Workspace/Users/<your-username>）來處理。使用叢集函式庫或初始化腳本來自動化。

支援哪些認證方法？

認證則使用 Databricks 的 CLI 和你的 ~/.databrickscfg profiles 檔案。 SSH 金鑰由 SSH 隧道處理。

我可以連接到叢集中的外部資料庫或服務嗎？

可以，只要你的叢集網路允許外接連線，且你有必要的函式庫。

我可以使用額外的 IDE 擴充功能嗎？

大多數擴充功能安裝在遠端 SSH 會話中即可運作，視你的 IDE 和叢集而定。 Visual Studio Code 預設不會在遠端主機上安裝本地擴充功能。你可以手動安裝，方法是打開擴充功能面板，並在遠端主機啟用本地擴充功能。你也可以設定 Visual Studio Code 讓某些擴充功能總是遠端安裝。請參見 Connect to Databricks。

SSH 隧道支援 Private Link 嗎？

是的，不過工作區管理員必須將 Visual Studio Code 和 Cursor 擴充功能市集的 URL 加入允許清單。你的本地機器也必須具備上網的能力。

意見反應

此頁面對您有幫助嗎？

上次更新時間： 2026-10-23