bundle grupo de comando

O bundle grupo de comandos dentro da CLI do Databricks contém comandos para gerenciar pacotes de ativos do Databricks. Os Pacotes de Ativos Databricks permitem expressar projetos como código e validar, implantar e executar programaticamente fluxos de trabalho do Azure Databricks, como trabalhos do Azure Databricks, Lakeflow Spark Declarative Pipelines e MLOps Stacks. Consulte O que são Databricks Asset Bundles?.

Implantação do pacote Databricks

Implante um pacote no espaço de trabalho remoto.

databricks bundle deploy [flags]

Destino e identidade do pacote

Para implantar o pacote em um destino específico, defina a -t opção (ou --target) junto com o nome do destino conforme declarado nos arquivos de configuração do pacote. Se nenhuma opção de comando for especificada, o destino padrão conforme declarado nos arquivos de configuração do pacote será usado. Por exemplo, para um destino declarado com o nome dev:

databricks bundle deploy -t dev

Um pacote pode ser implantado em vários espaços de trabalho, como espaços de trabalho de desenvolvimento, preparação e produção. Fundamentalmente, a propriedade root_path é o que determina a identidade exclusiva de um pacote, que por padrão é ~/.bundle/${bundle.name}/${bundle.target}. Portanto, por padrão, a identidade de um pacote é composta pela identidade do implantador, o nome do pacote e o nome de destino do pacote. Se forem idênticos em pacotes diferentes, a implementação destes pacotes interferirá um com o outro.

Além disso, uma implementação de conjunto monitoriza os recursos que cria no espaço de trabalho de destino através dos seus IDs como um estado que é armazenado no sistema de ficheiros do espaço de trabalho. Os nomes de recursos não são usados para correlacionar entre uma implantação de pacote e uma instância de recurso, portanto:

• Se um recurso na configuração do pacote não existir no espaço de trabalho de destino, ele será criado.
• Se existir um recurso na configuração do pacote no espaço de trabalho de destino, ele será atualizado no espaço de trabalho.
• Se um recurso for removido da configuração do pacote, ele será removido do espaço de trabalho de destino se tiver sido implantado anteriormente.
• A associação de um recurso com um pacote só pode ser esquecida se você alterar o nome do pacote, o destino do pacote ou o espaço de trabalho. Você pode executar bundle validate para gerar um resumo contendo esses valores.

Opções

--auto-approve

    Ignore as aprovações interativas que podem ser necessárias para a implantação.

-c, --cluster-id string

    Substitua o cluster na implantação com a ID de cluster fornecida.

--fail-on-active-runs

    Falha se houver trabalhos ou pipelines em execução na implantação.

--force

    Validação de ramificação Git de substituição forçada.

--force-lock

    Aquisição forçada de bloqueio de implantação.

Bandeiras globais

Exemplos

O exemplo a seguir implanta um pacote usando uma ID de cluster específica:

databricks bundle deploy --cluster-id 0123-456789-abcdef

Implantação do pacote Databricks

Comandos relacionados à implantação.

databricks bundle deployment [command]

Comandos disponíveis

• bind - Vincular um recurso definido por pacote a um recurso existente no espaço de trabalho remoto.
• migrate - Migrar um pacote para usar o mecanismo de implementação direta.
• unbind - Desvincular um recurso definido por pacote de seu recurso remoto.

associação de implantação do pacote databricks

Vincule recursos definidos por pacote a recursos existentes no espaço de trabalho do Azure Databricks para que eles se tornem gerenciados pelo Databricks Asset Bundles. Se você vincular um recurso, o recurso existente do Azure Databricks no espaço de trabalho será atualizado com base na configuração definida no pacote ao qual ele está vinculado após o próximo bundle deploy.

databricks bundle deployment bind KEY RESOURCE_ID [flags]

Bind não recria dados. Por exemplo, se um pipeline com dados num catálogo tiver a ligação estabelecida, poderá implementar nesse pipeline sem perder os dados existentes. Além disso, você não precisa recalcular a visualização Materializada, por exemplo, para que os pipelines não precisem ser executados novamente.

O comando bind deve ser usado com o --target flag. Por exemplo, vincule a sua implementação de produção ao seu pipeline de produção usando databricks bundle deployment bind --target prod my_pipeline 7668611149d5709ac9-2906-1229-9956-586a9zed8929

A associação é suportada para os seguintes recursos:

• app
• cluster
• dashboard
• job
• model_serving_endpoint
• pipeline
• quality_monitor
• registered_model
• schema
• volume

Para recursos suportados pelo comando bundle generate, ligue automaticamente o recurso após a geração usando a opção --bind.

Argumentos

KEY

    A chave do recurso para ligar

RESOURCE_ID

    A ID do recurso existente ao qual vincular

Opções

--auto-approve

    Aprovar automaticamente a vinculação, em vez de solicitar

--force-lock

    Aquisição forçada do bloqueio de implantação

Bandeiras globais

Exemplos

O comando a seguir vincula o recurso hello_job à sua contraparte remota no espaço de trabalho. O comando gera uma comparação e permite que você negue a vinculação de recursos, mas, se confirmada, todas as atualizações na definição de trabalho no pacote são aplicadas ao trabalho remoto correspondente quando o pacote for implantado na próxima vez.

databricks bundle deployment bind hello_job 6565621249

migração de implementação do pacote Databricks

Migre o pacote do motor de implementação do Terraform para o motor de implementação direto. Veja Migração para o motor de implementação direta. Para completar a migração, deve então implementar o bundle.

Pode verificar que uma migração foi bem-sucedida executando databricks bundle plan. Veja Databricks bundle plan.

databricks bundle deployment migrate [flags]

Argumentos

Nenhum

Opções

Bandeiras globais

Exemplos

O exemplo seguinte migra o bundle atual para usar o motor de implementação direta:

databricks bundle deployment migrate

desvincular a implantação do pacote databricks

Remova o link entre o recurso em um pacote e sua contraparte remota em um espaço de trabalho.

databricks bundle deployment unbind KEY [flags]

Argumentos

KEY

    A chave do recurso a desvincular

Opções

--force-lock

    Aquisição forçada de bloqueio de implantação.

Bandeiras globais

Exemplos

O exemplo a seguir desvincula o hello_job recurso:

databricks bundle deployment unbind hello_job

destruição do pacote databricks

Exclua trabalhos, pipelines, outros recursos e artefatos que foram implantados anteriormente.

databricks bundle destroy [flags]

Por padrão, você será solicitado a confirmar a exclusão permanente dos trabalhos, pipelines e artefatos implantados anteriormente. Para ignorar esses prompts e executar a exclusão permanente automática, adicione a --auto-approve opção ao bundle destroy comando.

Opções

--auto-approve

    Ignorar aprovações interativas para excluir recursos e arquivos

--force-lock

    Aquisição forçada de bloqueio de implantação.

Bandeiras globais

Exemplos

O comando a seguir exclui todos os recursos e artefatos implantados anteriormente definidos nos arquivos de configuração do pacote:

databricks bundle destroy

Gerar pacote Databricks

Gere a configuração do pacote para um recurso que já existe no espaço de trabalho do Databricks. Os seguintes recursos são suportados: aplicativo, painel, trabalho, pipeline.

Por padrão, esse comando gera um *.yml arquivo para o resources recurso na pasta do projeto de pacote e também baixa todos os arquivos, como blocos de anotações, referenciados na configuração.

databricks bundle generate [command]

Comandos disponíveis

• app - Gerar configuração de pacote para um aplicativo Databricks.
• dashboard - Gerar configuração para um dashboard.
• job - Gerar configuração de pacote para um trabalho.
• pipeline - Gerar configuração de bundle para um pipeline.

Opções

--key string

    Chave de recurso a ser usada para a configuração gerada

Bandeiras globais

Databricks bundle gerar aplicativo

Gere a configuração do pacote para um aplicativo Databricks existente no espaço de trabalho.

databricks bundle generate app [flags]

Opções

--bind

    Associe automaticamente o recurso gerado ao existente no espaço de trabalho.

-d, --config-dir string

    Caminho do diretório onde a configuração do pacote de saída será armazenada ("recursos" padrão)

--existing-app-name string

    Nome do aplicativo para gerar a configuração

-f, --force

    Forçar a substituição de arquivos existentes no diretório de saída

-s, --source-dir string

    Caminho do diretório onde os arquivos do aplicativo serão armazenados (padrão "src/app")

Bandeiras globais

Exemplos

O exemplo a seguir gera configuração para um aplicativo existente chamado my-app. Você pode obter o nome da aplicação no separador Computação>Aplicações da interface do utilizador do espaço de trabalho.

databricks bundle generate app --existing-app-name my-app

O comando a seguir gera um novo hello_world.app.yml arquivo na pasta do resources projeto bundle e baixa os arquivos de código do aplicativo, como o arquivo app.yaml de configuração de comando do aplicativo e o arquivo principal app.py. Por padrão, os arquivos de código são copiados para a pasta do src pacote.

databricks bundle generate app --existing-app-name "hello_world"

# This is the contents of the resulting /resources/hello-world.app.yml file.
resources:
  apps:
    hello_world:
      name: hello-world
      description: A basic starter application.
      source_code_path: ../src/app

Databricks bundle gerar painel

Gere a configuração de um painel existente no espaço de trabalho.

databricks bundle generate dashboard [flags]

Opções

--bind

    Associe automaticamente o recurso gerado ao existente no espaço de trabalho.

-s, --dashboard-dir string

    Diretório para gravar a representação do painel (padrão "src")

--existing-id string

    ID do painel para gerar a configuração

--existing-path string

    Caminho do espaço de trabalho do painel para gerar a configuração

-f, --force

    Forçar a substituição de arquivos existentes no diretório de saída

--resource string

    Chave de recurso do painel para observar as alterações

-d, --resource-dir string

    Diretório para gravar a configuração (padrão "recursos")

--watch

    Fique atento às alterações no painel e atualize a configuração

Bandeiras globais

Exemplos

O exemplo a seguir gera a configuração por um ID de painel existente:

databricks bundle generate dashboard --existing-id abc123

Você também pode gerar configuração para um painel existente por caminho de espaço de trabalho. Copie o caminho do espaço de trabalho para um painel da interface do usuário do espaço de trabalho.

Por exemplo, o comando a seguir gera um novo baby_gender_by_county.dashboard.yml arquivo na resources pasta do projeto bundle que contém o YAML abaixo e baixa o baby_gender_by_county.lvdash.json arquivo para a pasta do src projeto.

databricks bundle generate dashboard --existing-path "/Workspace/Users/someone@example.com/baby_gender_by_county.lvdash.json"

# This is the contents of the resulting baby_gender_by_county.dashboard.yml file.
resources:
  dashboards:
    baby_gender_by_county:
      display_name: 'Baby gender by county'
      warehouse_id: aae11o8e6fe9zz79
      file_path: ../src/baby_gender_by_county.lvdash.json

pacote databricks gerar trabalho

Gere a configuração do pacote para um trabalho.

databricks bundle generate job [flags]

Opções

--bind

    Associe automaticamente o recurso gerado ao existente no espaço de trabalho.

-d, --config-dir string

    Caminho dir onde a configuração de saída será armazenada ("recursos" padrão)

--existing-job-id int

    ID do trabalho para o qual gerar a configuração

-f, --force

    Forçar a substituição de arquivos existentes no diretório de saída

-s, --source-dir string

    Caminho dir onde os arquivos baixados serão armazenados (padrão "src")

Bandeiras globais

Exemplos

O exemplo a seguir gera um novo hello_job.yml arquivo na pasta do resources projeto bundle que contém o YAML abaixo e baixa o simple_notebook.py para a pasta do src projeto. Ele também vincula o recurso gerado com o trabalho existente no espaço de trabalho.

databricks bundle generate job --existing-job-id 6565621249 --bind

# This is the contents of the resulting hello_job.yml file.
resources:
  jobs:
    hello_job:
      name: 'Hello Job'
      tasks:
        - task_key: run_notebook
          email_notifications: {}
          notebook_task:
            notebook_path: ../src/simple_notebook.py
            source: WORKSPACE
          run_if: ALL_SUCCESS
      max_concurrent_runs: 1

pacote databricks gerar pipeline

Gere a configuração do pacote para um pipeline.

databricks bundle generate pipeline [flags]

Opções

--bind

    Associe automaticamente o recurso gerado ao existente no espaço de trabalho.

-d, --config-dir string

    Caminho dir onde a configuração de saída será armazenada ("recursos" padrão)

--existing-pipeline-id string

    ID do pipeline para gerar a configuração para

-f, --force

    Forçar a substituição de arquivos existentes no diretório de saída

-s, --source-dir string

    Caminho dir onde os arquivos baixados serão armazenados (padrão "src")

Bandeiras globais

Exemplos

O exemplo a seguir gera configuração para um pipeline existente:

databricks bundle generate pipeline --existing-pipeline-id abc-123-def

Databricks bundle init

Inicialize um novo pacote usando um modelo de pacote. Os modelos podem ser configurados para solicitar valores ao usuário. Consulte Modelos de projeto do Databricks Asset Bundle.

databricks bundle init [TEMPLATE_PATH] [flags]

Argumentos

TEMPLATE_PATH

    Modelo a ser usado para inicialização (opcional)

Opções

--branch string

    Ramificação do Git a ser usada para inicialização de modelo

--config-file string

    Arquivo JSON contendo pares de valores de chave de parâmetros de entrada necessários para a inicialização do modelo.

--output-dir string

    Diretório para gravar o modelo inicializado.

--tag string

    Tag Git a ser usada para inicialização de modelo

--template-dir string

    Caminho do diretório dentro de um repositório Git que contém o modelo.

Bandeiras globais

Exemplos

O exemplo a seguir solicita uma lista de modelos de pacote padrão para escolher:

databricks bundle init

O exemplo a seguir inicializa um pacote usando o modelo Python padrão:

databricks bundle init default-python

Para criar um Databricks Asset Bundle usando um modelo personalizado do Databricks Asset Bundle, especifique o caminho do modelo personalizado:

databricks bundle init <project-template-local-path-or-url> \
--project-dir="</local/path/to/project/template/output>"

O exemplo a seguir inicializa um pacote de um repositório Git:

databricks bundle init https://github.com/my/repository

O exemplo a seguir é inicializado com uma ramificação específica:

databricks bundle init --branch main

Databricks Bundle Aberto

Navegue até um recurso de pacote no espaço de trabalho, especificando o recurso a ser aberto. Se uma chave de recurso não for especificada, esse comando produzirá uma lista dos recursos do pacote para escolher.

databricks bundle open [flags]

Opções

--force-pull

    Ignorar cache local e carregar o estado do espaço de trabalho remoto

Bandeiras globais

Exemplos

O exemplo a seguir inicia um navegador e navega até o baby_gender_by_county painel no bundle no espaço de trabalho Databricks configurado para o bundle:

databricks bundle open baby_gender_by_county

Plano do pacote Databricks

Mostrar o plano de implantação para a configuração atual do pacote.

Este comando cria o pacote e exibe as ações que serão executadas nos recursos que seriam implantados, sem fazer alterações. Isso permite visualizar as alterações antes de executar bundle deploy.

databricks bundle plan [flags]

Opções

-c, --cluster-id string

    Substitua o cluster na implantação com a ID de cluster fornecida.

--force

    Validação de ramificação Git de substituição forçada.

Bandeiras globais

Exemplos

O exemplo a seguir gera o plano de implantação para um pacote que cria uma roda Python e define um trabalho e um pipeline:

databricks bundle plan

Building python_artifact...
create jobs.my_bundle_job
create pipelines.my_bundle_pipeline

Execução do pacote Databricks

Execute um trabalho, pipeline ou script. Se não especificares um recurso, o prompt de comando apresentará trabalhos, pipelines e scripts definidos para escolher. Como alternativa, especifique o identificador de trabalho ou pipeline ou o nome do script declarado nos ficheiros de configuração do pacote.

databricks bundle run [flags] [KEY]

Validar um pipeline

Se pretender executar uma validação de pipeline, use a --validate-only opção, como demonstrado no exemplo seguinte:

databricks bundle run --validate-only my_pipeline

Passar parâmetros de trabalho

Para passar parâmetros de trabalho, use a opção --params seguida por pares chave-valor separados por vírgula, onde a chave é o nome do parâmetro. Por exemplo, o comando a seguir define o parâmetro com o nome message para o valor HelloWorld no trabalho hello_job:

databricks bundle run --params message=HelloWorld hello_job

Você também pode especificar argumentos posicionais ou de palavra-chave. Se o trabalho especificado usar parâmetros de trabalho ou tiver uma tarefa de bloco de anotações com parâmetros, os nomes dos sinalizadores serão mapeados para os nomes dos parâmetros:

databricks bundle run hello_job -- --key1 value1 --key2 value2

Ou se o trabalho especificado não usar parâmetros de trabalho e o trabalho tiver uma tarefa de arquivo Python ou uma tarefa de roda Python:

databricks bundle run my_job -- value1 value2 value3

Para obter um exemplo de definição de trabalho com parâmetros, consulte Trabalho com parâmetros.

Executar scripts

Para executar scripts como testes de integração com as credenciais de autenticação configuradas de um pacote, você pode executar scripts embutidos ou executar um script definido na configuração do pacote. Os scripts são executados usando o mesmo contexto de autenticação configurado no pacote.

• Anexe um hífen duplo (--) após bundle run para executar scripts embutidos. Por exemplo, o comando a seguir exibe o diretório de trabalho do usuário atual.

  databricks bundle run -- python3 -c 'import os; print(os.getcwd())'
  

• Como alternativa, defina um script dentro do scripts mapeamento em sua configuração de pacote e, em seguida, use bundle run para executar o script:

  scripts:
    my_script:
      content: python3 -c 'import os; print(os.getcwd())'
  

  databricks bundle run my_script
  

  Para obter mais informações sobre scripts configuração, consulte scripts e scripts.

As informações de autenticação do pacote são passadas para processos subordinados através de variáveis de ambiente. Consulte Autenticação unificada Databricks.

Argumentos

KEY

    O identificador exclusivo do recurso a ser executado (opcional)

Opções

--no-wait

    Não espere a execução ser concluída.

--restart

    Reinicie a execução se ela já estiver em execução.

Bandeiras globais

Sinalizadores de emprego

Os sinalizadores a seguir são sinalizadores de parâmetro de nível de trabalho. Consulte a seção Configuração dos parâmetros de trabalho.

--params stringToString

    Pares k=v separados por vírgulas para parâmetros de trabalho (padrão [])

Sinalizadores de tarefas de trabalho

Os sinalizadores a seguir são sinalizadores de parâmetros no nível da tarefa. Consulte Configurar parâmetros de tarefa. O Databricks recomenda o uso de parâmetros de nível de trabalho (--params) sobre parâmetros de nível de tarefa.

--dbt-commands strings

    Uma lista de comandos a serem executados para trabalhos com tarefas DBT.

--jar-params strings

    Uma lista de parâmetros para trabalhos com tarefas JAR do Spark.

--notebook-params stringToString

    Um mapa de chaves para valores para trabalhos com tarefas de bloco de anotações. (padrão [])

--pipeline-params stringToString

    Um mapa de chaves para valores para trabalhos com tarefas de pipeline. (padrão [])

--python-named-params stringToString

    Um mapa de chaves para valores para trabalhos com tarefas de roda Python. (padrão [])

--python-params strings

    Uma lista de parâmetros para trabalhos com tarefas Python.

--spark-submit-params strings

    Uma lista de parâmetros para trabalhos com tarefas de envio do Spark.

--sql-params stringToString

    Um mapa de chaves para valores para trabalhos com tarefas SQL. (padrão [])

Sinalizadores de oleoduto

Os sinalizadores a seguir são sinalizadores de pipeline.

--full-refresh strings

    Lista de tabelas para redefinir e recalcular.

--full-refresh-all

    Execute uma redefinição completa do gráfico e recalcule.

--refresh strings

    Lista de tabelas a atualizar.

--refresh-all

    Execute uma atualização completa do gráfico.

--validate-only

    Execute uma atualização para validar a correção do gráfico.

Exemplos

O exemplo a seguir executa um trabalho hello_job no destino padrão:

databricks bundle run hello_job

O exemplo a seguir executa um trabalho hello_job dentro do contexto de um destino declarado com o nome dev:

databricks bundle run -t dev hello_job

O exemplo a seguir cancela e reinicia uma execução de trabalho existente:

databricks bundle run --restart hello_job

O exemplo a seguir executa um pipeline com atualização completa:

databricks bundle run my_pipeline --full-refresh-all

O exemplo a seguir executa um comando no contexto do pacote:

databricks bundle run -- echo "hello, world"

Esquema do pacote Databricks

Exiba o esquema JSON para a configuração do pacote.

databricks bundle schema [flags]

Opções

Bandeiras globais

Exemplos

O exemplo a seguir gera a saída do esquema JSON para a configuração do pacote:

databricks bundle schema

Para gerar o esquema de configuração do pacote como um arquivo JSON, execute o bundle schema comando e redirecione a saída para um arquivo JSON. Por exemplo, você pode gerar um arquivo nomeado bundle_config_schema.json dentro do diretório atual:

databricks bundle schema > bundle_config_schema.json

Resumo do pacote Databricks

Produza um resumo da identidade e dos recursos de um pacote, incluindo links diretos para recursos para que você possa navegar facilmente até o recurso no espaço de trabalho Databricks.

databricks bundle summary [flags]

Opções

--force-pull

    Ignorar cache local e carregar o estado do espaço de trabalho remoto

Bandeiras globais

Exemplos

O exemplo a seguir gera um resumo dos recursos implantados de um pacote:

databricks bundle summary

A saída a seguir é o resumo de um pacote chamado my_pipeline_bundle que define um trabalho e um pipeline:

Name: my_pipeline_bundle
Target: dev
Workspace:
  Host: https://myworkspace.cloud.databricks.com
  User: someone@example.com
  Path: /Users/someone@example.com/.bundle/my_pipeline/dev
Resources:
  Jobs:
    my_project_job:
      Name: [dev someone] my_project_job
      URL:  https://myworkspace.cloud.databricks.com/jobs/206000809187888?o=6051000018419999
  Pipelines:
    my_project_pipeline:
      Name: [dev someone] my_project_pipeline
      URL:  https://myworkspace.cloud.databricks.com/pipelines/7f559fd5-zztz-47fa-aa5c-c6bf034b4f58?o=6051000018419999

Sincronização de pacotes Databricks

Execute uma sincronização unidirecional das alterações de arquivo de um pacote em um diretório local do sistema de arquivos para um diretório dentro de um espaço de trabalho remoto do Azure Databricks.

databricks bundle sync [flags]

databricks bundle sync comandos funcionam da mesma forma que databricks sync comandos e são oferecidos para conveniência na produtividade. Para obter informações sobre o uso do comando, consulte sync comando.

Opções

--dry-run

    Simule a execução da sincronização sem fazer alterações reais

--full

    Executar sincronização completa (o padrão é incremental)

--interval duration

    Intervalo de sondagem do sistema de arquivos (para --watch) (padrão 1s)

--output type

    Tipo de formato de saída

--watch

    Observe as alterações no sistema de arquivos local

Bandeiras globais

Exemplos

O exemplo a seguir executa uma sincronização de execução seca:

databricks bundle sync --dry-run

O exemplo a seguir procura alterações e sincroniza automaticamente:

databricks bundle sync --watch

O exemplo a seguir executa uma sincronização completa:

databricks bundle sync --full

Databricks Bundle Validar

Valide se os arquivos de configuração do pacote estão sintaticamente corretos.

databricks bundle validate [flags]

Por padrão, esse comando retorna um resumo da identidade do pacote:

Name: MyBundle
Target: dev
Workspace:
  Host: https://my-host.cloud.databricks.com
  User: someone@example.com
  Path: /Users/someone@example.com/.bundle/MyBundle/dev

Validation OK!

Se você quiser apenas gerar um resumo da identidade e dos recursos do pacote, use o resumo do pacote.

Opções

Bandeiras globais

Exemplos

O exemplo a seguir valida a configuração do pacote:

databricks bundle validate

Bandeiras globais

--debug

  Se o log de depuração deve ser habilitado.

-h ou --help

    Exiba a ajuda para a CLI do Databricks ou para o grupo de comandos relacionado ou para o comando relacionado.

--log-file string

    Uma cadeia de caracteres que representa o ficheiro onde os registos de saída são gravados. Se esse sinalizador não for especificado, o padrão é gravar logs de saída no stderr.

--log-format Formato

    O tipo de formato de log, text ou json. O valor predefinido é text.

--log-level string

    Uma cadeia de caracteres que representa o nível de formato de log. Se não for especificado, o nível de formato de log será desativado.

-o, --output tipo

    O tipo de saída do comando, text ou json. O valor predefinido é text.

-p, --profile string

    O nome do perfil no arquivo ~/.databrickscfg a usar para executar o comando. Se esse sinalizador não for especificado, se ele existir, o perfil nomeado DEFAULT será usado.

--progress-format Formato

    O formato para exibir logs de progresso: default, append, inplace, ou json

-t, --target string

    Se aplicável, o destino do pacote a ser usado

--var strings

    Defina valores para variáveis definidas em Bundle Config. Exemplo: --var="foo=bar"