November 2020

Dessa funktioner och Azure Databricks plattformsförbättringar släpptes i november 2020.

Anteckning

Versioner mellandelade. Ditt Azure Databricks-konto kanske inte uppdateras förrän en vecka eller mer efter det första utgivningsdatumet.

Stöd för Databricks Runtime 6.6-serien upphör

26 november 2020

Stöd för Databricks Runtime 6.6, Databricks Runtime 6.6 för Machine Learning och Databricks Runtime 6.6 för Genomics upphörde den 26 november. Se Supportlivscykel för Databricks Runtime.

MLflow Model Registry (allmän tillgänglighet)

18 november – 1 december 2020: Version 3.33

MLflow Model Registry är nu GA. Flera förbättringar har gjorts sedan Model Registry släpptes för offentlig förhandsversion:

  • Diagnostisk loggning för åtgärder på modellregisterobjekt. Åtgärder i Model Registry avbildas nu i diagnostikloggar. Se Diagnostiklogghändelser för loggade åtgärder och parametrar.

  • Kommentarer för modellversioner. Nu kan du lägga till kommentarer i modellversioner, så att du kan använda Model Registry för teamdiskussioner för att hantera din pipeline för modellproduktionsanvändning.

  • Taggar för modeller och modellversioner. Du kan skapa taggar för modeller och modellversioner och söka efter dem med hjälp av API:et.

  • Förbättringar av URL:en för sidan med registrerade modeller. Url:en för den här sidan behåller nu dess historik, så att du kan navigera med webbläsarens bakåt- och framåtknappar när du gör frågor och visar modeller från den här sidan. Du kan också dela URL:en med kollegor som ser samma vy.

Filtrera experimentkörningar beroende på om en registrerad modell är associerad

18 november – 1 december 2020: Version 3.33

När du visar körningar för ett experiment kan du nu filtrera körningar baserat på om de har skapat en modellversion eller inte. Mer information finns i Filterkörningar.

18 november – 1 december 2020: Version 3.33

Galleriet Partnerintegrering har flyttats från menyn Konto till fliken Lägg till data. Mer information finns i Databricks integrationsguide.

Klusterprinciper använder nu allowlist och blocklist som principtypnamn

18 november – 1 december 2020: Version 3.33

Klusterprinciper använder nu "allowlist" och "blocklist" som principtyper och ersätter "vitlista" och "svartlista". Se Klusterprincipdefinitioner. Observera att detta ursprungligen presenterades som en version 3.31-funktion, vilket var felaktigt.

Återförsök utförs automatiskt när det inte går att skapa ett jobbkluster

Viktigt

Den här uppdateringen återställdes efter version 3.33.

18 november – 1 december 2020: Version 3.33

Azure Databricks försöker nu automatiskt att skapa jobbkluster när specifika återställningsbara fel inträffar. Jobbkörningar finns kvar i RunLifeCycleState: VÄNTAR tills klustret startas. Varje försök har ett eget cluster_id namn och . När klustret har skapats övergår körningen till RunLifeCycleState: RUNNING.

18 november – 1 december 2020: Version 3.33

Nu kan du visa en innehållsförteckning för dina notebook-datorer och använda den för att snabbt navigera i en notebook-dator. Notebook-innehållsförteckningen skapas automatiskt baserat på Markdown-rubrikerna. Mer information finns i Visa innehållsförteckning.

Databricks SQL (allmänt tillgängliga förhandsversion)

18 november 2020

Databricks är glada över att kunna introducera Databricks SQL, en intuitiv miljö för att köra ad hoc-frågor och skapa instrumentpaneler på data som lagras i din datasjö. Databricks SQL hjälper din organisation att driva en lakehouse-arkitektur med flera moln som ger datalagerprestanda med datasjöars ekonomi och samtidigt ger en SQL användarupplevelse av SQL analys. Databricks SQL:

  • Integreras med de BI-verktyg som du använder idag, till exempel Tableau och Microsoft Power BI, så att du kan köra frågor mot de mest fullständiga och de allra senaste data i din datasjö.
  • Kompletterar befintliga BI-verktyg med ett SQL-gränssnitt som gör att dataanalytiker och data scientists kan köra frågor på data i en datasjö direkt i Azure Databricks.
  • Ger möjlighet att dela frågeinsikter via visualiseringar och instrumentpaneler (dra och släpp) med automatisk avisering vid viktiga förändringar i data.
  • Använder SQL-slutpunkter för att ge datasjön tillförlitlighet, kvalitet, skala, säkerhet och prestanda så att du kan köra traditionella arbetsbelastningar för analys med dina allra senaste och mest fullständiga data.

Mer information finns i SQL Databricks-guiden. Kontakta din Databricks-representant om du vill begära åtkomst.

Ennodskluster stöder nu Databricks-containertjänster

4–10 november 2020: Version 3.32

Nu kan du använda Databricks Container Services i kluster med en nod. Mer information finns i Kluster med en nod och Anpassa containrar med Databricks Container Services.

Databricks Runtime 7.4 – allmän tillgänglighet

3 november 2020

Databricks Runtime 7.4, Databricks Runtime 7.4 ML och Databricks Runtime 7.4 för Genomics är nu allmänt tillgängliga.

Mer information finns i den fullständiga viktig information på Databricks Runtime 7.4 (stöds inte),Databricks Runtime 7.4 för Machine Learning (stöds inte)och Databricks Runtime 7.4 för Genomics (stöds inte).

Uppdatering av Databricks JDBC-drivrutin

3 november 2020

En ny version av Databricks JDBC-drivrutinen har släppts. Den nya versionen innehåller ett antal felkorrigeringar, framför allt returnerar drivrutinen nu rätt antal ändrade rader från DML-åtgärder när den tillhandahålls av Databricks Runtime.

Databricks Connect 7.3 (betaversion)

3 november 2020

Databricks Anslut 7.3 är nu tillgängligt som en betaversion.

Med Databricks Anslut 7.3 kan du använda Azure Active Directory-token för att autentisera till Azure Databricks och stöder Azure Active Directory genomströmning för autentiseringsuppgifter. På så sätt kan du autentisera automatiskt till Azure Data Lake Storage Gen1 och Azure Data Lake Storage Gen2 från Databricks Connect med hjälp av samma Azure Active Directory-identitet som du använder för att autentisera till Azure Databricks.

Mer information finns i Viktig information för Databricks Anslut och Databricks Anslut.