2018 年 4 月April 2018

发布分阶段进行。Releases are staged. Azure Databricks 帐户可能要等到初始发布日期过后一周才会更新。Your Azure Databricks account may not be updated until a week after the initial release date.

备注

现在,我们在 Databricks Runtime 发行说明中提供了 Databricks Runtime 弃用通知。We are now providing Databricks Runtime deprecation notices in Databricks runtime release notes.

机密 CLISecrets CLI

2018 年 4 月 26 日April 26, 20180

Databricks CLI 版本 0.7.0 使你能够从命令行管理机密。Databricks CLI version 0.7.0 gives you the power to manage secrets from the command line. 机密文档现在介绍如何使用机密 CLI 命令来创建和管理机密。The secrets documentation now shows how to use the secrets CLI commands to create and manage secrets.

请参阅机密管理See Secret management.

深度学习指南Deep Learning guides

2018 年 4 月 24 日April 24, 2018

我们添加了有关使用 CPU 群集在 Azure Databricks 上进行深度学习的文档。We have added documentation for Deep Learning on Azure Databricks using CPU clusters.

请参阅深度学习See Deep learning.

用于创建机密范围的机密 API 更新Secrets API update for Create Secret Scope

2018 年 4 月 25 日至 5 月 1 日:版本 2.70April 25 - May 1, 2018: Version 2.70

“创建机密范围”终结点 (2.0/preview/secret/scopes/create) 现在弃用了字段 initial_manage_acl,改用 initial_manage_principalThe Create Secret Scope endpoint (2.0/preview/secret/scopes/create) now deprecates the field initial_manage_acl and uses initial_manage_principal instead. 新字段提供了相同的功能,但语义更好。The new field provides the same functionality but better semantics.

请参阅机密 APISee Secrets API.

Spark 错误提示Spark error tips

2018 年 4 月 24 日至 5 月 1 日:版本 2.70April 24 - May 1, 2018: Version 2.70

Azure Databricks 现在提供提示,可帮助你解释和排查运行 Spark 命令时可能会遇到的许多错误。Azure Databricks now provides tips to help you interpret and troubleshoot many of the errors you might see when you run Spark commands. 我们会继续添加更多内容。And we’ll keep adding more.

Spark 错误提示Spark error tips

Databricks CLI 0.7.0Databricks CLI 0.7.0

2018 年 4 月 24 日April 24, 2018

Databricks CLI 0.7.0 包括 bug 修补程序。Databricks CLI 0.7.0 includes bug fixes.

它还为机密 API 提供了一个命令行界面。It also provides a command-line interface to the Secrets API.

请参阅 Databricks CLISee Databricks CLI.

提高初始化脚本输出截断限制Increase init script output truncation limit

2018 年 4 月 24 日至 5 月 1 日:版本 2.70April 24 - May 1, 2018: Version 2.70

我们已经将初始化脚本的输出截断限制增加到 500,000 个字符。We have increased the output truncation limit for init scripts to 500,000 characters.

请参阅群集节点初始化脚本See Cluster node initialization scripts.

群集 API:添加了 UPSIZE_COMPLETED 事件类型Clusters API: added UPSIZE_COMPLETED event type

2018 年 4 月 24 日至 5 月 1 日:版本 2.70April 24 - May 1, 2018: Version 2.70

新的 UPSIZE_COMPLETED 群集事件类型指示已将节点添加到群集。The new UPSIZE_COMPLETED cluster event type indicates that nodes have finished being added to a cluster.

请参阅群集 API 参考中的 ClusterEventTypeSee ClusterEventType in the Clusters API reference.

命令自动填写Command autocomplete

2018 年 4 月 10 日至 17 日:版本 2.69April 10 - 17, 2018: Version 2.69

现在,Azure Databricks 在笔记本中支持两种类型的自动完成:本地自动完成和服务器自动完成。Azure Databricks now supports two types of autocomplete in your notebooks: local and server. 本地自动完成会完成笔记本中存在的单词。Local autocomplete completes words that exist in the notebook. 服务器自动完成的功能更强大,因为它会针对定义的类型、类和对象以及 SQL 数据库和表名称访问群集。Server autocomplete is more powerful because it accesses the cluster for defined types, classes, and objects, as well as SQL database and table names. 若要激活服务器自动完成功能,必须将笔记本附加到正在运行的群集并运行所有定义可完成对象的单元格。To activate server autocomplete you must attach your notebook to a running cluster and run all cells that define completable objects.

笔记本自动完成Notebook autocomplete

请参阅自动完成See Autocomplete.

无服务器池已升级到 Databricks Runtime 4.0Serverless pools upgraded to Databricks Runtime 4.0

2018 年 4 月 10 日April 10, 2018

无服务器池运行时版本已从 Databricks Runtime 3.5(包括 Apache Spark 2.2.1)升级到 Databricks Runtime 4.0(包括 Apache Spark 2.3.0)。The Serverless pools runtime version has been upgraded from Databricks Runtime 3.5 (which includes Apache Spark 2.2.1) to Databricks Runtime 4.0 (which includes Apache Spark 2.3.0). 必须重启群集才能获取此更改。You must restart your clusters to pick up this change.

升级代表 Apache Spark的次要版本更新,且后向兼容。The upgrade represents a minor Apache Spark version update and is backwards compatible.

请参阅高并发群集See High concurrency clusters.