2018 年 2 月February 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后的一周内才会更新。Your Azure Databricks account may not be updated until a week after the initial release date.

新折线图支持时序数据New line chart supports time-series data

2018 年 2 月 27 日 - 3 月 6 日:版本 2.66Feb 27 - Mar 6, 2018: Version 2.66

新的折线图完全支持时序数据,并通过我们的旧折线图选项解决限制问题。A new line chart fully supports time-series data and resolves limitations with our old line chart option. 旧的折线图已弃用,我们建议用户将使用旧折线图的所有可视化效果迁移到新的折线图。The old line chart is deprecated, and we recommend that users migrate any visualizations that use the old line chart to the new one.

折线图

有关详细信息,请参阅旧版折线图See Legacy line charts for more information.

更多的可视化效果改进More visualization improvements

2018 年 2 月 27 日 - 3 月 6 日:版本 2.66Feb 27 - Mar 6, 2018: Version 2.66

现在可以对表输出中的列进行排序,并在图表中使用 10 个以上的图例项。You can now sort columns in table output and use more than 10 legend items in a chart.

使用作业 API 删除作业运行Delete job runs using Job API

2018 年 2 月 27 日 - 3 月 6 日:版本 2.66Feb 27 - Mar 6, 2018: Version 2.66

你现在可以使用新的 jobs/runs/delete 终结点通过作业 API 来删除作业运行。You can now use the Job API to delete job runs, using the new jobs/runs/delete endpoint.

有关详细信息,请参阅运行删除See Runs delete for more information.

已更新 KaTeX 数学呈现库KaTeX math rendering library updated

2018 年 2 月 27 日 - 3 月 6 日:版本 2.66Feb 27 - Mar 6, 2018: Version 2.66

Azure Databricks 用于数学公式呈现的 KatTeX 版本已从 0.5.1 更新为 0.9.0-beta1。The version of KatTeX that Azure Databricks uses for math equation rendering was updated from 0.5.1 to 0.9.0-beta1.

此更新引入了一些更改,可能会更改 0.5.1 中编写的表达式:This update introduces changes that can break expressions that were written in 0.5.1:

  • \xLongequal 现在为 \xlongequal (#997)\xLongequal is now \xlongequal (#997)
  • [text]color HTML 颜色必须格式标准。[text]color HTML colors must be well-formed. (#827)(#827)
  • \llap\rlap 现在在数学模式下呈现内容。\llap and \rlap now render contents in math mode. 使用 \mathllap(新)和 \mathrlap(新)提供以前的行为。Use \mathllap (new) and \mathrlap (new) to provide the previous behavior.
  • 现在 \color\textcolor 的行为与它们在 LaTeX (#619) 中的行为相同\color and \textcolor now behave as they do in LaTeX (#619)

有关详细信息,请参阅 KaTeX 发行说明See the KaTeX release notes for more information.

Databricks CLI:版本 0.5.0Databricks CLI: 0.5.0 release

2018 年 2 月 27 日:databricks-cli 0.5.0February 27, 2018: databricks-cli 0.5.0

Databricks CLI 现在支持面向库 API 的命令。Databricks CLI now supports commands that target the Libraries API.

CLI 现在还支持多个连接配置文件。The CLI also now supports multiple connection profiles. 可以使用连接配置文件将 CLI 配置为与多个 Azure Databricks 部署通信。Connection profiles can be used to configure the CLI to talk to multiple Azure Databricks deployments.

有关详细信息,请参阅 Databricks CLISee Databricks CLI for more information.

DBUtils API 库DBUtils API library

2018 年 2 月 13 日至 20 日:版本 2.65Feb 13-20, 2018: Version 2.65

Azure Databricks 提供了各种实用工具 API,使你能够轻松地使用 DBFS、笔记本工作流和小组件。Azure Databricks provides a variety of utility APIs that let you work easily with DBFS, notebook workflows, and widgets. dbutils-api 库可加速应用程序开发,方法是:允许在本地编译和运行针对这些实用工具 API 的单元测试,然后将应用程序部署到 Azure Databricks 群集。The dbutils-api library accelerates application development by allowing you to locally compile and run unit tests against these utility APIs before deploying your application to an Azure Databricks cluster.

有关详细信息,请参阅 Databricks 实用工具 API 库See Databricks Utilities API library for more information.

仅筛选作业Filter for your jobs only

2018 年 2 月 13 日至 20 日:版本 2.65Feb 13-20, 2018: Version 2.65

借助“作业”列表中的新筛选器,可仅显示你拥有的作业和你有权访问的作业。New filters on the Jobs list let you display only the jobs you own and only the jobs you have access to.

作业筛选器

有关详细信息,请参阅作业See Jobs for more information.

从“创建作业”页进行 Spark 提交Spark-submit from the Create Job page

2018 年 2 月 13 日至 20 日:版本 2.65Feb 13-20, 2018: Version 2.65

现在,你可以从“创建作业”页,以及通过 REST API 或 CLI 配置 spark-submit 参数。Now you can configure spark-submit parameters from the Create Job page, as well as through the REST API or CLI.

Spark-submit

有关详细信息,请参阅作业See Jobs for more information.

从“创建群集”页选择 Python 3Select Python 3 from the Create Cluster page

2018 年 2 月 13 日至 20 日:版本 2.65Feb 13-20, 2018: Version 2.65

现在,你可以在创建群集时,在新的 Python 版本下拉菜单中指定 Python 版本 2 或版本 3。Now you can specify Python version 2 or 3 from the new Python version drop-down when you create a cluster. 如果未进行选择,则 Python 2 为默认值。If you don’t make a selection, Python 2 is the default. 你还可以像以前一样,使用 REST API 创建 Python 3 群集。You can also, as before, create Python 3 clusters using the REST API.

Python 版本

有关详细信息,请参阅 Python 版本See Python version for more information.

工作区 UI 改进Workspace UI improvements

2018 年 2 月 13 日至 20 日:版本 2.65Feb 13-20, 2018: Version 2.65

我们已在工作区文件浏览器中添加了按类型(文件夹、笔记本、库)对文件进行排序的功能,并且主文件夹始终显示在“用户”列表的顶部。We have added the ability to sort files by type (folders, notebooks, libraries) in the Workspace file browser, and the home folder always appears at the top of the Users list.

工作区排序

自动填写 SQL 命令和数据库名称Autocomplete for SQL commands and database names

2018 年 2 月 13 日至 20 日:版本 2.65Feb 13-20, 2018: Version 2.65

笔记本中的 SQL 单元现在提供 SQL 命令和数据库名称的自动完成功能。SQL cells in notebooks now provide autocompletion of SQL commands and database names.

无服务器池现在支持 RServerless pools now support R

2018 年 2 月 1 日至 8 日:版本 2.64Feb 1-8, 2018: Version 2.64

你现在可以在无服务器池中使用 R。You can now use R in serverless pools.

可用作 Spark 包的 XGBoostXGBoost available as a Spark Package

2018 年 2 月 1 日至 8 日:版本 2.64Feb 1-8, 2018: Version 2.64

XGBoost 的 Spark 集成库现在可以作为 Spark 包从库 UI 或 REST API 安装到 Azure Databricks。XGBoost’s Spark integration library can now be installed on Azure Databricks as a Spark Package from the Library UI or the REST API. 以前,XGBoost 需要通过 init 脚本从源进行安装,因而群集启动时间更长。Previously, XGBoost required installation from source via init scripts and thus a longer cluster start-up time. 有关详细信息,请参阅 在 Azure Databricks 上安装 XGBoostSee Install XGBoost on Azure Databricks for more information.

SQL 和 Python 的表访问控制 (Beta)Table access control for SQL and Python (Beta)

2018 年 2 月 1 日至 8 日:版本 2.64Feb 1-8, 2018: Version 2.64

去年,我们为 SQL 用户引入了数据对象访问控制。Last year, we introduced data object access control for SQL users. 今天,我们很高兴地宣布为 SQL 和 Python 用户提供表访问控制(表 ACL)的公共 beta 版本。Today we are excited to announce the public beta release of table access control (table ACLs) for both SQL and Python users. 借助表访问控制,可以限制对安全对象(如表、数据库、视图或函数)的访问权限。With table access control, you can restrict access to securable objects like tables, databases, views, or functions. 还可以对包含任意查询的派生视图设置权限来提供细粒度的访问控制(例如,针对符合特定条件的行和列)。You can also provide fine-grained access control (to rows and columns matching specific conditions, for example) by setting permissions on derived views containing arbitrary queries.

备注

  • 此功能目前以公共 beta 版本提供This feature is in public beta
  • 此功能需要 Databricks Runtime 3.5+。This feature requires Databricks Runtime 3.5+.

有关详细信息,请参阅数据对象特权See Data object privileges for more information.