Nota
O acesso a esta página requer autorização. Pode tentar iniciar sessão ou alterar os diretórios.
O acesso a esta página requer autorização. Pode tentar alterar os diretórios.
Atenção
O Azure Synapse Runtime para Apache Spark 3.4 atingiu o fim do suporte a 31 de março de 2026. Embora as cargas de trabalho existentes possam continuar a funcionar por um período limitado para além desta data, o tempo de execução já não é suportado e não recebe correções de bugs, atualizações de segurança ou correções de vulnerabilidades. Como resultado, cargas de trabalho a correr no Spark 3.4 estão expostas a riscos operacionais e de segurança crescentes ao longo do tempo.
Além disso, a desativação faseada dos empregos do Spark 3.4 começará em breve, e não há garantia de que as cargas de trabalho do Spark 3.4 continuem a funcionar no futuro. Para minimizar perturbações e manter-se numa plataforma suportada, recomendamos vivamente que atualize as suas cargas de trabalho baseadas em Apache Spark 3.4 para Azure Synapse Runtime for Apache Spark 3.5 (GA) o mais rapidamente possível.
O Azure Synapse Analytics dá suporte a vários tempos de execução para o Apache Spark. Este documento aborda os componentes e versões de tempo de execução para o Azure Synapse Runtime for Apache Spark 3.4.
Versões de componentes
| Componente | Versão |
|---|---|
| Apache Spark | 3.4.1 |
| Sistema operativo | Mariner 2,0 |
| Java | 11 |
| linguagem de programação Scala | 2.12.17 |
| Lago Delta | 2.4.0 |
| Python | 3,10 |
| R | 4.2.2 |
Gorjeta
Para obter informações atualizadas, uma lista detalhada de alterações e notas de versão específicas para os tempos de execução do Spark, verifique e assine as versões e atualizações do Spark Runtimes.
Bibliotecas
Para verificar as bibliotecas incluídas no Azure Synapse Runtime for Apache Spark 3.4 for Java/Scala, Python e R, vá para Azure Synapse Runtime for Apache Spark 3.4 Releases Notes.
Gorjeta
spark.memoryOverheadFactor.preferred: Se definido como verdadeiro, o Spark irá priorizar spark.driver.memoryOverheadFactor e spark.executor.memoryOverheadFactor em vez dos valores explícitos definidos por spark.driver.memoryOverhead e spark.executor.memoryOverhead. Quando ativado, o overhead é sempre calculado usando o fator, e as definições explícitas de overhead são ignoradas. O padrão é false para compatibilidade retroativa.