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.