2019 年 12 月

  • 项目

这些功能和 Azure Databricks 平台的改进已于 2019 年 12 月发布。

注意

发布分阶段进行。 Azure Databricks 帐户可能要等到初始发布日期后的一周或更长时间才会更新。

Databricks Connect 现在支持 Databricks Runtime 6.2

2019 年 12 月 17 日

Databricks Connect 现在支持 Databricks Runtime 6.2。

通过 Databricks 容器服务 (GA) 使用自己的容器映像配置群集

2019 年 12月 16 日：版本 3.7

Databricks 容器服务已在 Databricks Runtime 6.1 和 Azure Databricks 平台版本 3.7 中正式提供，通过该服务你可使用自己的容器映像来配置群集。 你可以将复杂环境预打包在容器中，将其发布到常用容器注册表，如 ACR、ECR 或 Docker Hub，然后让 Azure Databricks 拉取映像以创建群集。 一些示例用例包括：

  • 库自定义 - 你可以完全控制你要安装的系统库
  • 黄金容器环境 - 你的 Docker 映像是锁定的环境，永远不会更改
  • Docker CI/CD 集成 - 可以将 Azure Databricks 与 Docker CI/CD 管道集成

还有许多其他用例，涵盖从“指定配置”到“安装机器学习包”等许多方面。

有关详细信息，请参阅使用 Databricks 容器服务自定义容器。

用于基因组学的 Databricks Runtime 6.2 正式版

2019 年 12 月 3 日

用于基因组学的 Databricks Runtime 6.2 是基于 Databricks Runtime 6.2 构建的。 它包含用于基因组学的 Databricks Runtime 6.1 的许多改进和升级，包括：

  • Firth 逻辑回归
  • 用户定义的样本质量控制指标
  • 管道转换器性能提升
  • 更可靠的联合基因分型
  • 简化了与 LOFTEE 的集成
  • Hail 0.26.0
  • Samtools 1.9

2019 年 12 月 3 日

Microsoft Entra ID（以前称为 Azure Active Directory）应用库中已提供 Azure Databricks SCIM 预配连接器，因此可以更轻松地设置从 Microsoft Entra ID到 Azure Databricks 的用户和组的预配。 有关详细信息，请参阅使用 Microsoft Entra ID (Azure Active Directory) 配置 SCIM 预配。

Databricks Runtime 5.3 和 5.4 支持结束

2019 年 12 月 3 日

对 Databricks Runtime 5.3 和 5.4 的支持于 12 月 3 日结束。 请参阅 Databricks 运行时支持生命周期。

Databricks Runtime 6.2 ML 正式版

2019 年 12 月 3 日

Databricks Runtime 6.2 ML 的正式发布引入了许多库升级，其中包括：

  • TensorFlow 和 TensorBoard：1.14.0 升级到 1.15.0.
  • PyTorch：1.2.0 升级到 1.3.0。
  • tensorboardX：1.8 升级到 1.9。
  • MLflow：1.3.0 升级到 1.4.0。
  • Hyperopt：0.2-db1 与 Azure Databricks MLflow 集成。
  • mleap-databricks-runtime 到 0.15.0，包括 mleap-xgboost-runtime。

有关详细信息，请参阅完整的用于 ML 的 Databricks Runtime 6.2（不受支持）发行说明。

Databricks Runtime 6.2 正式版

2019 年 12 月 3 日

Databricks Runtime 6.2 的正式发布引入了新功能、改进和许多 bug 修复，包括：

  • 优化的 Delta Lake 仅插入合并

有关详细信息，请参阅完整的 Databricks Runtime 6.2（不受支持）发行说明。

Databricks Connect 现在支持 Databricks Runtime 6.1

2019 年 12 月 3 日

Databricks Connect 现在支持 Databricks Runtime 6.1。 通过 Databricks Connect，可将喜欢的 IDE（IntelliJ、Eclipse、PyCharm、RStudio 和 Visual Studio）、笔记本服务器（Zeppelin 和 Jupyter）和其他自定义应用程序连接到 Azure Databricks 群集，并运行 Apache Spark 代码。