Udostępnij za pośrednictwem

Marzec 2018 r.

  • Artykuł

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 usługi Databricks obsługuje --profile

27 marca — 3 kwietnia 2018 r.: Wersja 2.68

Interfejs wiersza polecenia usługi Databricks w wersji 0.6.1 jest obsługiwany --profile we wszystkich pozycjach.

Zobacz Interfejs wiersza polecenia usługi Databricks (starsza wersja).

Listy ACL są domyślnie włączone dla nowych klientów produktów w warstwie Premium

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 włączać listy ACL ręcznie.

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:

Oczywiście usługa Azure Databricks nadal zapewnia łatwą integrację z usługami Azure Blob Storage, Azure Data Lake Store 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 procesów roboczych klastra za każdym razem, gdy są one niskie na dysku.

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

Komunikacja równorzędna sieci wirtualnej

13-20 marca 2018 r.: Wersja 2.67

Dodaje obsługę komunikacji równorzędnej sieci wirtualnej, która umożliwia korzystanie z sieci wirtualnej, w której zasób usługi Azure Databricks jest uruchomiony w celu komunikacji równorzędnej z inną siecią wirtualną platformy Azure.

Aby uzyskać więcej informacji, zobacz Równorzędne sieci 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 Interfejs wiersza polecenia usługi Databricks (starsza wersja).

Zarządzanie uruchamianiem zadań

Mar 13-20, 2018: Wersja 2.67

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

Uruchomienie zadania Get punktu końcowego jest ogólnie dostępne (GA), a maksymalna zwrócona 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 nie można już edytować uprawnień klastra, gdy klaster oczekuje.

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 pozwala na ocenianie i przewidywanie. Eksport modelu jest przeznaczony dla aplikacji opartych na małych opóźnieniach i lekkich aplikacjach opartych na uczeniu maszynowym.

Uwaga

Ta funkcja wymaga środowiska Databricks Runtime 4.0 lub nowszego.

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