Februari 2018

Versioner mellanlagras. Ditt Azure Databricks-konto kanske inte uppdateras förrän en vecka efter det första lanseringsdatumet.

Nytt linjediagram med stöd för tidsseriedata

27 feb - 6 mar 2018: Version 2.66

Ett nytt linjediagram har fullt stöd för tidsseriedata och löser begränsningar med vårt gamla linjediagramsalternativ. Det gamla linjediagrammet är inaktuellt och vi rekommenderar att användarna migrerar alla visualiseringar som använder det gamla linjediagrammet till det nya.

Mer information finns i Migrera äldre linjediagram .

Fler visualiseringsförbättringar

27 feb - 6 mar 2018: Version 2.66

Nu kan du sortera kolumner i tabellutdata och använda fler än 10 förklaringsobjekt i ett diagram.

Ta bort jobb med hjälp av API:et för jobb

27 feb - 6 mar 2018: Version 2.66

Nu kan du använda jobb-API:et för att ta bort jobbkörningar med hjälp av den nya jobs/runs/delete slutpunkten.

Mer information finns i Kör borttagning .

KaTeX-biblioteket för matematisk återgivning har uppdaterats

27 feb - 6 mar 2018: Version 2.66

Den version av KatTeX som Azure Databricks använder för matematisk ekvationsrendering uppdaterades från 0.5.1 till 0.9.0-beta1.

Den här uppdateringen introducerar ändringar som kan bryta uttryck som skrivits i 0.5.1:

• \xLongequal är nu \xlongequal (#997)
• [text]color HTML-färger måste vara välformulerad. (#827)
• \llap och \rlap återger nu innehållet i matematiskt läge. Använd \mathllap (ny) och \mathrlap (ny) för att ange det tidigare beteendet.
• \color och \textcolor beter sig nu som de gör i LaTeX (#619)

Mer information finns i Viktig information om KaTeX.

Databricks CLI: version 0.5.0

27 februari 2018: databricks-cli 0.5.0

Databricks CLI har nu stöd för kommandon som riktar sig till biblioteks-API:et.

CLI stöder nu även flera anslutningsprofiler. Anslut ionsprofiler kan användas för att konfigurera CLI för att kommunicera med flera Azure Databricks-distributioner.

Mer information finns i Databricks CLI (äldre).

DBUtils API-bibliotek

13-20 feb 2018: Version 2.65

Azure Databricks innehåller en mängd olika verktygs-API:er som gör att du enkelt kan arbeta med DBFS, notebook-arbetsflöden och widgetar. Biblioteket dbutils-api påskyndar programutvecklingen genom att du kan kompilera och köra enhetstester lokalt mot dessa api:er för verktyg innan du distribuerar programmet till ett Azure Databricks-kluster.

Mer information finns i API-biblioteket för Databricks Utilities.

Filtrera endast efter dina jobb

13-20 feb 2018: Version 2.65

Med nya filter i listan Jobb kan du bara visa de jobb du äger och endast de jobb som du har åtkomst till.

Mer information finns i Skapa och köra Azure Databricks-jobb .

Spark-submit från sidan för att skapa jobb

13-20 feb 2018: Version 2.65

Nu kan du konfigurera spark-submit parametrar från sidan Skapa jobb, samt via REST-API:et eller CLI.

Mer information finns i Skapa och köra Azure Databricks-jobb .

Välj Python 3 på sidan för att skapa kluster

13-20 feb 2018: Version 2.65

Nu kan du ange Python version 2 eller 3 från listrutan för den nya Python-versionen när du skapar ett kluster. Om du inte gör något val är Python 2 standard. Du kan också, precis som tidigare, skapa Python 3-kluster med hjälp av REST-API:et.

Förbättringar av arbetsytans användargränssnitt

13-20 feb 2018: Version 2.65

Vi har lagt till möjligheten att sortera filer efter typ (mappar, notebook-filer, bibliotek) i arbetsytans filwebbläsare, och hemmappen visas alltid överst i listan Användare.

Automatisk komplettering av SQL-kommandon och databasnamn

13-20 feb 2018: Version 2.65

SQL-celler i notebook-filer ger nu automatisk komplettering av SQL-kommandon och databasnamn.

Serverlösa pooler har nu stöd för R

1-8 feb 2018: Version 2.64

Nu kan du använda R i serverlösa pooler.

XGBoost tillgängligt som ett Spark-paket

1-8 feb 2018: Version 2.64

XGBoosts Spark-integreringsbibliotek kan nu installeras på Azure Databricks som ett Spark-paket från biblioteksgränssnittet eller REST-API:et. Tidigare krävde XGBoost installation från källan via init-skript och därmed en längre starttid för klustret. Mer information finns i Använda XGBoost i Azure Databricks .

Tabellåtkomstkontroll för SQL och Python (Beta)

1-8 feb 2018: Version 2.64

Förra året introducerade vi åtkomstkontroll för dataobjekt för SQL-användare. Idag är vi glada över att kunna presentera den offentliga betaversionen av tabellåtkomstkontroll (tabell-ACL:er) för både SQL- och Python-användare. Med åtkomstkontroll för tabeller kan du begränsa åtkomsten till skyddsbara objekt som tabeller, databaser, vyer eller funktioner. Du kan också ange detaljerad åtkomstkontroll (till rader och kolumner som matchar specifika villkor, till exempel) genom att ange behörigheter för härledda vyer som innehåller godtyckliga frågor.

Kommentar

• Den här funktionen är i offentlig betaversion
• Den här funktionen kräver Databricks Runtime 3.5+.

Mer information finns i Behörigheter för Hive-metaarkiv och skyddsbara objekt (äldre ).