Connettersi a Databricks usando un tunnel SSH

Il tunnel SSH (Secure Shell) di Azure Databricks collega Visual Studio Code, Cursor o il tuo terminale allo spazio di lavoro di Azure Databricks e al calcolo serverless, ad AI Runtime o al calcolo classico di Azure Databricks. Usalo per modificare file di workspace ed eseguire o eseguire il debug di script e notebook Python, con il tuo ambiente Python e l'esecuzione del codice sulla risorsa di calcolo remota. Connettiti direttamente al calcolo serverless, oppure imposta una connessione SSH riutilizzabile a un cluster classico dedicato.

Requisiti

Avvia la connessione SSH dalla tua macchina locale. Il tunnel non può essere avviato da un altro ambiente remoto o da un container Docker.

Per connettersi a un calcolo serverless o classico, devi avere:

• Databricks CLI versione 1.5.0 o successiva installato sul computer locale con autenticazione configurata. Controllare la versione installata con databricks --version. Consulta Installare o aggiornare la CLI di Databricks.
• Uno dei seguenti:
  • Visual Studio Code versione 1.110.0 (Universale) o superiore e l'estensione Remote - SSH (1.0.46+) installata.
  • Cursor versione 2.6.11 (Universale) o superiore.

Per connettersi al calcolo GPU serverless, è necessario abilitare la funzionalità Runtime di intelligenza artificiale. Vedi Runtime di intelligenza artificiale.

Requisiti aggiuntivi per il compute classico

Per connettersi al calcolo classico (dedicato, utente singolo):

• Il calcolo deve eseguire Databricks Runtime 17.0 o versione successiva. Consulta Panoramica del calcolo dedicato.
• Il catalogo unity deve essere abilitato.
• Se esiste una politica di calcolo, non deve vietare l'esecuzione dei processi.
• Quando si usa Databricks Container Services per il calcolo dedicato, l'immagine Docker deve essere openssh-server installata.

Scegli una connessione SSH

Usa il metodo di connessione per il tipo di istanza:

Il tunnel SSH e l'estensione IDE Databricks non sono compatibili e non dovrebbero essere usati insieme. Per un confronto con Databricks Connect e altre opzioni di sviluppo, consulta Connect dal tuo IDE.

Collegarsi al calcolo serverless

Una volta soddisfatti i requisiti sopra indicati, esegui databricks ssh connect dal tuo terminale o IDE.

Il valore --ide seleziona l'editor da avviare, indipendentemente dall'editor o dal terminale da cui esegui il comando.

Visual Studio Code

databricks ssh connect --ide vscode

La CLI apre una finestra di Visual Studio Code collegata al compute remoto.

Cursor

databricks ssh connect --ide cursor

La CLI apre una finestra di Cursor collegata all'ambiente di calcolo remoto.

Terminal

databricks ssh connect

Il CLI avvia una sessione interattiva SSH.

Per le opzioni di comando, incluse connessioni nominate e profili di autenticazione, vedi databricks ssh connect.

Dopo aver connettuto, apri il progetto workspace e seleziona l'ambiente Python. Se la connessione fallisce, vedi Risoluzione dei problemi delle connessioni tunnel SSH.

Connettiti al calcolo GPU serverless con AI Runtime

Con AI Runtime abilitato, aggiungi --accelerator per usare il calcolo GPU:

databricks ssh connect --accelerator GPU_1xA10

databricks ssh connect offre una sessione interattiva in un singolo nodo. Per lavori di addestramento di lunga durata o addestramenti distribuiti multi-nodo, invia invece il carico di lavoro con databricks air Vedi Utilizzare la Databricks CLI con Runtime di AI.

Connettersi al calcolo classico

Per una connessione riutilizzabile a un cluster dedicato classico, imposta un nome host SSH, poi seleziona quell'host nel tuo IDE o collegati da un terminale.

Configurare la connessione SSH

Esegui databricks ssh setup sulla tua macchina locale. Sostituisci <connection-name> con un nome per questa connessione, come my-connection:

databricks ssh setup --name <connection-name>

La CLI ti invita a selezionare un cluster e aggiunge una voce host alla configurazione SSH. Puoi anche selezionare direttamente un cluster. Sostituisci <cluster-id> con l'ID del tuo cluster dedicato:

databricks ssh setup --name <connection-name> --cluster <cluster-id>

Per configurare quanto tempo il tunnel SSH aspetta dopo che l'ultimo client si è disconnesso, aggiungi --shutdown-delay al comando setup. Il valore predefinito è 10 minuti. Ad esempio, per impostare un ritardo di 30 minuti per le connessioni tramite questa voce host SSH:

databricks ssh setup --name <connection-name> --cluster <cluster-id> --shutdown-delay 30m

Connettersi utilizzando Visual Studio Code o Cursor

1. Per Visual Studio Code, installare l'estensione Remote SSH. Il cursore include un'estensione SSH remota per impostazione predefinita.

2. Nel menu principale dell'IDE fare clic su Visualizza>riquadro comandi. Selezionare Remote-SSH: Settings (Remote-SSH: Impostazioni). In alternativa, selezionare Preferenze: aprire Impostazioni utente (JSON) per modificare settings.json direttamente.

3. In Remote.SSH: Estensioni predefinite (o remote.SSH.defaultExtensions in settings.json) aggiungere ms-Python.Python e ms-toolsai.jupyter.

   Se si sta modificando settings.json:

   "remote.SSH.defaultExtensions": [
       "ms-Python.Python",
       "ms-toolsai.jupyter"
   ]
   

   Annotazioni

   Facoltativamente, aumentare il valore di Remote.SSH: Connect Timeout (o remote.SSH.connectTimeout in settings.json) per ridurre ulteriormente la probabilità di errori di timeout. Il timeout predefinito è 360.

4. Nel riquadro comandi selezionare Remote-SSH: Connect to Host (Remote-SSH: Connetti all'host).

5. Dal menu a discesa selezionare la connessione configurata nel primo passaggio. L'IDE procede per la connessione in una nuova finestra.

Connettersi con gli IDE IntelliJ

1. Segui il tutorial sul server remoto per impostare.
2. Nella nuova schermata di connessione immettere:
   • Nome utente: root
   • Host: <connection-name>

Connettiti al compute classico da un terminale

Usa il nome della connessione che hai configurato con databricks ssh setup:

ssh <connection-name>

Per una connessione diretta senza una voce host SSH riutilizzabile, puoi anche usare la CLI. Sostituisci <cluster-id> con il tuo ID cluster dedicato:

databricks ssh connect --cluster <cluster-id>

Vedi databricks ssh connect.

Apri i progetti open workspace tramite SSH

Per impostazione predefinita, il databricks ssh connect comando si apre in una directory temporanea. Per accedere ai file dell'area di lavoro, passare alla directory dell'area di lavoro dall'IDE o dal terminale:

• In Visual Studio Code o Cursor, dalla Raccolta comandi (Cmd/Ctrl+Shift+P) seleziona Apri cartella e passa a /Workspace/Users/<your-username>.
• In una finestra del terminale, cambia directory: cd /Workspace/Users/<your-username>.

Esegui Python e notebook nella sessione SSH

Seleziona l'ambiente Python fornito dalla tua sessione SSH prima di eseguire il codice. Per il calcolo classico, questo ambiente include le librerie Databricks Runtime integrate e librerie con ambito di calcolo.

1. Aprire il riquadro comandi (CMD/CTRL+MAIUSC+P) e selezionare Python: Seleziona interprete.

2. Selezionare l'ambiente pythonEnv-xxx virtuale dall'elenco. Se si configurano le dipendenze di Python usando il flag --base-environment, selezionare dall'elenco delle opzioni il nome dell'ambiente virtuale più lungo. Se l'ambiente virtuale non viene visualizzato:

   1. Eseguire echo $DATABRICKS_VIRTUAL_ENV da un terminale all'interno dell'IDE.

      Output di esempio: /local_disk0/.ephemeral_nfs/envs/pythonEnv-xxx/bin/python

   2. Incolla l'output completo come percorso dell'interprete nel prompt Python: Seleziona interprete.

3. Aprire un nuovo terminale e l'ambiente virtuale deve essere attivato automaticamente.

4. Per eseguire un notebook Jupyter, assicurati che l'ambiente virtuale sia selezionato come *kernel*. Fare clic su Seleziona kernel in alto a destra del notebook.

Eseguire ed eseguire il debug di file Python e notebook .ipynb utilizzando le estensioni standard di Python e Jupyter.

Per usare Spark in un file Python nel serverless compute, inizializza esplicitamente una sessione:

from databricks.connect import DatabricksSession
spark = DatabricksSession.builder.serverless().profile("DEFAULT").getOrCreate()

Gestire le dipendenze per le sessioni SSH

Scegli la gestione delle dipendenze per il tipo di elaborazione:

• Per il calcolo serverless, si utilizza un ambiente di base del workspace con una versione dell'ambiente serverless supportata.
• Per il calcolo classico, usa librerie del cluster per le dipendenze che persistono durante i riavvii.
• Per le dipendenze con ambito di una sessione di progetto, usa un notebook di configurazione.

Per i pacchetti non Python, vedi Dipendenze non Python.

Ambienti di base dello spazio di lavoro (consigliati per serverless e AI Runtime)

Usare un ambiente di base dell'area di lavoro con ambiente serverless versione 4 o successiva per preconfigurare le dipendenze Python. Il tunnel SSH non supporta --base-environment con ambienti serverless di versione 5 o superiore. Crea un ambiente di base usando la workspace UI o il comando databricks environments create-workspace-base-environment della Databricks CLI.

Specificare l'ambiente utilizzando l'opzione --base-environment durante la connessione:

databricks ssh connect --base-environment my-workspace-env

L'opzione --base-environment accetta un nome visualizzato, un percorso YAML dello spazio di lavoro o un ID risorsa. Non puoi combinarlo con --cluster. Vedi databricks ssh connect.

Librerie di cluster (consigliate per il calcolo classico)

Installare le dipendenze tramite l'interfaccia utente dell'area di lavoro in Compute > Libraries. Questi elementi vengono mantenuti tra i riavvii del cluster e sono disponibili in pythonEnv-xxx. Consultare Librerie cluster.

Dipendenze diverse da Python

Per rendere persistenti le dipendenze non Python, usare uno script init che installa i pacchetti all'avvio del calcolo. Facoltativamente, archiviare i pacchetti in un volume di Catalogo Unity e farvi riferimento dallo script init. Consulta Che cosa sono gli script init?.

configurazione del notebook specifica di Project

Per le dipendenze con ambito progetto, eseguire un notebook contenente %pip install i comandi all'inizio di ogni sessione:

# Install from pyproject.toml
%pip install .

# Install from a requirements file
%pip install -r requirements.txt

# Install a wheel from Volumes or Workspace
%pip install /Volumes/catalog/schema/volume/your_library.whl

%pip I comandi includono protezioni specifiche di Databricks e propagano le dipendenze ai nodi di esecuzione di Spark. Ciò consente funzioni definite dall'utente con dipendenze personalizzate.

Per altri esempi, vedere Gestire le librerie con %pip i comandi.

Non è necessario rieseguire il notebook di configurazione se si riconnette prima che il tunnel SSH si chiuda. Di default, il tunnel si chiude 10 minuti dopo la disconnessione dell'ultimo client. Per modificare questo ritardo, usa --shutdown-delay con il comando per il tuo metodo di connessione:

• Per una connessione classica riutilizzabile, imposta il ritardo con databricks ssh setup. La voce host SSH generata fa sì che il ritardo venga applicato quando ti connetti dal tuo IDE o esegui ssh <connection-name>.
• Per una connessione CLI diretta, configura il relay con databricks ssh connect.

Usa Git in una sessione SSH

Puoi usare la CLI Git nel tunnel SSH con le nuove cartelle Git create e le credenziali Git che hai configurato nello spazio di lavoro di Azure Databricks. Consultare Usare i comandi della CLI Git.

Se la CLI richiede le credenziali invece di prenderle automaticamente, devi collegare il tuo provider Git ad Azure Databricks. Consulta Connetti il provider Git a Databricks.

Mantenere in funzione i processi separati

Di default, quando il tunnel SSH si spegne, blocca ogni processo avviato dalla sessione, inclusi quelli che hai staccato dalla sessione con tmux, setsid, o nohup. Il tunnel registra un avviso che indica i nomi dei processi staccati che sta per fermare. Per mantenere in funzione il lavoro staccato dopo la chiusura del tunnel, usa il flag --keep-detached-processes:

• Serverless o calcolo classico: Passa la bandiera a Databricks ssh connect.
• Calcolo classico con un host SSH configurato: Passa il flag a databricks ssh setup. La voce host SSH generata viene applicata ogni volta che ti connetti. Le connessioni serverless non richiedono configurazione, quindi questa opzione si applica solo al compute classico.

Il seguente esempio mantiene i processi in background in esecuzione su computazione serverless:

databricks ssh connect --keep-detached-processes

L'esempio seguente mantiene i processi scollegati in esecuzione su un cluster dedicato:

databricks ssh connect --cluster 0123-456789-abcdefgh --keep-detached-processes

Quando usi questo flag, il tunnel si chiude come segue:

• Solo il tunnel SSH e i suoi sshd processi sono fermati. I processi disconnessi continuano a funzionare.
• Tutti i processi distaccati che sono ancora in esecuzione mantengono il loro accesso a /Workspace e /Volumes.
• Qualsiasi esecuzione del job termina quando l'ultimo processo staccato esce.

Alla prossima connessione allo stesso compute, puoi ricollegarti a un lavoro scollegato, ad esempio con tmux attach. La modalità del tunnel SSH è impostata all'avvio. Se ti connetti con la flag quando la connessione era stata avviata inizialmente senza di essa, la CLI avvia una nuova connessione.

Tenere presente quanto segue:

• Mentre l'esecuzione del lavoro rimane aperta, il cluster non termina automaticamente. Una sessione tmux inattiva è considerata un processo distaccato in esecuzione, quindi chiudila quando non ne hai più bisogno.
• L'esecuzione del lavoro si interrompe comunque quando raggiunge la durata massima impostata da --server-timeout. Questa durata decorre dal momento in cui inizia l'esecuzione del processo, non dal momento in cui il tunnel si chiude. Per lavori di lunga durata, usa job o bundle invece.

Limitazioni dei tunnel SSH

Il tunnel SSH fornito da Databricks presenta le limitazioni seguenti:

• I cluster condivisi non sono supportati.
• L'estensione IDE Databricks e il tunnel SSH non sono ancora compatibili e non dovrebbero essere usati insieme.
• I file modificati all'esterno di /Workspace, /Volumes e /dbfs vengono persi al riavvio del cluster.
• È consentito un massimo di 10 connessioni SSH per ogni cluster.
• Le sessioni inattive potrebbero scadere dopo 1 ora.
• Il tunnel SSH non può essere avviato da altri ambienti remoti o da contenitori Docker.
• È possibile che si verifichino problemi di prestazioni o connessione quando tre o più notebook jupyter sono aperti contemporaneamente.

Comportamento del Notebook nelle sessioni SSH

Esistono alcune differenze nei notebook quando si usa il tunnel SSH:

• I file Python non definiscono nessuna globalità di Databricks (ad esempio spark o dbutils). È necessario importarli in modo esplicito con from databricks.sdk.runtime import spark.
• Per i notebook ipynb, sono disponibili queste funzionalità:
  • Variabili globali di Databricks: display, displayHTML, dbutils, table, sql, udf, getArgument, sc, sqlContext, spark
  • %sql comando magico per eseguire le celle SQL

Per lavorare con i notebook sorgente Python:

• Cercare jupyter.interactiveWindow.cellMarker.codeRegex e impostarlo su:

  ^# COMMAND ----------|^# Databricks notebook source|^(#\\s*%%|#\\s*\\<codecell\\>|#\\s*In\\[\\d*?\\]|#\\s*In\\[ \\])
  

• Cercare jupyter.interactiveWindow.cellMarker.default e impostarlo su:

  # COMMAND ----------
  

Risoluzione dei problemi delle connessioni SSH tunnel

Inizia dal sintomo che corrisponde al guasto:

La connessione SSH non riesce o va in timeout

• Per il calcolo classico, verifica che il cluster sia in esecuzione nell'interfaccia del workspace.
• Controlla che la tua rete, VPN e firewall permettano traffico HTTPS e WebSocket al dominio dello spazio di lavoro. Il tunnel SSH non utilizza la porta 22. Tunnelizza tutto il traffico sullo stesso endpoint HTTPS degli altri comandi della CLI di Databricks. Vedere Configurare le regole del firewall dei nomi di dominio.
• Se un proxy o firewall ispeziona il traffico TLS, verifica che consenta la richiesta di aggiornamento WebSocket. Un intermediario che blocca o elimina l'aggiornamento provoca il guasto o il timeout della connessione. Chiedi al tuo amministratore di rete di consentire gli aggiornamenti WebSocket al dominio del tuo workspace, o di bypassare l'ispezione TLS per quel dominio.
• Se ti connetti tramite un proxy HTTP aziendale, imposta la variabile di ambiente HTTPS_PROXY oppure NO_PROXY per escludere il proxy per il dominio del tuo workspace. Il tunnel SSH utilizza la stessa configurazione proxy degli altri comandi CLI di Databricks. Vedi configurazione del server proxy.
• Controlla che la tua macchina locale abbia accesso HTTPS a github.com e release-assets.githubusercontent.com.
• Aumentare il timeout SSH. Consulta Connettersi utilizzando Visual Studio Code o Cursor.
• Per gli errori di mancata corrispondenza delle chiavi, eliminare ~/.databricks/ssh-tunnel-keys ed eseguire databricks ssh setupdi nuovo .
• Per gli errori di "identificazione host remota modificata", controllare il ~/.ssh/known_hosts file ed eliminare le voci correlate al cluster.
• Le sessioni SSH possono essere interrotte dopo 1 ora e non è possibile stabilire più di 10 connessioni SSH a un singolo cluster. Vedi limitazioni dei tunnel SSH.

code Comando non trovato

Se viene visualizzato Error: exec: "code": executable file not found in $PATH, aprire il riquadro comandi (CMD/CTRL+MAIUSC+P), selezionare Comando shell: Installa il comando 'code' in PATH e riavviare l'IDE o la sessione del terminale.

Errori di autenticazione CLI

• Accedi al tuo workspace usando databricks auth login.
• Per il calcolo classico, conferma di disporre delle autorizzazioni CAN MANAGE sul cluster.

Il token di aggiornamento è invalido

Se databricks ssh connect fallisce con error getting token, invalid_grant, e Refresh token is invalid, il server di autorizzazione ha rifiutato il token OAuth salvato dalla CLI. Accedi di nuovo per ottenere una nuova sessione:

1. Identifica il profilo di configurazione per lo spazio di lavoro a cui vuoi connetterti:

   databricks auth profiles --skip-validate
   

2. Accedi di nuovo usando quel profilo. Sostituisci <workspace-url> con l'URL dello spazio di lavoro, senza il /oidc/v1/token percorso, e <profile-name> con il nome profilo corrispondente:

   databricks auth login --host <workspace-url> --profile <profile-name>
   

   Completa la procedura di accesso nel browser.

3. Riprova la connessione con lo stesso profilo:

   databricks ssh connect --ide vscode --profile <profile-name>
   

   Usa --ide cursor per Cursor, oppure ometti --ide per una sessione terminale.

Se l'errore persiste, controlla che il comando non riuscito sia destinato allo stesso spazio di lavoro e allo stesso profilo a cui hai appena effettuato l'accesso. Vedi autenticazione OAuth utente-macchina (U2M).

Il codice Python o i notebook non funzionano nella sessione SSH

• Seleziona l'ambiente Python fornito dalla sessione SSH. Per un notebook, seleziona quell'ambiente come kernel. Vedi Eseguire Python e i notebook nella sessione SSH.
• I notebook IPYNB e *.py i notebook di Databricks hanno accesso alle variabili globali di Databricks, ma i file Python *.py non ne hanno accesso. Vedi Comportamento del notebook nelle sessioni SSH.

I file scompaiono o l'ambiente si resetta dopo il riavvio del cluster

• I file nei montaggi /Workspace, /Volumes, e /dbfs persistono tra i riavvii del cluster. I file in /home, /roote altri percorsi locali sono temporanei e persi al riavvio.
• Usare la gestione delle librerie cluster per le dipendenze persistenti. Automatizzare le reinstallazioni usando script init, se necessario. Consulta Che cosa sono gli script init?.

L'installazione di SSH non riesce in Windows (WSL)

Eseguire databricks ssh setup direttamente in Windows, non in WSL. L'istanza di Windows Visual Studio Code non riesce a trovare le configurazioni SSH create sul lato WSL.

Domande frequenti

Il calcolo serverless richiede la configurazione SSH?

No. Dopo aver installato e autenticato la CLI Databricks, usa databricks ssh connect per il calcolo serverless. Il databricks ssh setup comando configura le voci host SSH riutilizzabili per il calcolo dedicato classico.

Il tunnel SSH di Databricks richiede la porta 22?

No. Il tunnel SSH trasporta il traffico tramite HTTPS al dominio dello spazio di lavoro e richiede il supporto WebSocket. La tua rete, VPN, firewall e proxy devono permettere quel traffico. Vedi Errore o timeout della connessione SSH.

In che modo il tunnel SSH è diverso da Databricks Connect?

Databricks Connect consente di scrivere codice usando le API Spark ed eseguirle in modalità remota nel calcolo di Databricks anziché nella sessione Spark locale. L'estensione databricks Visual Studio Code usa Databricks Connect per fornire il debug predefinito del codice utente in Databricks.

Il tunnel SSH ti permette di accedere allo spazio di lavoro dal tuo IDE e sposta l'intero ambiente di sviluppo sull'infrastruttura di calcolo. Python, il kernel e l'esecuzione del codice vengono eseguiti su Azure Databricks con accesso alle risorse di calcolo.

Come vengono protetti il codice e i dati?

Il traffico SSH è criptato end-to-end, e il codice viene eseguito sulle risorse di calcolo di Azure Databricks a cui ti connetti. L'autenticazione utilizza la CLI Databricks e il tuo profilo di workspace configurato. Vedi quali metodi di autenticazione sono supportati?.

Quali IDE sono supportati?

Visual Studio Code e Cursor sono ufficialmente supportati. Qualsiasi IDE con funzionalità SSH è compatibile, ma vengono testati solo VS Code e Cursor.

Tutte le funzionalità del notebook di Databricks sono disponibili nell'IDE?

Alcune funzionalità, display()ad esempio , dbutilse %sql sono disponibili con limitazioni o configurazione manuale. Vedi Comportamento del notebook nelle sessioni SSH.

Il cluster verrà avviato automaticamente quando ci si connette usando il tunnel SSH?

Sì, ma se l'avvio del cluster richiede più tempo rispetto al timeout della connessione, il tentativo di connessione avrà esito negativo. Per evitare questo problema, aumentare il valore di Remote.SSH: Connetti timeout dal riquadro comandi (o remote.SSH.connectTimeout in settings.json) per ridurre ulteriormente la probabilità di errori di timeout.

Come posso sapere se il mio cluster è in esecuzione?

Passare a Calcolo nell'interfaccia utente dell'area di lavoro di Databricks e controllare lo stato del cluster. Per consentire il corretto funzionamento della connessione SSH, il cluster deve visualizzare Running.

Come si disconnette la sessione SSH/IDE?

È possibile disconnettere una sessione chiudendo la finestra dell'IDE, usando l'opzione Disconnetti nell'IDE, chiudendo il terminale SSH o eseguendo il exit comando nel terminale.

Come arrestare il cluster ed evitare addebiti quando non funziona?

Per arrestare immediatamente, terminate il cluster dall'interfaccia utente dell'area di lavoro. Passare a Calcolo nell'interfaccia utente dell'area di lavoro di Databricks, individuare il cluster e fare clic su Termina o Arresta.

Impostare un breve criterio di terminazione automatica nel cluster dall'interfaccia utente dell'area di lavoro. Dopo la disconnessione, il tunnel SSH aspetta il shutdown-delay periodo (predefinito: 10 minuti), poi si applica il timeout di inattività del cluster. Se usi --keep-detached-processes, il cluster non termina automaticamente mentre i processi staccati sono in esecuzione. Vedi Mantenere in esecuzione i processi scollegati.

Come gestire le dipendenze persistenti?

Le dipendenze installate durante una sessione vengono perse dopo il riavvio del cluster. Usare l'archiviazione permanente (/Workspace/Users/<your-username>) per i requisiti e gli script di installazione. Usare librerie cluster o script init per l'automazione.

Quali metodi di autenticazione sono supportati?

L'autenticazione usa l'interfaccia della riga di comando di Databricks e il file dei profili ~/.databrickscfg. Le chiavi SSH vengono gestite dal tunnel SSH.

È possibile connettersi a database o servizi esterni dal cluster?

Sì, purché la rete del cluster consenta le connessioni in uscita e le librerie necessarie.

È possibile usare estensioni IDE aggiuntive?

La maggior parte delle estensioni funziona quando viene installata all'interno della sessione SSH remota, a seconda dell'IDE e del cluster. Visual Studio Code per impostazione predefinita non installa le estensioni locali in host remoti. È possibile installarli manualmente aprendo il pannello delle estensioni e abilitando le estensioni locali nell'host remoto. È anche possibile configurare Visual Studio Code per installare sempre determinate estensioni in modalità remota. Vedere Connettersi a Databricks.

Il tunnel SSH supporta collegamento privato?

Sì, tuttavia gli amministratori del workspace devono inserire nell'elenco consentito gli URL di Visual Studio Code e del marketplace delle estensioni di Cursor. Il computer locale deve anche avere la possibilità di accedere a Internet.