Databricks-datateknik
Databricks datateknikfunktioner är en robust miljö för samarbete mellan dataforskare, datatekniker och dataanalytiker. Datateknikuppgifter är också ryggraden i Databricks maskininlärningslösningar .
Kommentar
Om du är en dataanalytiker som främst arbetar med SQL-frågor och BI-verktyg kanske du föredrar Databricks SQL.
Name | Använd det här när du vill... |
---|---|
Delta Live-tabeller | Lär dig hur du skapar datapipelines för inmatning och transformering med Databricks Delta Live Tables. |
Strukturerad strömning | Lär dig mer om strömning, inkrementella arbetsbelastningar och realtidsarbetsbelastningar som drivs av strukturerad direktuppspelning på Databricks. |
Apache Spark | Lär dig hur Apache Spark fungerar på Databricks och Databricks-plattformen. |
Beräkning | Lär dig mer om Databricks-kluster och hur du skapar och hanterar dem. |
Notebook-filer | Lär dig vad en Databricks-notebook-fil är och hur du använder och hanterar notebook-filer för att bearbeta, analysera och visualisera dina data. |
Arbetsflöden | Lär dig hur du samordnar arbetsflöden för databearbetning, maskininlärning och dataanalys på Databricks-plattformen. |
Bibliotek | Lär dig hur du gör kod från tredje part eller anpassad kod tillgänglig i Databricks med hjälp av bibliotek. Lär dig mer om de olika lägena för att installera bibliotek på Databricks. |
Git-mappar | Lär dig hur du använder Git för att versionskontroll dina notebook-filer och andra filer för utveckling i Databricks. |
DBFS | Lär dig mer om Databricks File System (DBFS), ett distribuerat filsystem monterat på en Databricks-arbetsyta och tillgängligt i Databricks-kluster |
Filer | Lär dig mer om alternativ för att arbeta med filer på Databricks. |
Migrering | Lär dig hur du migrerar dataprogram som ETL-jobb, företagsdatalager, ML, datavetenskap och analys till Databricks. |
Optimering och prestanda | Lär dig mer om optimeringar och prestandarekommendationer för Databricks. |
Feedback
https://aka.ms/ContentUserFeedback.
Kommer snart: Under hela 2024 kommer vi att fasa ut GitHub-problem som feedbackmekanism för innehåll och ersätta det med ett nytt feedbacksystem. Mer information finns i:Skicka och visa feedback för