Fabric 執行環境 1.3（EOSA）

Warning

Microsoft Fabric Runtime 1.3 已進入支援結束階段（EOSA）。 規劃遷移至 Runtime 2.0，最新普及（GA）及預設執行環境，以維持支援並避免未來工作負載中斷。

在升級 Fabric 工作區和環境前，先驗證工作負載相容性。 關於遷移步驟與相容性考量，請參見從 Fabric Runtime 1.3 遷移到 Runtime 2.0。

網狀架構執行階段提供與 Azure 的無縫整合。 它為使用 Apache Spark 的資料工程和資料科學項目提供複雜的環境。 本文概述了 Fabric Runtime 1.3 的基本功能與元件。

Fabric Runtime 1.3 已進入公告終止支援（EOSA）階段。 它包含以下元件與升級，旨在提升您的資料處理能力：

  • Apache Spark：3.5
  • 作業系統： Mariner 2.0 （Azure Linux 2.0）
  • Java：11
  • Scala：2.12.17
  • Python 3.11
  • Delta Lake：3.2
  • R：4.4.1

Important

Fabric 執行時發布通道讓你能及早測試即將到來的執行時變更，並在更新成為預設前驗證工作負載相容性。 此方法有助於減少意外生產中斷，並提供對執行時升級更佳的控制。 了解更多關於 發行頻道的資訊。

提示

Fabric Runtime 1.3 包含 原生執行引擎的支援，可大幅提升效能，而不需要更多成本。 若要在環境中的所有作業和筆記本上啟用原生執行引擎，請流覽至您的環境設定、選取 [Spark 計算]、移至 [加速] 索引卷標，然後核取 [啟用原生執行引擎]。 儲存併發佈之後，此設定會套用到整個環境，因此所有新的作業和筆記本都會自動繼承並受益於增強的效能功能。

整合 Runtime 1.3

備註

有關所有可用的 Fabric 執行環境及其當前狀態，請參見 Apache Spark Runtimes in Fabric。

使用下列指示，將執行階段 1.3 整合到您的工作區，並使用其新功能：

  1. 瀏覽至您的 Fabric 工作區內的 工作區設定標籤頁。

  2. 移至資料工程師/科學 索引標籤，然後選取Spark 設定。

  3. 選取環境索引標籤。

  4. 在 [ 執行階段版本 ] 下展開下拉式清單。

  5. 選取 1.3（Spark 3.5、Delta 3.2） 並儲存變更。 此動作會將 1.3 設定為工作區的預設執行階段。

    顯示選取執行階段版本位置的螢幕擷取畫面。

您現在可以開始使用最新引進的 Fabric Runtime 1.3（包括 Spark 3.5 和 Delta Lake 3.2）的改進和功能。

瞭解 Apache Spark 3.5

Apache Spark 3.5.0 是 3.x 系列中的第六個版本。 此版本是開放原始碼社群中廣泛共同作業的產物，可解決 Jira 中所記錄的 1,300 多個問題。

在此版本中，結構化串流的相容性有所升級。 此外，此版本會擴大 PySpark 和 SQL 中的功能。 它會新增 SQL 標識符子句、SQL 函數調用中的具名自變數，以及包含 HyperLogLog 近似彙總的 SQL 函式等功能。

其他新功能還包括 Python 使用者定義資料表函式、透過 DeepSpeed 簡化分散式訓練，以及新的結構化串流功能，例如水印傳播和 dropDuplicatesWithinWatermark 作業。

您可以在這裏檢查完整清單和詳細變更： Spark 3.5.0 版。

認識 Delta Spark 相關資訊

Delta Lake 3.2 標誌著一項集體承諾，讓 Delta Lake 跨格式互通、更容易使用，且效能更高。 Delta Spark 3.2 建置在 Apache Spark™ 3.5 之上。 Delta Spark Maven 工件的名稱已由 delta-core 更改為 delta-spark。

您可以在這裡檢查完整清單和詳細變更：https://docs.delta.io/index.html。

元件和程式庫

如需最新資訊、變更的詳細清單，以及 Fabric 執行時間的特定版本資訊，請檢查並訂閱 Spark 執行階段版本和更新。

備註

EventHubConnector 已在 Fabric 執行階段 1.3 （Spark 3.5） 中取代，並將從未來的 Fabric 執行階段版本中移除。 鼓勵用戶改用 Kafka Spark Connector，因為 Event Hubs 已經支援 Kafka。 你可以在這裡找到更多關於使用 Kafka Spark 連接器與事件中心的資訊： Event Hubs Kafka Spark 教學

相關內容

  • 上次更新時間：