Dela via

Versionsinformation för SQL Databricks

  • Artikel

Den här artikeln innehåller nya Databricks SQL-funktioner och förbättringar, tillsammans med kända problem och vanliga frågor och svar.

Släppningsprocess

Databricks släpper uppdateringar av databricks SQL-webbappens användargränssnitt kontinuerligt, där alla användare får samma uppdateringar distribuerade under en kort tidsperiod.

Dessutom släpper Databricks vanligtvis nya SQL Warehouse-beräkningsversioner regelbundet. Två kanaler är alltid tillgängliga: Förhandsversion och Aktuell.

Kommentar

Versioner mellanlagras. Ditt Databricks-konto kanske inte uppdateras med en ny SQL Warehouse-version eller Databricks SQL-funktion förrän en vecka eller mer efter det första lanseringsdatumet.

Kommentar

Databricks SQL Serverless är inte tillgängligt i Azure Kina. Databricks SQL är inte tillgängligt i Azure Government-regioner.

Kanaler

Med kanaler kan du välja mellan den aktuella SQL-lagerberäkningsversionen eller förhandsversionen . Med förhandsversioner kan du prova funktioner innan det blir Databricks SQL-standard. Dra nytta av förhandsversioner för att testa dina produktionsfrågor och instrumentpaneler mot kommande ändringar.

Vanligtvis höjs en förhandsversion upp till den aktuella kanalen ungefär två veckor efter att den har släppts till förhandsgranskningskanalen. Vissa funktioner, till exempel säkerhetsfunktioner, underhållsuppdateringar och felkorrigeringar, kan släppas direkt till den aktuella kanalen. Då och då kan Databricks höja upp en förhandsversion till den aktuella kanalen enligt ett annat schema. Varje ny version kommer att tillkännages i följande avsnitt.

Information om hur du växlar ett befintligt SQL-lager till förhandsgranskningskanalen finns i Förhandsgranska kanaler. Funktionerna som anges i avsnitten för användargränssnittsuppdateringar är oberoende av SQL Warehouse-beräkningsversionerna som beskrivs i avsnittet Kanaler i släppanmärkningarna.

Tillgängliga Databricks SQL-versioner

Aktuell kanal: Databricks SQL version 2024.50

Preview Channel: Databricks SQL version 2024.50

den 30 januari 2025

Följande funktioner och uppdateringar släpptes under veckan den 30 januari 2025.

Uppdateringar av användargränssnittet

SQL-lager

Ett diagram över slutförda frågeantal (i offentlig förhandsversion) är nu tillgängligt i SQL-lagrets övervakningsgränssnitt. Det här nya diagrammet visar antalet frågor som har slutförts i ett tidsfönster, inklusive avbrutna och misslyckade frågor. Diagrammet kan användas med de andra diagrammen och tabellen Frågehistorik för att utvärdera och felsöka informationslagrets prestanda. Frågan allokeras i tidsfönstret som den har slutförts. Räkningarna är genomsnittliga per minut. Mer information finns i Övervaka ett SQL-lager.

SQL-redigeraren

  • Expanderad datavisning i diagram: Visualiseringar som skapats i SQL-redigeraren stöder nu upp till 15 000 datarader.

23 januari 2025

Följande funktioner och uppdateringar släpptes under veckan den 23 januari 2025.

Förändringar i 2024.50

Databricks SQL version 2024.50 innehåller följande beteendeändringar, nya funktioner och förbättringar.

Beteendeändringar

  • Datatypen VARIANT kan inte längre användas med åtgärder som kräver jämförelser

Du kan inte använda följande satser eller operatorer i frågor som innehåller en VARIANT datatyp:

  • DISTINCT
  • INTERSECT
  • EXCEPT
  • UNION
  • DISTRIBUTE BY

Dessa åtgärder utför jämförelser och jämförelser som använder datatypen VARIANT ger odefinierade resultat och stöds inte i Databricks. Om du använder varianttypen i dina Azure Databricks-arbetsbelastningar eller -tabeller rekommenderar Databricks följande ändringar:

  • Uppdatera frågor eller uttryck för att uttryckligen omvandla VARIANT värden till icke-VARIANT datatyper.
  • Om du har fält som måste användas med någon av ovanstående åtgärder extraherar du dessa fält från VARIANT datatypen och lagrar dem med hjälp av icke-VARIANT datatyper.

För mer information, se Frågevariantdata.

Nya funktioner och förbättringar

  • Stöd för parameterisering av USE CATALOG with IDENTIFIER-satsen

IDENTIFIER-satsen stöds av USE CATALOG-instruktionen. Med det här stödet kan du parameterisera den aktuella katalogen baserat på en strängvariabel eller parametermarkör.

  • COMMENT ON COLUMN stöd för tabeller och vyer

Instruktionen COMMENT ON har stöd för att ändra kommentarer för vy- och tabellkolumner.

  • Nya SQL-funktioner

Följande nya inbyggda SQL-funktioner är tillgängliga:

  • dagnamn (expr) returnerar den engelska förkortningen med tre bokstäver för veckodagen för det angivna datumet.
  • uniform(expr1, expr2 [,seed]) returnerar ett slumpmässigt värde med oberoende och identiskt distribuerade värden inom det angivna intervallet med tal.
  • randstr(längd) returnerar en slumpmässig sträng med length alfanumeriska tecken.
  • Namngivna parameteranrop för fler funktioner

Följande funktioner stöder med namnet parameteranrop:

Felkorrigeringar

  • kapslade typer accepterar nu null-begränsningar korrekt

Den här versionen åtgärdar en bugg som påverkar vissa Delta-genererade kolumner av kapslade typer, till exempel STRUCT. Dessa kolumner avvisar ibland felaktigt uttryck baserat på NULL eller NOT NULL begränsningar för kapslade fält. Detta har åtgärdats.

den 15 januari 2025

Följande uppdateringar släpptes under veckan den 15 januari 2025.

Uppdateringar av användargränssnittet

SQL-redigeraren

Den nya SQL-redigeraren (offentlig förhandsversion) har nu följande funktioner:

  • Nedladdningsnamngivning: Hämtade utdata namnges nu efter frågan.
  • Teckenstorleksjusteringar: Justera snabbt teckenstorleken i SQL-redigeraren med hjälp av Alt + och Alt - för Windows/Linux, eller Opt + och Opt - för macOS.
  • @Mentions i kommentarer: Nämn specifika användare med @ i kommentarer. Nämnda användare får e-postaviseringar.
  • Förbättrad flikväxling: Flikväxlingsprestanda är upp till 80% snabbare för inlästa flikar och 62% snabbare för borttagna flikar.
  • Se lagerdetaljer: SQL Warehouse-storlek visas nu i beräkningsväljaren utan att behöva extra klick.
  • Redigera parametervärden: Använd Ctrl + Enter för Windows/Linux, eller Cmd + Enter för macOS, för att köra en fråga när du redigerar ett parametervärde.
  • Behåll frågeresultat i versionshistorik: Frågeresultat lagras nu med versionshistorik.

Visualiseringar

Kända problem

  • Läsningar från andra datakällor än Delta Lake i belastningsutjämnade SQL-slutpunkter för flera kluster kan vara inkonsekventa.
  • Deltatabeller som används i Databricks SQL laddar upp sina schema- och tabellegenskaper till det konfigurerade metaarkivet. Om du använder ett externt metaarkiv kan du se Delta Lake-information i metaarkivet. Delta Lake försöker hålla denna information så aktuell som möjligt efter bästa förmåga. Du kan även använda kommandot DESCRIBE <table> för att säkerställa att informationen är uppdaterad i ditt metaarkiv.
  • Databricks SQL stöder inte zonförskjutningar som "GMT+8" som sessionstidszoner. Lösningen är att använda en regionbaserad tidszon https://en.wikipedia.org/wiki/List_of_tz_database_time_zones) som Etc/GMT+8 i stället. Mer information om hur du anger tidszoner finns i SET TIME ZONE.

Vanliga frågor och svar

Använd följande lista för att lära dig svaren på vanliga frågor.

Hur debiteras Databricks SQL-arbetsbelastningar?

Databricks SQL-arbetsbelastningar debiteras enligt SKU: n för beräkning av standardjobb.

Var någonstans körs SQL-datalager?

Klassiska och proffs-SQL-lager skapas och hanteras i ditt Azure-konto. SQL-lager hanterar SQL-optimerade kluster automatiskt i ditt konto och skalas för att matcha slutanvändares efterfrågan.

serverlösa SQL-lageranvänder du å andra sidan beräkningsresurser i ditt Databricks-konto. serverlösa SQL-lager förenklar konfigurationen och användningen av SQL-lager och påskyndar starttiderna. Det serverlösa alternativet är endast tillgängligt om det har aktiverats för arbetsytan. Mer information finns i serverlöst beräkningsplan.

Kan jag använda SQL-databaslager från en anteckningsbok i samma arbetsyta?

Ja. Information om hur du kopplar en notebook-fil till ett SQL-lager finns i Använda en notebook-fil med ett SQL-lager.

Jag har beviljats åtkomst till data med hjälp av en molnleverantörs autentiseringsuppgifter. Varför kan jag inte komma åt dessa data i Databricks SQL?

I Databricks SQL omfattas all åtkomst till data av dataåtkomstkontroll, och en administratör eller dataägare måste först ge dig rätt behörigheter.