Databricks 笔记本的已知限制

项目
10/07/2024

本文介绍 Databricks 笔记本的已知限制。有关其他资源限制，请参阅资源限制。

笔记本大小调整

单个笔记本单元的输入限制为 6 MB。
修订快照自动保存、导入、导出和克隆的最大笔记本大小为 10 MB。
可以手动保存最多 32 MB 的笔记本。

笔记本结果表

表结果限制为 10K 行或 2MB，以较低者为准。
作业群集的最大笔记本输出大小为 30 MB。
非表格命令结果限制为 20MB。
默认情况下，文本结果最多返回 50,000 个字符。使用 Databricks Runtime 12.2 LTS 及更高版本时，可以通过设置 Spark 配置属性 spark.databricks.driver.maxReplOutputLength 来增加此上限。

笔记本调试程序

笔记本调试程序的限制：

调试器仅适用于 Python。它不支持 Scala 或 R。
调试器不适用于已共享访问模式群集。
调试器不支持单步执行外部文件或模块。
当调试会话处于活动状态时，无法在笔记本中运行其他命令。

SQL 仓库笔记本

SQL 仓库笔记本的限制：

附加到 SQL 仓库时，执行上下文的空闲超时为 8 小时。

ipywidgets

ipywidgets 的限制：

使用 ipywidgets 的笔记本必须附加到正在运行的群集。
小组件状态不会在笔记本会话中保留。每次将笔记本附加到群集时，必须重新运行小组件单元格才能呈现它们。
不支持密码和控制器 ipywidget。
具有 LaTeX 表达式的 HTMLMath 和 Label 小组件无法正确呈现。（例如 widgets.Label(value=r'$$\frac{x+1}{x-1}$$') 无法正确呈现。）
如果笔记本处于深色模式，小组件可能无法正确呈现，尤其是彩色小组件。
小组件输出不能用于笔记本仪表板视图。
ipywidget 的最大消息有效负载大小为 5 MB。使用映像或大型文本数据的小组件可能无法正确呈现。

Databricks 小组件

Databricks 小组件的限制：

一个笔记本中最多可以创建 512 个小组件。
小组件名称限制为 1024 个字符。
小组件标签限制为 2048 个字符。
最多 2048 个字符可以输入到文本小组件。
对于多选、组合框或下拉小组件，最多可以有 1024 个选项。
存在一个已知问题，即在按“全部运行”后，即使在代码中清除或删除小组件，小组件状态也可能无法正确清除。如果发生这种情况，你将看到小组件的视觉状态与其输出状态之间的差异。单独重新运行单元格可能会绕过此问题。若要完全避免此问题，Databricks 建议使用 ipywidgets。

不应直接在线程、子进程或结构化流式处理 (foreachBatch) 等异步上下文中访问小组件状态，因为小组件状态在异步代码运行时可能会更改。如果需要在异步上下文中访问小组件状态，请将其作为参数传入。例如，如果你有以下使用线程的代码：

import threading

def thread_func():
  # Unsafe access in a thread
  value = dbutils.widgets.get('my_widget')
  print(value)

thread = threading.Thread(target=thread_func)
thread.start()
thread.join()

Databricks 建议改用参数：

# Access widget values outside the asynchronous context and pass them to the function
value = dbutils.widgets.get('my_widget')

def thread_func(val):
  # Use the passed value safely inside the thread
  print(val)

thread = threading.Thread(target=thread_func, args=(value,))
thread.start()
thread.join()

小组件通常无法在笔记本中的不同语言之间传递参数。可在 Python 单元格中创建小组件 arg1 并在 SQL 或 Scala 单元格中使用它（如果逐个运行单元格）。但是，如果使用“全部运行”或将笔记本作为作业运行，则无法做到这一点。部分解决方法包括：
- 对于未混合使用语言的笔记本，可为每种语言创建一个笔记本，并在运行笔记本时传递参数。
- 可以使用 spark.sql() 调用来访问小组件。例如，在 Python 中：spark.sql("select getArgument('arg1')").take(1)[0][0]。

Bamboolib

bamboolib 的限制：

使用 bamboolib 进行数据整理限制为大约 1000 万行。此限制基于 pandas 和群集的计算资源。
使用 bamboolib 进行数据可视化限制为大约 1 万行。此限制基于 plotly。

通过