2019 年 10 月

  • 發行項

這些功能和 Azure Databricks 平臺改良功能於 2019 年 10 月發行。

注意

發行會暫存。 在初始發行日期之後的一周之前，您的 Azure Databricks 帳戶可能不會更新。

可支援性計量已移至 Azure 事件中樞

2019 年 10 月 22 日至 29 日

可讓 Azure Databricks 監視叢集健康情況的支援性計量已從 Azure Blob 記憶體移轉至事件中樞端點。 這可讓 Azure Databricks 提供較低的延遲回應來解決客戶事件。 針對 VNet 插入 工作區，我們已將額外的規則新增至服務端點的網路 EventHub 安全組。 網路安全組規則數據表中 提供詳細數據 。 服務持續可用性不需要採取任何動作。

如需依區域的 Azure Databricks 支援性計量事件中樞端點清單，請參閱 中繼存放區、成品 Blob 記憶體、系統數據表記憶體、記錄 Blob 記憶體和事件中樞端點 IP 位址。

標準叢集和 Scala 上的 Azure Data Lake 儲存體 認證傳遞為 GA

2019 年 10 月 22 日至 29 日：版本 3.5

執行 Databricks Runtime 5.5 和更新版本之標準叢集上的 Python、SQL 和 Scala 認證傳遞 ，以及 Databricks Runtime 6.0 和更新版本上的 SparkR 已正式推出。 請參閱為標準叢集啟用 Azure Data Lake 儲存體 認證傳遞。

適用於 Genomics GA 的 Databricks Runtime 6.1

2019年10月22日

適用於 Genomics 的 Databricks Runtime 6.1 已正式推出。

適用於 機器學習 GA 的 Databricks Runtime 6.1

2019年10月22日

Databricks Runtime 6.1 ML 已正式推出。 它包含 GPU 叢集的支援，以及升級至下列機器學習連結庫：

  • TensorFlow 至 1.14.0
  • PyTorch 至 1.2.0
  • Torchvision 至 0.4.0
  • MLflow 至 1.3.0

如需詳細資訊，請參閱 ML 的完整 Databricks Runtime 6.1 版本資訊。

MLflow API 呼叫現在速率有限

2019 年 10 月 22 日至 29 日：版本 3.5

為了確保負載過重的服務品質，Azure Databricks 現在會針對所有 MLflow API 呼叫強制執行 API 速率限制。 每個帳戶都會設定這些限制，以確保所有共用工作區的組織都能公平使用和高可用性。

具有自動重試的 MLflow 用戶端可在 MLflow 1.3.0 中使用，且位於適用於 ML 的 Databricks Runtime 6.1 中（不支援）。 我們建議所有客戶切換至最新的 MLflow 用戶端版本。

如需詳細資訊，請參閱 實驗 API。

快速叢集啟動的實例集區已正式推出

2019 年 10 月 22 日至 29 日：版本 3.5

現在已正式推出支援將叢集連結至預先定義閑置實例集區的 Azure Databricks 功能。

Azure Databricks 不會在集區中的實例閑置時向 DBU 收費。 實例提供者計費確實適用。 請參閱定價。

如需詳細資訊，請參閱 集區組態參考。

Databricks Runtime 6.1 GA

2019年10月16日

Databricks Runtime 6.1 為 Delta Lake 帶來數個增強功能：

  • 輕鬆地將數據表轉換成 Delta Lake 格式
  • Delta 數據表的 Python API （公開預覽）
  • 預設會啟用動態檔案剪除 （DFP）

Databricks Runtime 6.1 也會移除認證傳遞中的數個限制。

注意

從 6.1 版開始，Databricks Runtime 僅支援 CPU 叢集。 如果您想要使用 GPU 叢集，則必須使用 Databricks Runtime ML。

如需詳細資訊，請參閱完整的 Databricks Runtime 6.1（不支援） 版本資訊。

適用於 Genomics GA 的 Databricks Runtime 6.0

2019年10月16日

適用於 Genomics 的 Databricks Runtime （Databricks Runtime Genomics） 是 Databricks Runtime 的變體，專為使用基因和生物醫學數據而優化。 從 6.0 版開始，正式推出適用於 Genomics 的 Databricks Runtime。

將 Azure Databricks 工作區部署到您自己的虛擬網路的能力，也稱為 VNet 插入，是 GA

2019年10月9日

我們很高興宣佈 GA 能夠將 Azure Databricks 工作區部署到您自己的虛擬網路，也稱為 VNet 插入。 此選項適用於需要網路自定義的使用者，因此不想使用以標準方式部署 Azure Databricks 工作區時所建立的預設 VNet。 透過 VNet 插入，您可以：

將 Azure Databricks 部署到您自己的虛擬網路也可讓您利用彈性 CIDR 範圍（虛擬網路的 /16-/24 之間，子網最多為 /26）。

使用 Azure 入口網站 UI 的設定非常快速且簡單：當您建立工作區時，只要在 虛擬網絡 中選取 [部署 Azure Databricks 工作區]，選取您的虛擬網路，併為兩個子網提供 CIDR 範圍。 Azure Databricks 會使用兩個新的子網和網路安全組來更新虛擬網路、允許存取輸入和輸出子網流量，並將工作區部署至更新的虛擬網路。

VNet injection at workspace deployment

如果您想要自行設定 VNet 插入的虛擬網路，例如，您想要使用現有的子網、使用現有的網路安全組，或建立您自己的安全性規則，您可以使用 Azure-Databricks 提供的 ARM 範本 ，而不是入口網站 UI。

注意

如果您參與 VNet 插入預覽，則必須在 2020 年 1 月 31 日之前將預覽工作區升級為 GA 版本，才能繼續獲得支援。

如需詳細資訊，請參閱在 Azure 虛擬網路中部署 Azure Databricks （VNet 插入式），並將 Azure Databricks 工作區 連線 部署至內部部署網路。

非系統管理員 Azure Databricks 使用者可以使用 SCIM API 讀取使用者和組名和標識碼

2019 年 10 月 8 日至 15 日：版本 3.4

非系統管理員用戶現在可以叫 用群組 API 取得使用者和取得群組端點，只讀取使用者和群組顯示名稱和標識符。 所有其他 SCIM API 作業都會繼續要求系統管理員存取權。

工作區 API 會傳回筆記本和資料夾物件識別碼

2019 年 10 月 8 日至 15 日：版本 3.4

get-status工作區 API 的 和 list 端點現在會傳回筆記本和資料夾物件識別碼，讓您能夠在其他 API 呼叫中參考這些物件。

Databricks Runtime 6.0 ML GA

2019年10月4日

Databricks Runtime 6.0 ML 包含下列更新：

  • MLflow
    • MLflow 實驗的新 Spark 數據源現在提供標準 API 來載入 MLflow 實驗執行數據。
    • 已新增 MLflow Java 用戶端
    • MLflow 現在已升階為最上層連結庫
  • Hyperopt GA - 因為公開預覽版包含對 Spark 背景工作角色的 MLflow 記錄支援、正確處理 PySpark 廣播變數，以及使用 Hyperopt 選取模型的新指南。
  • 已升級 Horovod 和 MLflow 連結庫和 Anaconda 散發套件。

注意

此版本僅支援 CPU 叢集。

如需詳細資訊，請參閱 ML 的完整 Databricks Runtime 6.0 版本資訊。

新區域：巴西南部和法國中部

2019 年 10 月 1 日

Azure Databricks 現已在巴西南部（聖保羅州）和法國中部（巴黎）提供。

Databricks Runtime 6.0 GA

2019 年 10 月 1 日

Databricks Runtime 6.0 帶來許多連結庫升級和新功能，包括：

  • Delta Lake DML 命令的新 Scala 和 Java API，以及真空和歷程記錄公用程式命令。
  • 增強的 DBFS FUSE 用戶端，以在模型定型期間更快且更可靠的讀取和寫入。
  • 支援每個筆記本數據格的多個 matplotlib 繪圖。
  • 更新至 Python 3.7，以及更新 numpy、pandas、matplotlib 和其他連結庫。
  • Python 2 支援的日落。

注意

此版本僅支援 CPU 叢集。

如需詳細資訊，請參閱完整的 Databricks Runtime 6.0（不支援） 版本資訊。