Diciembre de 2024
Estas características y mejoras en la plataforma de Azure Databricks se publicaron en diciembre de 2024.
Nota
Las versiones se publican por fases. Es posible que la cuenta de Azure Databricks no se actualice hasta una semana o más después de la fecha de lanzamiento inicial.
Databricks Runtime 16.1 tiene disponibilidad general
20 de diciembre de 2024
Databricks Runtime 16.1 y Databricks Runtime 16.1 ML ya están disponibles con carácter general.
Consulta Databricks Runtime 16.1 y Databricks Runtime 16.1 para Machine Learning.
El formato predeterminado para los nuevos cuadernos ahora es el formato IPYNB (Jupyter)
20 de diciembre de 2024
El formato predeterminado para los nuevos cuadernos que cree en el área de trabajo de Azure Databricks ahora es IPYNB (.ipynb). Anteriormente, el formato predeterminado para los cuadernos era Source (.py, .sql, .scala, .r). Para cambiar el formato predeterminado, usa la configuración Formato de archivo predeterminado para cuadernos en el panel Desarrollador de la configuración de usuario del área de trabajo. Consulta Formatos de cuaderno.
Los modelos hospedados en Databricks para Databricks Assistant están en versión preliminar pública
19 de diciembre de 2024
Ahora puede usar modelos hospedados en Azure Databricks para potenciar Databricks Assistant en Azure Databricks. Esta característica está en versión preliminar pública.
Consulta Uso de un modelo hospedado en Databricks para Databricks Assistant.
Ejecutor de código de Python para agentes de IA (versión preliminar pública)
19 de diciembre de 2024
Ahora puede proporcionar rápidamente a los agentes de INTELIGENCIA ARTIFICIAL la capacidad de ejecutar código de Python. Databricks ahora ofrece una función de catálogo de Unity pregenerada que un agente de INTELIGENCIA ARTIFICIAL puede usar como herramienta para expandir sus funcionalidades más allá de la generación de lenguajes.
Consulta Herramientas para agentes de IA de intérprete de código.
Lanzamiento de la versión 0.13.0 del SDK de databricks-agents.
18 de diciembre de 2024
La versión 0.13.0 del SDK de databricks-agents se ha publicado en PyPI, que contiene los siguientes cambios:
- Respeta el perfil actual de la CLI de Databricks y el URI del registro de modelos de MLflow al llamar a
agents.deploy()y a otras API dedatabricks.agents. En concreto, ahora puede especificar una combinación deDATABRICKS_CONFIG_PROFILE=my-profileyMLFLOW_REGISTRY_URI=databricks-uc://my-profileantes de llamar aagents.deploy()para especificar el perfil de la CLI de Databricks que se usará para implementar y acceder a los agentes. - En
mlflow.evaluate(), solo se ejecutan las métricas de recuperación y las directrices si están presentes los contextos de recuperación y directrices, respectivamente. - Agrega la autenticación basada en secretos a los clientes para
mlflow.evaluate().
Los grupos externos ahora están etiquetados e inmutables
18 de diciembre de 2024
Los grupos externos son grupos que se crean en Azure Databricks a partir del identificador de Microsoft Entra. Estos grupos se crean mediante un conector de aprovisionamiento SCIM y permanecen sincronizados con el identificador de Entra de Microsoft. Los grupos externos ahora se etiquetan explícitamente como External y ya no se pueden actualizar desde la consola de la cuenta de Azure Databricks o la página de configuración de administración del área de trabajo de forma predeterminada. Para actualizar la pertenencia a grupos externos desde la interfaz de usuario de Azure Databricks, un administrador de cuentas puede deshabilitar grupos externos inmutables en la página de vista previa de la consola de la cuenta.
Consulte Tipos de grupos en Azure Databricks.
vector_search ahora admite entradas de inserción de vectores
17 de diciembre de 2024
La función de IA vector_search ahora admite entradas de inserción de vectores. Ahora puede usar los parámetros query_text o query_vector para buscar incrustaciones de texto o vector específicas en índices vectoriales. Consulta Función vector_search.
Especificar formatos de respuesta para ai_query
17 de diciembre de 2024
ai_query ahora admite el campo responseFormat para salidas estructuradas. Use responseFormat en las solicitudes de ai_query para especificar el formato de respuesta que desea que siga el modelo que está consultando. Consulta Función ai_query.
Prueba de salas limpias con colaboradores dentro del mismo metastore
17 de diciembre de 2024
Ahora puedes probar la sala limpia antes de la implementación completa agregando un colaborador desde el mismo metastore. Consulta Creación de salas limpias.
Asignar recursos informáticos a grupos (versión preliminar pública)
17 de diciembre de 2024
El nuevo modo de acceso dedicado (anteriormente para usuario individual ) le permite asignar un recurso de cómputo dedicado y de propósito general a un grupo o usuario individual. Vea Asignar recursos de computación a un grupo.
Esta versión preliminar pública también proporciona al área de trabajo acceso a la nueva interfaz de usuario de cómputo simplificada. Consulta Uso del formulario sencillo para administrar el proceso.
Un administrador del área de trabajo debe habilitar esta versión preliminar. Consulta Administración de las versiones preliminares de Azure Databricks.
Delegación de la capacidad para crear una credencial de almacenamiento en Unity Catalog en una entidad de servicio
17 de diciembre de 2024
Ahora puedes conceder permisos a las entidades de servicio para crear una credencial de almacenamiento en un metastore de Unity Catalog mediante el privilegio CREATE STORAGE CREDENTIAL. Consulta CREACIÓN DE CREDENCIALES DE ALMACENAMIENTO.
Se publica la versión 2.2 de la API de trabajos
16 de diciembre de 2024
La versión de la API de trabajos se actualiza de la versión 2.1 a la 2.2. Las actualizaciones de la versión 2.2 de Jobs API incluyen la puesta predeterminada en cola de trabajos nuevos o actualizados y la mejora en la paginación de las respuestas de trabajos y ejecuciones de trabajos que incluyen campos con un gran número de valores. Para obtener más información sobre las actualizaciones de esta versión, consulte Actualización de Jobs API 2.1 a 2.2. Para ver la documentación completa de Jobs API 2.2, consulte Jobs (latest). Aunque Databricks recomienda usar la versión 2.2 de la API de trabajos, todavía puede acceder a las versiones 2.1 y 2.0. Consulta Jobs (2.1) y Jobs API 2.0.
Privilegio MANAGE de Unity Catalog (versión preliminar pública)
14 de diciembre de 2024
Ahora puede conceder a los usuarios el privilegio MANAGE en objetos protegibles del catálogo de Unity. El privilegio MANAGE permite a los usuarios realizar acciones clave en un objeto catalog de Unity, entre los que se incluyen:
- Administración de privilegios
- Dejar caer el objeto
- Cambiar el nombre del objeto
- Transferencia de la propiedad
Consulta MANAGE.
Meta Llama 3.3 ya está disponible para cargas de trabajo con rendimiento aprovisionado
13 de diciembre de 2024
Meta Llama 3.3, una arquitectura de modelo construida y entrenada por Meta, ahora está disponible para su implementación en el rendimiento aprovisionado de las API de Foundation Model.
Visualización de las métricas de carga de trabajo de streaming para las ejecuciones de tus trabajos (versión preliminar pública)
** 12 de diciembre de 2024**
Al ver las ejecuciones de trabajos en la interfaz de usuario de trabajos de Databricks, ahora puedes ver métricas como segundos de trabajo pendiente, bytes de trabajo pendiente, registros de trabajo pendiente y archivos de trabajo pendiente para orígenes compatibles con Spark Structured Streaming, incluidos Apache Kafka, Amazon Kinesis y Cargador automático. Consulta Visualización de métricas para tareas de streaming.
Visualización de las métricas de carga de trabajo de streaming para las actualizaciones de canalización de Delta Live Tables (versión preliminar pública)
** 12 de diciembre de 2024**
Cuando veas las actualizaciones de la canalización en la interfaz de usuario de Delta Live Tables, ahora puedes ver métricas como segundos de trabajo pendiente, bytes de trabajo pendiente, registros de trabajo pendiente y archivos de trabajo pendiente para cada flujo de streaming de la canalización. Las métricas de streaming son compatibles con orígenes de Spark Structured Streaming, incluidos Apache Kafka, Amazon Kinesis y Cargador automático. Consulta Visualización de métricas de streaming.
Lakehouse Federation proporciona soporte para Oracle (versión preliminar pública)
12 de diciembre de 2024
Ahora puede ejecutar consultas federadas en datos administrados por Oracle. Consulta Ejecución de consultas federadas en Oracle.
Databricks Runtime 16.1 (beta)
11 de diciembre de 2024
Databricks Runtime 16.1 y Databricks Runtime 16.1 ML ahora están disponibles como versiones beta.
Consulte Databricks Runtime 16.1 y Databricks Runtime 16.1 para Machine Learning
Gestión de conexiones de red externas sin servidor mediante control de tráfico saliente sin servidor
11 de diciembre de 2024
El control de salida sin servidor permite restringir el acceso saliente a destinos de Internet especificados. Consulte ¿Qué es el control de salida sin servidor?.
La tabla del sistema eventos de acceso a la red ya está disponible (versión preliminar pública)
11 de diciembre de 2024
Las tablas del sistema de Azure Databricks ahora incluyen una tabla de acceso a la red. Esta tabla registra un evento cada vez que se deniega el acceso a Internet desde su cuenta. Para acceder a la tabla, los administradores deben tener habilitado el esquema del sistema access. Consulta Referencia de la tabla del sistema de eventos de acceso de red.
Supervisión y revocación de tokens de acceso personal en su cuenta (versión preliminar pública)
11 de diciembre de 2024
Los administradores de cuentas ahora pueden ver un informe de tokens para supervisar y revocar tokens de acceso personal (PAT) en la consola de la cuenta. Databricks recomienda usar tokens de acceso de OAuth en lugar de PAT para mayor seguridad y comodidad. Para unirse a esta versión preliminar, póngase en contacto con el equipo de la cuenta de Azure Databricks. Consulta Supervisión y revocación de los tokens de acceso personal en la cuenta.
El catálogo de Unity puede federarse con metastores de Hive
11 de diciembre de 2024
Ahora puede usar El catálogo de Unity para acceder a los datos registrados en un metastore de Hive y controlarlos. Esto incluye metastores de Hive administrados externamente y metadatos internos heredados de Databricks Hive Hive.
Eliminar el almacenamiento a nivel de metastore para garantizar el aislamiento del almacenamiento a nivel de catálogo
11 de diciembre de 2024
Si tiene almacenamiento de nivel de metastore para tablas y volúmenes administrados (también conocido como raíz de almacenamiento de metastore), pero quiere aplicar el aislamiento de almacenamiento de datos en el nivel de catálogo o esquema, ahora puede quitar ese almacenamiento de nivel de metastore sin interrumpir las cargas de trabajo existentes. Consulta Eliminación de un almacenamiento en el nivel de metastore.
Meta Llama 3.3 70B Instruct ya está disponible en Model Serving
11 de diciembre de 2024
Mosaic AI Model Serving ahora admite Meta Llama 3.3 70B Instruct, un modelo de lenguaje grande de última generación creado y entrenado por Meta. Llama 3.3 70B Instruct está disponible como parte de API de Foundation Model de pago por token. Esta disponibilidad también incluye compatibilidad con Llamadas a funciones.
A partir del 11 de diciembre de 2024, Meta-Llama-3.1-70B-Instruct reemplaza la compatibilidad con Meta-Llama-3-70B-Instruct en las API Foundation Modelde pago por token.
bamboolib ya está en desuso
10 de diciembre de 2024
bamboolib ahora está en desuso. Los usuarios todavía pueden acceder a bamboolib para realizar análisis de datos de poco código en cuadernos, pero Databricks ya no está desarrollando ni admitiendo esta herramienta de forma activa. Para obtener ayuda con la generación de código, use Databricks Assistant.
Optimización de la evaluación del agente de IA mediante conjuntos de evaluación sintéticos
9 de diciembre de 2024
Evalúe a su agente de IA generando un conjunto de evaluación representativo a partir de tus documentos. La API de generación sintética está estrechamente integrada con la evaluación del agente, lo que le permite evaluar y mejorar rápidamente la calidad de las respuestas del agente sin pasar por el costoso proceso de etiquetado humano. Consulta Síntesis de conjuntos de evaluación.
Mejora del rendimiento de lectura de tablas entre Delta Sharing de Databricks a Databricks con el uso compartido del historial (versión preliminar pública)
5 de diciembre de 2024
Mejora el rendimiento del uso compartido de tablas de Databricks a Databricks al habilitar el uso compartido del historial. Consulta Mejora del rendimiento de lectura de tablas con el uso compartido de historial.
Duración máxima del token de acceso personal ahora 730 días (dos años)
5 de diciembre de 2024
La duración máxima predeterminada para los tokens de acceso personal emitidos recientemente por Databricks ahora se establece en 730 días (dos años). Anteriormente, los tokens de acceso personal se podían crear sin expiración de forma predeterminada. Con esta actualización, los usuarios no pueden generar nuevos tokens con una duración superior a 730 días y los tokens creados sin una duración especificada se establecen en una duración de 730 días. Si configuró la duración máxima del token para el área de trabajo en menos de 730 días, la configuración permanece sin cambios. Consulta Monitorización y revocación de tokens de acceso personal y Autenticación de tokens de acceso personal de Azure Databricks.
Mosaic AI Model Training : previsión sin servidor (versión preliminar pública)
5 de diciembre de 2024
Mosaic AI Model Training - el entrenamiento de modelos mejora la experiencia de previsión de AutoML existente con cómputo sin servidor gestionado, compatibilidad con el Catálogo de Unity, acceso a algoritmos de aprendizaje profundo y una interfaz actualizada. Consulta Previsión (sin servidor) con AutoML.
Incorporación de directivas presupuestarias para puntos de conexión de modelo de servicio
4 de diciembre de 2024
Las políticas de presupuesto ahora se admiten en los puntos de conexión de modelo de servicio. Consulta Administración de puntos de conexión de modelo de servicio.