本頁說明了結構化串流中即時模式的已知限制。
來源限制
對於 Kinesis，Databricks 建議使用增強型 Fan-Out（EFO）模式以獲得最低延遲。 此外，頻繁的重新分割可能會對延遲產生負面影響。
工會限制
聯合運算子有一些限制：
- 不支援自我聯集：
- 對 Kafka 來說，你不能使用同一個來源資料框架物件並從它衍生出聯合資料框架。 作為變通方法，使用來自同一來源的不同資料幀。
- 對於 Kinesis，你無法將來自相同 Kinesis 來源、相同配置的資料幀合併。 作為一個變通方法，你可以為每個資料框架指派不同的
consumerName選項，而不是使用不同的資料框架。
- 有狀態運算子（例如，
aggregate，deduplicate，transformWithState）不能在 Union 之前定義。 - 不支援與批次來源的聯合。
mapPartitions 限制
Scala 及類似 Python API（mapPartitions、mapInPandas）中的 mapInArrow 會對整個輸入分割區產生迭代器，並產生輸入與輸出間任意映射的整個輸出迭代器。 這些 API 在即時模式下會阻擋整個輸出，導致效能問題，增加延遲。 這些 API 的語意無法充分支援浮水印傳播。
可用純量 UDF 搭配 複雜資料型態轉換 或 filter，以達成類似功能。
transformWithStateInPandas 不支援
transformWithStateInPandas該運算元不支援即時模式。 如果你需要在Python即時模式下自訂有狀態處理，建議改用列式 transformWithState API。 基於資料列的 API 提供相同的有狀態處理能力，使用 Row 物件而非 pandas DataFrame。
有關 transformWithState 在即時模式下的行為，請參見 ，以及使用 row-based API 的 PythontransformWithState。