Freigeben über

Dezember 2019

  • Artikel

Diese Features und Azure Databricks-Plattformverbesserungen wurden im Dezember 2019 veröffentlicht.

Hinweis

Releases werden gestaffelt. Ihr Azure Databricks-Konto wird möglicherweise erst eine Woche nach dem Datum der ersten Veröffentlichung oder später aktualisiert.

Databricks Connect unterstützt jetzt Databricks Runtime 6.2.

17. Dezember 2019

Databricks Connect unterstützt jetzt Databricks Runtime 6.2.

Konfigurieren von Clustern mit einem eigenen Containerimage mit Databricks-Containerdiensten (allgemein verfügbare Version)

16. Dezember 2019: Version 3.7

Databricks Container Services ist in Databricks Runtime 6.1 und in der Azure Databricks-Plattformversion 3.7 allgemein verfügbar und ermöglicht Ihnen das Konfigurieren eines Clusters mit Ihrem eigenen Containerimage. Sie können komplexe Umgebungen vorab in einem Container packen, in einer beliebten Containerregistrierung wie ACR, ECR oder Docker Hub veröffentlichen und dann das Image mit Azure Databricks pullen, um einen Cluster zu erstellen. Einige Beispiele für Anwendungsfälle:

  • Bibliotheksanpassung: Sie haben die vollständige Kontrolle über die Systembibliotheken, die Sie installieren möchten.
  • Global gültige Containerumgebung: Ihr Docker-Image ist eine gesperrte Umgebung, die sich nie ändert.
  • CI/CD-Integration (Docker): Sie können Azure Databricks Docker mit CI/CD-Pipelines von Docker integrieren.

Es gibt viele andere Anwendungsfälle, von der Angabe der Konfiguration bis hin zur Installation von Machine Learning-Paketen.

Weitere Informationen finden Sie unter Anpassen von Containern mit dem Databricks-Containerdienst.

Allgemeine Verfügbarkeit von Databricks Runtime 6.2 für Genomics

3. Dezember 2019

Databricks Runtime 6.2 für Genomics basiert auf Databricks Runtime 6.2. Darin sind viele Verbesserungen und Upgrades von Databricks Runtime 6.1 für Genomics enthalten, einschließlich der folgenden:

  • Logistische Firth-Regression
  • Benutzerdefinierte Beispielmetriken zur Qualitätskontrolle
  • Leistungsverbesserung für Pipe Transformer
  • Robustere gemeinsame Genotypisierung
  • Vereinfachte Integration mit LOFTEE
  • Hail 0.26.0
  • Samtools 1.9

3. Dezember 2019

Da die Anwendung Azure Databricks SCIM Provisioning Connector (SCIM-Bereitstellungsconnector für Azure Databricks) jetzt im Microsoft Entra ID-App-Katalog verfügbar ist, ist es einfacher, die Bereitstellung von Benutzer*innen und Gruppen von Microsoft Entra ID (früher Azure Active Directory) in Azure Databricks einzurichten. Weitere Informationen finden Sie unter Konfigurieren der SCIM-Bereitstellung mithilfe von Microsoft Entra ID (Azure Active Directory).

Der Support für Databricks Runtime 5.3 und 5.4 läuft aus.

3. Dezember 2019

Die Unterstützung für 5.3 und 5.4 endet am 3. Dezember. Weitere Informationen finden Sie unter Databricks-Supportlebenszyklus.

Allgemeine Verfügbarkeit von Databricks Runtime 6.2 ML

3. Dezember 2019

Die allgemeine Verfügbarkeit von Databricks Runtime 6.2 ML bietet viele Bibliotheksupgrades, einschließlich der folgenden:

  • TensorFlow und TensorBoard: 1.14.0 auf 1.15.0.
  • PyTorch: 1.2.0 auf 1.3.0.
  • tensorboardX: 1.8 auf 1.9.
  • MLflow: 1.3.0 auf 1.4.0.
  • Hyperopt: 0.2-db1 mit Azure Databricks MLflow-Integrationen.
  • mleap-databricks-runtime auf 0.15.0, und mleap-xgboost-runtime ist enthalten.

Weitere Informationen finden Sie in den vollständigen Versionshinweisen zu Databricks Runtime 6.2 für ML (EoS).

Allgemeine Verfügbarkeit von Databricks Runtime 6.2

3. Dezember 2019

Die allgemeine Verfügbarkeit von Databricks Runtime 6.2 bietet neue Features, Verbesserungen und viele Fehlerbehebungen, einschließlich der folgenden:

  • Optimierte Delta Lake-Zusammenführung mit ausschließlicher Einfügung

Weitere Informationen finden Sie in den vollständigen Versionshinweisen zu Databricks Runtime 6.2 (EoS).

Databricks Connect unterstützt jetzt Databricks Runtime 6.1.

3. Dezember 2019

Databricks Connect unterstützt jetzt Databricks Runtime 6.1. Mit Databricks Connect können Sie Ihre bevorzugte IDE (IntelliJ, Eclipse, PyCharm, RStudio, Visual Studio), Ihren Notebookserver (Zeppelin, Jupyter) und weitere benutzerdefinierte Anwendungen mit Azure Databricks-Clustern verknüpfen und Apache Spark-Code ausführen.