Notatka
Dostęp do tej strony wymaga autoryzacji. Może spróbować zalogować się lub zmienić katalogi.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
Ten artykuł ma na celu przedstawienie jasnych i dobrze określonych wskazówek dotyczących planowania zadań produkcyjnych. Zastosowanie najlepszych rozwiązań może pomóc zmniejszyć koszty, poprawić wydajność i zaostrzyć zabezpieczenia.
| Najlepsze rozwiązanie | Wpływ | Dokumenty |
|---|---|---|
| Używanie bezserwerowych obliczeń dla zadań | Koszt: zadania bezserwerowe nie wymagają konfiguracji klastra. Azure Databricks automatycznie zarządza aprowizowaniem i skalowaniem. | |
| Korzystaj z zadań Lakeflow do orkiestracji, zawsze kiedy to możliwe. | Cost: Nie trzeba używać narzędzi zewnętrznych do orkiestracji, jeśli orkiestrujesz tylko obciążenia na Azure Databricks. | |
| Uruchamianie zadań produkcyjnych przy użyciu jednostek usługi zamiast kont użytkowników | Zabezpieczenia: jeśli zadania należą do poszczególnych użytkowników, gdy ci użytkownicy opuszczają grupę, te zadania mogą przestać działać. | |
| W przypadku klasycznych obliczeń: użyj klastrów zadań dla zautomatyzowanych przepływów pracy | Koszt: klastry zadań są rozliczane według niższych stawek niż klastry interaktywne. | |
| W przypadku klasycznych obliczeń: ponowne uruchamianie długotrwałych klastrów | Zabezpieczenia: uruchom ponownie klastry, aby skorzystać z poprawek i poprawek błędów w środowisku Databricks Runtime. | |
| W przypadku obliczeń klasycznych: użyj najnowszej wersji LTS środowiska Databricks Runtime | Wydajność i koszt: Azure Databricks zawsze doskonali Runtime Databricks pod kątem użyteczności, wydajności i zabezpieczeń. | |
| W przypadku klasycznych obliczeń: nie przechowuj danych produkcyjnych w katalogu głównym systemu plików DBFS | Zabezpieczenia: gdy dane są przechowywane w katalogu głównym systemu plików DBFS, wszyscy użytkownicy mogą uzyskać do niego dostęp. |