Marzec 2018 r.

Wydania są etapowe. Twoje konto usługi Azure Databricks może nie zostać zaktualizowane do tygodnia po początkowej dacie wydania.

Szczegóły wykonywania poleceń

27 marca — 3 kwietnia 2018 r.: Wersja 2.68

Po uruchomieniu polecenia w notesie zostaną wyświetlone szczegółowe informacje o postępie.

Interfejs wiersza polecenia Databricks obsługuje --profile

27 marca — 3 kwietnia 2018 r.: Wersja 2.68

Databricks CLI w wersji 0.6.1 obsługuje --profile we wszystkich pozycjach.

Zobacz Starszy interfejs CLI Databricks.

ACL są domyślnie włączone dla nowych klientów Premium SKU

27 marca — 3 kwietnia 2018 r.: Wersja 2.68

Listy kontroli dostępu (ACL) są teraz domyślnie włączone dla wszystkich nowych klientów w jednostce SKU Premium. Istniejący klienci muszą nadal ręcznie włączać listy kontroli dostępu (ACL).

Patrz List kontroli dostępu nie można już wyłączyć.

Usługa Azure Databricks jest teraz ogólnie dostępna

22 marca 2018 r.

Z przyjemnością informujemy, że usługa Azure Databricks jest teraz ogólnie dostępna. W ostatnich tygodniach dodaliśmy funkcje ułatwiające jeszcze lepsze działanie usługi Azure Databricks, w tym:

• Komunikacja równorzędna sieci wirtualnej (VNet), która umożliwia korzystanie z platformy Apache Kafka w usłudze HDInsight z usługą Azure Databricks
• Usługa Microsoft Power BI zawiera teraz wbudowany łącznik Spark
• Łącznik usługi Azure Synapse Analytics
• Obsługa usługi Azure Data Factory w wersji 2 (wersja zapoznawcza)
• Zarządzanie wpisami tajnymi (wersja zapoznawcza)
• Więcej regionów świadczenia usługi Azure
• Ulepszona wydajność i dokumentacja

Oczywiście usługa Azure Databricks nadal zapewnia łatwą integrację z usługami Azure Blob Storage i Azure Cosmos DB.

Jako uzupełnienie dokumentacji udostępnionej w tej witrynie, learn.microsoft.com zawiera materiały wprowadzające, informacje o zarządzaniu kontami platformy Azure i kompleksowe samouczki.

Nowy motyw witryny dokumentacji

21 marca 2018 r.

Zaktualizowaliśmy wygląd i działanie naszej witryny dokumentacji. Mamy nadzieję, że ci się podoba!

Skalowanie automatyczne magazynu lokalnego

13-20 marca 2018 r.: Wersja 2.67

Wszystkie klastry w usłudze Azure Databricks są uruchamiane z włączonym skalowaniem automatycznym magazynu lokalnego. Oznacza to, że usługa Azure Databricks automatycznie dołącza dodatkowe dyski zarządzane do maszyn wirtualnych węzłów roboczych klastra za każdym razem, gdy mają mało miejsca na dysku.

Aby uzyskać więcej informacji, zobacz Włączanie automatycznego skalowania magazynu lokalnego .

Parowanie sieci wirtualnej

13-20 marca 2018 r.: Wersja 2.67

Dodaje obsługę parowania sieci wirtualnych (VNet), które pozwala sieci wirtualnej, w której działa Twój zasób Azure Databricks, łączyć się z inną siecią wirtualną platformy Azure.

Aby uzyskać więcej informacji, zobacz sieci równorzędne wirtualne.

Dziennik zdarzeń klastra

Mar 13-20, 2018: Wersja 2.67

Strona szczegółów klastra zawiera nową kartę Dziennik zdarzeń, która wyświetla ważne zdarzenia cyklu życia klastra. Zdarzenia historyczne można wyświetlać przez 60 dni, co jest porównywalne z innymi okresami przechowywania danych w usłudze Azure Databricks.

Aby uzyskać więcej informacji, zobacz Dzienniki zdarzeń obliczeniowych.

Interfejs wiersza polecenia usługi Databricks: wersja 0.6.0

13 marca 2018 r.: databricks-cli 0.6.0

Interfejs wiersza polecenia usługi Databricks obsługuje teraz język Python 3.

Aby uzyskać więcej informacji, zobacz Starszy interfejs wiersza polecenia usługi Databricks .

Zarządzanie wykonywaniem zadań

Mar 13-20, 2018: Wersja 2.67

Teraz możesz usunąć zadanie uruchomione na stronie szczegółów zadania i na stronie uruchamiania zadania.

Uruchomienie zadania Pozyskiwanie danych wyjściowych punktu końcowego jest już ogólnie dostępny, a maksymalna ilość danych wyjściowych została zwiększona do 5 MB.

Edytowanie uprawnień klastra wymaga teraz trybu edycji

Mar 13-20, 2018: Wersja 2.67

Wcześniej można było edytować uprawnienia klastra bez kliknięcia przycisku Edytuj, co było niezgodne z innymi atrybutami klastra.

Efektem ubocznym tej zmiany jest to, że podczas oczekiwania na klaster nie można już edytować jego uprawnień.

Eksportowanie modeli uczenia maszynowego usługi Databricks

1 marca 2018 r.

W dokumentacji omówiono teraz sposób używania eksportu modeli uczenia maszynowego usługi Databricks, który umożliwia eksportowanie modeli i pełnych potoków uczenia maszynowego z platformy Apache Spark. Te wyeksportowane modele i potoki można zaimportować na inne platformy (Spark i inne), co umożliwia analizowanie wyników i prognozowanie. Eksport modelu jest przeznaczony dla aplikacji opartych na uczeniu maszynowym, które charakteryzują się niskimi opóźnieniami i lekkością.

Aby uzyskać więcej informacji, zobacz Eksportowanie modelu uczenia maszynowego MLeap.