Udostępnij za pośrednictwem


Wersje i zgodność środowiska Databricks Runtime

W tym artykule wymieniono wszystkie wersje środowiska Databricks Runtime oraz harmonogram obsługiwanych wersji. Każda wersja środowiska Databricks Runtime zawiera aktualizacje, które zwiększają użyteczność, niezawodność, wydajność i bezpieczeństwo platformy Databricks.

Aby dowiedzieć się więcej o cyklu życia pomocy technicznej środowiska Databricks Runtime, ogólnie dostępnych wersjach i wersjach beta, zobacz Cykle życia pomocy technicznej usługi Databricks. Aby uzyskać informacje na temat aktualizacji konserwacji wydanych dla wersji środowiska Databricks Runtime, zobacz Aktualizacje konserwacji środowiska Databricks Runtime.

Obsługiwane wersje LTS środowiska Databricks Runtime

W poniższej tabeli wymieniono obsługiwane wersje wersji środowiska Databricks Runtime (LTS) oprócz wersji platformy Apache Spark, daty wydania i daty zakończenia wsparcia technicznego. Aby uzyskać optymalną żywotność, użyj wersji LTS środowiska Databricks Runtime.

Uwaga

LTS oznacza, że ta wersja jest objęta długoterminową pomocą techniczną. Zobacz Cykl życia wersji LTS środowiska Databricks Runtime.

Wersja Warianty Wersja platformy Apache Spark Data wydania Data zakończenia pomocy technicznej
15.4 LTS - Databricks Runtime 15.4 LTS
- Databricks Runtime 15.4 LTS for Machine Learning
3.5.0 19 sierpnia 2024 r. 19 sierpnia 2027 r.
14.3 LTS - Databricks Runtime 14.3 LTS
- Databricks Runtime 14.3 LTS for Machine Learning
3.5.0 1 lutego 2024 r. 1 lutego 2027 r.
13.3 LTS - Databricks Runtime 13.3 LTS
- Databricks Runtime 13.3 LTS for Machine Learning
3.4.1 22 sierpnia 2023 r. 22 sierpnia 2026 r.
12.2 LTS - Databricks Runtime 12.2 LTS
- Databricks Runtime 12.2 LTS for Machine Learning
3.3.2 1 marca 2023 r. 1 marca 2026 r.
11.3 LTS - Databricks Runtime 11.3 LTS
- Databricks Runtime 11.3 LTS for Machine Learning
3.3.0 19 października 2022 r. 19 października 2025 r.
10.4 LTS - Databricks Runtime 10.4 LTS
- Databricks Runtime 10.4 LTS for Machine Learning
3.2.1 18 marca 2022 r. 18 marca 2025 r.
9.1 LTS - Databricks Runtime 9.1 LTS
- Databricks Runtime 9.1 LTS for Machine Learning
3.1.2 23 września 2021 r. 19 grudnia 2024 r.

Wszystkie obsługiwane wersje środowiska Databricks Runtime

W poniższej tabeli wymieniono wersję platformy Apache Spark, datę wydania i datę zakończenia wsparcia dla obsługiwanych wersji środowiska Databricks Runtime. Aby uzyskać optymalną żywotność, użyj wersji LTS środowiska Databricks Runtime.

Wersja Warianty Wersja platformy Apache Spark Data wydania Data zakończenia pomocy technicznej
16.0 - Databricks Runtime 16.0
- Databricks Runtime 16.0 for Machine Learning
3.5.0 11 listopada 2024 r. 11 maja 2025 r.
15.4 LTS - Databricks Runtime 15.4 LTS
- Databricks Runtime 15.4 LTS for Machine Learning
3.5.0 19 sierpnia 2024 r. 19 sierpnia 2027 r.
15,3 - Databricks Runtime 15.3
- Databricks Runtime 15.3 for Machine Learning
3.5.0 24 czerwca 2024 r. 24 grudnia 2024 r.
15,2 - Databricks Runtime 15.2
- Databricks Runtime 15.2 for Machine Learning
3.5.0 22 maja 2024 r. 22 listopada 2024 r.
14.3 LTS - Databricks Runtime 14.3 LTS
- Databricks Runtime 14.3 LTS for Machine Learning
3.5.0 1 lutego 2024 r. 1 lutego 2027 r.
14,1 - Databricks Runtime 14.1
- Databricks Runtime 14.1 for Machine Learning
3.5.0 11 października 2023 r. 12 lutego 2025 r.
13.3 LTS - Databricks Runtime 13.3 LTS
- Databricks Runtime 13.3 LTS for Machine Learning
3.4.1 22 sierpnia 2023 r. 22 sierpnia 2026 r.
12.2 LTS - Databricks Runtime 12.2 LTS
- Databricks Runtime 12.2 LTS for Machine Learning
3.3.2 1 marca 2023 r. 1 marca 2026 r.
11.3 LTS - Databricks Runtime 11.3 LTS
- Databricks Runtime 11.3 LTS for Machine Learning
3.3.0 19 października 2022 r. 19 października 2025 r.
10.4 LTS - Databricks Runtime 10.4 LTS
- Databricks Runtime 10.4 LTS for Machine Learning
3.2.1 18 marca 2022 r. 18 marca 2025 r.
9.1 LTS - Databricks Runtime 9.1 LTS
- Databricks Runtime 9.1 LTS for Machine Learning
3.1.2 23 września 2021 r. 19 grudnia 2024 r.

Macierz zgodności środowiska MLflow-Databricks Runtime

W tej sekcji wymieniono wersje uczenia maszynowego środowiska Databricks Runtime oraz odpowiednie wersje biblioteki MLflow.

Wersja uczenia maszynowego środowiska Databricks Runtime Wersja platformy MLflow
16.0 2.15.1
15.4 LTS 2.13.1
15,3 2.11.3
15,2 2.11.3
14.3 LTS 2.9.2
14,1 2.7.1
13.3 LTS — 14.0 2.5.0
12.2 LTS 2.1.1
11.3 LTS 1.29.0
10.4 LTS 1.24.0
9.1 LTS 1.20.2

Macierz zgodności inżynierii cech

W tej sekcji wymieniono wersje uczenia maszynowego środowiska Databricks Runtime oraz odpowiednie wersje klientów usługi Feature Store inżynierii funkcji i obszaru roboczego.

Wersja uczenia maszynowego środowiska Databricks Runtime Wersja programu databricks-feature-engineering Wersja programu databricks-feature-store
16.0 0.7.x Brak
15.4 LTS 0.6.x Brak
15,3 0.5.x Brak
15,2 0.4.x Brak
14.3 LTS 0.2.x Brak
14,1 0.1.x 0.15.1
13.3 LTS 0.1.x 0.14.1
12.2 LTS Nieobsługiwane 0.10.0
11.3 LTS Nieobsługiwane 0.7.0 (wymaga biblioteki MLflow < 2.0)
10.4 LTS Nieobsługiwane 0.3.8 (wymaga biblioteki MLflow < 2.0)
9.1 LTS Nieobsługiwane 0.3.4 (wymaga biblioteki MLflow < 2.0)

Wskazówki dotyczące migracji platformy Apache Spark

Znajdź informacje o migracji specyficzne dla platformy Spark w dokumentacji platformy Apache Spark. Informacje o migracji dla każdej wersji platformy Spark można znaleźć pod adresem URL, tak jak poniżej:

https://spark.apache.org/docs/<version>/migration-guide.html.

Zastąp <version> element wersją platformy Spark uwzględnioną w wersji środowiska Databricks Runtime, do której przeprowadzasz migrację. Na przykład adres URL z informacjami o migracji dla platformy Spark 3.5.0 uwzględniony w środowisku Databricks Runtime 14.3 LTS to https://spark.apache.org/docs/3.5.0/migration-guide.html.

Wersje beta

Obecnie nie ma żadnych wersji beta środowiska Databricks Runtime.

Nieobsługiwane wersje

Aby uzyskać informacje na temat nieobsługiwanej wersji środowiska Databricks Runtime, zobacz Informacje o wersji środowiska Databricks Runtime do końca wsparcia. Nieobsługiwane wersje środowiska Databricks Runtime zostały wycofane i mogą nie zostać zaktualizowane.