Condividi tramite

Dicembre 2019

  • Articolo

Queste funzionalità e i miglioramenti della piattaforma Azure Databricks sono stati rilasciati a dicembre 2019.

Nota

Le versioni vengono gestite in staging. L'account Azure Databricks potrebbe non essere aggiornato fino a una settimana o più dopo la data di rilascio iniziale.

Databricks Connect ora supporta Databricks Runtime 6.2

17 dicembre 2019

Databricks Connect supporta ora Databricks Runtime 6.2.

Configurare i cluster con l’immagine del contenitore personalizzata con Databricks Container Services (disponibile a livello generale)

16 dicembre 2019: versione 3.7

Disponibile a livello generale in Databricks Runtime 6.1 e nella piattaforma Azure Databricks versione 3.7, Databricks Container Services consente di configurare un cluster con un'immagine del contenitore personalizzata. È possibile pre-creare un pacchetto di ambienti complessi all'interno di un contenitore, pubblicarlo in un registro contenitori comune, ad esempio Registro Azure Container, ECR o Docker Hub e quindi eseguire il pull dell'immagine in Azure Databricks per creare un cluster. Alcuni casi d'uso di esempio includono:

  • Personalizzazione della libreria: si ha il controllo completo sulle librerie di sistema che si desidera installare
  • Ambiente contenitore golden: l'immagine Docker è un ambiente bloccato che non cambierà mai
  • Integrazione continua/distribuzione continua docker: è possibile integrare Azure Databricks con le pipeline di integrazione continua/distribuzione continua docker

Esistono molti altri casi d'uso, dalla specifica della configurazione all'installazione di pacchetti di Machine Learning.

Per informazioni dettagliate, vedere Personalizzare i contenitori con il servizio contenitore Databricks.

Databricks Runtime 6.2 per Genomica disponibile a livello generale

3 dicembre 2019

Databricks Runtime 6.2 per Genomica è basato su Databricks Runtime 6.2. Include numerosi miglioramenti e aggiornamenti da Databricks Runtime 6.1 per Genomica, tra cui:

  • Regressione logistica Firth
  • Metriche del controllo qualità di esempio definite dall'utente
  • Miglioramento delle prestazioni del trasformatore di pipe
  • Genotipizzazione comune più solida
  • Integrazione semplificata con LOFTEE
  • Hail 0.26.0
  • Samtools 1.9

3 dicembre 2019

Ora che il connettore scim scim di Azure Databricks è disponibile nella raccolta di app Microsoft Entra ID (in precedenza Azure Active Directory), è più facile configurare il provisioning di utenti e gruppi da Microsoft Entra ID ad Azure Databricks. Per informazioni dettagliate, vedere Configurare il provisioning SCIM usando Microsoft Entra ID (Azure Active Directory).For details, see Configure SCIM provisioning using Microsoft Entra ID (Azure Active Directory).

Termine del supporto per Databricks Runtime 5.3 e 5.4

3 dicembre 2019

Il supporto per la versione 5.3 e 5.4 è terminato il 3 dicembre. Vedere Cicli di vita del supporto di Databricks.

Databricks Runtime 6.2 ML disponibile a livello generale

3 dicembre 2019

Databricks Runtime 6.2 ML ga offre molti aggiornamenti della libreria, tra cui:

  • TensorFlow e TensorBoard: da 1.14.0 a 1.15.0.
  • PyTorch: da 1.2.0 a 1.3.0.
  • tensorboardX: da 1.8 a 1.9.
  • MLflow: da 1.3.0 a 1.4.0.
  • Hyperopt: 0.2-db1 con integrazioni MLflow di Azure Databricks.
  • mleap-databricks-runtime a 0.15.0 e include mleap-xgboost-runtime.

Per altre informazioni, vedere le note sulla versione completa di Databricks Runtime 6.2 per ML (EoS).

Databricks Runtime 6.2 disponibile a livello generale

3 dicembre 2019

Databricks Runtime 6.2 GA offre nuove funzionalità, miglioramenti e molte correzioni di bug, tra cui:

  • Ottimizzazione della fusione solo inserimento in Delta Lake

Per altre informazioni, vedere le note sulla versione complete di Databricks Runtime 6.2 (EoS).

Databricks Connect ora supporta Databricks Runtime 6.1

3 dicembre 2019

Databricks Connect supporta ora Databricks Runtime 6.1. Databricks Connect consente di connettere l'IDE preferito (IntelliJ, Eclipse, PyCharm, RStudio, Visual Studio), il server notebook (Zeppelin, Jupyter) e altre applicazioni personalizzate ai cluster Azure Databricks ed eseguire codice Apache Spark.