2019 giugno

Queste funzionalità e i miglioramenti della piattaforma Azure Databricks sono stati rilasciati a giugno 2019.

Il supporto dell’istanza Lsv2 è disponibile a livello generale

24 giugno - 26, 2019: versione 2.100

Azure Databricks offre ora il supporto completo per la serie di macchine virtuali Lsv2 per carichi di lavoro con velocità effettiva elevata e operazioni di I/O al secondo elevate.

Integrazione di RStudio non più limitata a cluster con concorrenza elevata

6 giugno - 11, 2019: versione 2.99

È ora possibile abilitare RStudio Server in cluster standard in Azure Databricks, oltre ai cluster a concorrenza elevata già supportati. Indipendentemente dalla modalità cluster, l'integrazione di RStudio Server continua a richiedere di disabilitare l'opzione di terminazione automatica per il cluster. Vedere RStudio in Azure Databricks.

MLflow 1.0

3 giugno 2019

MLflow è una piattaforma open source per gestire il ciclo di vita completo di Machine Learning. Con MLflow, i data scientist possono tenere traccia e condividere esperimenti in locale o nel cloud, creare pacchetti e condividere modelli tra framework e distribuire modelli praticamente ovunque.

Siamo lieti di annunciare il rilascio di MLflow 1.0 oggi. La versione 1.0 non solo contrassegna la maturità e la stabilità delle API, ma aggiunge anche una serie di funzionalità e miglioramenti richiesti di frequente:

• L'interfaccia della riga di comando è stata riorganizzata e ora include comandi dedicati per artefatti, modelli, database (database di rilevamento) e server (il server di rilevamento).
• La ricerca del server di rilevamento supporta una versione semplificata della SQL WHERE clausola . Oltre a supportare metriche di esecuzione e parametri, la ricerca è stata migliorata per supportare alcuni attributi di esecuzione e tag utente e di sistema.
• Aggiunge il supporto per le coordinate x nell'API di rilevamento. I componenti di visualizzazione dell'interfaccia utente di MLflow supportano ora anche il tracciato delle metriche rispetto ai valori delle coordinate x forniti.
• Aggiunge un runs/log-batch endpoint API REST, nonché i metodi Python, R e Java per registrare più metriche, parametri e tag con una singola richiesta API.
• Per il rilevamento, il client MLflow 1.0 è ora supportato in Windows.
• Aggiunge il supporto per HDFS come back-end dell'archivio artefatti.
• Aggiunge un comando per compilare un contenitore Docker il cui punto di ingresso predefinito serve il modello di funzione Python MLflow specificato alla porta 8080 all'interno del contenitore.
• Aggiunge un sapore di modello ONNX sperimentale.

È possibile visualizzare l'elenco completo delle modifiche nel log delle modifiche di MLflow.

Databricks Runtime 5.4 per Machine Learning

3 giugno 2019

Databricks Runtime 5.4 ML è basato su Databricks Runtime 5.4 (EoS). Contiene molte delle più diffuse librerie di Machine Learning, tra cui TensorFlow, PyTorch, Keras e XGBoost, e fornisce il training di TensorFlow distribuito usando Horovod.

Include le nuove funzionalità seguenti:

• Integrazione di MLlib con MLflow (anteprima pubblica).
• Hyperopt con nuova classe SparkTrials preinstallata (anteprima pubblica).
• L'output horovodRunner inviato da Horovod al nodo driver Spark è ora visibile nelle celle del notebook.
• Pacchetto Python XGBoost preinstallato.

Per informazioni dettagliate, vedere Databricks Runtime 5.4 per ML (EoS).

Databricks Runtime 5.4

3 giugno 2019

Databricks Runtime 5.4 è ora disponibile. Databricks Runtime 5.4 include apache Spark 2.4.2, librerie Python, R, Java e Scala aggiornate e le nuove funzionalità seguenti:

• Delta Lake in Databricks aggiunge Ottimizzazione automatica (anteprima pubblica)
• Usare l'IDE e il server notebook preferiti con Databricks Connect
• Utilità di libreria disponibili a livello generale
• Origine dati di file binari

Per informazioni dettagliate, vedere Databricks Runtime 5.4 (EoS).