通过

2018 年 11 月

  • 项目

这些功能和 Azure Databricks 平台的改进已于 2018 年 11 月发布。

注意

下面列出的发行日期和内容在多数情况下只对应于 Azure 公有云的实际部署。

其中提供了 Azure 公有云上 Azure Databricks 服务的演进历史记录以供参考，这些内容可能不适用于由世纪互联运营的 Azure。

注意

发布分阶段进行。 在初始发布日期后，可能最长需要等待一周，你的 Azure Databricks 帐户才会更新。

库 UI

重要

此更新已于 2018 年 12 月 7 日还原。

2018 年 11 月 27 日至 12 月 4 日：版本 2.85

在此版本中，库 UI 已经得到了显著改进。

Azure Databricks UI 现在支持工作区库和群集附加的库。 工作区库存在于工作区中，可附加到一个或多个群集。 群集附加库是只存在于其附加到的群集的上下文中的库。 此外：

  • 现在可以从上传到对象存储的文件创建库。
  • 现在可以从“库详细信息”页和群集的“库”选项卡中附加和分离库。
  • 现在，使用 API 安装的库会在群集的“库”选项卡中显示。

已启用自定义 Spark 堆内存设置

2018 年 11 月 27 日至 12 月 4 日：版本 2.85

以下 Spark 内存设置现在生效：

  • spark.executor.memory
  • spark.driver.memory

重要

  • Azure Databricks 具有在每个节点上运行的服务，因此 Spark 所允许的最大内存小于云服务提供商报告的 VM 的内存容量。 如果要为 Spark 提供执行程序或驱动程序的最大堆内存量，请勿分别指定 spark.executor.memory 或 spark.driver.memory。
  • 某些以前无效但被忽略的群集配置可能导致群集故障。

作业和空闲执行上下文逐出

2018 年 11 月 27 日至 12 月 4 日：版本 2.85

作业现在自动逐出空闲执行上下文。 请参阅 Databricks 笔记本执行上下文。 若要最大程度地减少自动逐出，Azure Databricks 建议为作业和交互式工作负载使用不同的群集。

现已发布用于机器学习的 Databricks Runtime 5.0 (Beta)

2018 年 11 月 19 日

Databricks Runtime 5.0 ML (Beta) 为机器学习和数据科学提供了随时可用的环境。 它包含多个热门库，其中包括 TensorFlow、Keras 和 XGBoost。 它还支持使用 Horovod 进行分布式 TensorFlow 训练。 Databricks Runtime 5.0 ML 是基于 Databricks Runtime 5.0 构建的。 Databricks Runtime 5.0 ML 包括以下新功能：

请参阅完整的 Databricks Runtime 5.0 ML (EoS) 发行说明。

现已发布 Databricks Runtime 5.0

2018 年 11 月 8 日

Databricks Runtime 5.0 现已推出。 Databricks Runtime 5.0 包括 Apache Spark 2.4.0、新的 Delta Lake 和结构化流功能和升级以及已升级的 Python、R、Java 和 Scala 库。 有关详细信息，请参阅 Databricks Runtime 5.0 (EoS)。

在 Databricks Runtime 5.0 上，一旦群集达到最大上下文限制 (145)，Azure Databricks 立即逐出空闲执行上下文。 请参阅 Databricks 笔记本执行上下文。

支持第三方内容的无限制加载

2018 年 11 月 6 日至 13 日：版本 2.84

以前，displayHTML iframe 沙盒缺失 allow-same-origin 属性。 这意味着 iframe 的源为 null，这并不适合跨源 XHR 请求、cookie 或访问嵌入式 iframe。 在此版本中，displayHTML iframe 是从新域 databricksusercontent.com 提供的，iframe 沙盒现在包含 allow-same-origin 属性。

如果你已在使用 displayHTML，则无需改变对 displayHTML 的使用。

需要可在浏览器中访问 databricksusercontent.com。 如果它当前被企业网络阻止，IT 人员需要将它加入允许列表。