Kommentar
Åtkomst till den här sidan kräver auktorisering. Du kan prova att logga in eller ändra kataloger.
Åtkomst till den här sidan kräver auktorisering. Du kan prova att ändra kataloger.
Denna artikel beskriver systemmiljöinformationen för miljöversion 2. För att säkerställa kompatibilitet för programmet använder serverlösa arbetsbelastningar ett versions-API, som kallas miljöversion, som förblir kompatibel med nyare serverversioner.
Du kan välja en basmiljö som innehåller den här miljöversionen med hjälp av sidopanelen Miljö i dina serverlösa notebookar. Se Välj en basmiljö.
Nya funktioner och förbättringar
Följande nya funktioner och förbättringar finns tillgängliga i miljöversion 2.
Instrumentpaneler, aviseringar och frågor stöds som arbetsytefiler
20 maj 2025
Instrumentpaneler, aviseringar och frågor stöds nu som arbetsytefiler, vilket innebär att du programmatiskt kan interagera med dessa Databricks-objekt som alla andra filer, varifrån arbetsytans filsystem är tillgängligt. Se Vad är arbetsytefiler? och Interagera programmatiskt med arbetsytefiler.
Webbterminal aktiverad för serverlös beräkning
den 3 april 2025
Webbterminalen är nu aktiverad i miljöversion 2. Mer information om hur du använder webbterminalen finns i Köra gränssnittskommandon i Azure Databricks-webbterminalen.
Den VARIANT datatypen kan inte längre användas med åtgärder som kräver jämförelser
den 5 februari 2025
Du kan inte använda följande satser eller operatorer i frågor som innehåller en VARIANT datatyp:
DISTINCTINTERSECTEXCEPTUNIONDISTRIBUTE BY
Dessutom kan du inte använda dessa DataFrame-funktioner:
df.dropDuplicates()df.repartition()
Dessa åtgärder utför jämförelser och jämförelser som använder VARIANT datatypen ger odefinierade resultat och stöds inte i Databricks. Om du använder VARIANT typ i dina Azure Databricks-arbetsbelastningar eller -tabeller rekommenderar Databricks följande ändringar:
- Uppdatera frågor eller uttryck för att uttryckligen omvandla
VARIANTvärden till icke-VARIANTdatatyper. - Om du har fält som måste användas med någon av ovanstående åtgärder extraherar du dessa fält från
VARIANTdatatypen och lagrar dem med hjälp av icke-VARIANTdatatyper.
Se Frågevariantdata.
Notebook-filer stöds som arbetsytefiler
23 januari 2025
Anteckningsböcker stöds som arbetsytfiler i miljöversion 2. Du kan programmatiskt skriva, läsa och ta bort anteckningsböcker precis som andra filer. Detta möjliggör programmatisk interaktion med notebook-filer var som helst där arbetsytans filsystem är tillgängligt. Mer information finns i Programmatiskt skapa, uppdatera och ta bort filer och kataloger.
Aktivitetsförloppsindikatorn har lagts till i serverlös beräkning
16 december 2024
En ny förloppsindikator för uppgifter har lagts till i celler i anteckningsboken som körs med miljöversion 2. Den här förloppsindikatorn visar förloppet för cellens Spark-kod.
Systemmiljö
- operativsystem: Ubuntu 22.04.4 LTS
- Python: 3.11.10
- Databricks Connect: 15.4.25
Installerade Python-bibliotek
För att återskapa miljöversion 2 i din lokala Python virtuella miljö, ladda ner requirements-env-2.txt-filen och kör pip install -r requirements-env-2.txt. Detta kommando installerar alla bibliotek från miljöversion 2.
| Library | Version | Library | Version | Library | Version |
|---|---|---|---|---|---|
| asttokens | 2.0.5 | astunparse | 1.6.3 | azure-core | 1.32.0 |
| azure-storage-blob | 12.19.1 | azure-storage-file-datalake | 12.14.0 | black | 23.3.0 |
| boto3 | 1.34.39 | botocore | 1.34.39 | cachetools | 5.5.0 |
| certifi | 2023.7.22 | cffi | 1.15.1 | chardet | 4.0.0 |
| charset-normalizer | 2.0.4 | click | 8.0.4 | cloudpickle | 3.0.0 |
| comm | 0.1.2 | contourpy | 1.0.5 | cryptography | 41.0.3 |
| cycler | 0.11.0 | Cython | 0.29.32 | databricks-connect | 15.4.25 |
| databricks-sdk | 0.40.0 | debugpy | 1.6.7 | decorator | 5.1.1 |
| dill | 0.3.6 | entrypoints | 0.4 | executing | 0.8.3 |
| facets-overview | 1.1.1 | filelock | 3.13.4 | fonttools | 4.25.0 |
| gitdb | 4.0.11 | GitPython | 3.1.43 | google-api-core | 2.18.0 |
| google-auth | 2.35.0 | google-cloud-core | 2.4.1 | google-cloud-storage | 2.18.2 |
| google-crc32c | 1.6.0 | google-resumable-media | 2.7.2 | googleapis-common-protos | 1.65.0 |
| grpcio | 1.69.0 | grpcio-status | 1.69.0 | idna | 3.4 |
| importlib-metadata | 6.0.0 | ipyflow-core | 0.0.201 | ipykernel | 6.28.0 |
| ipython | 8.25.0 | ipython-genutils | 0.2.0 | ipywidgets | 7.7.2 |
| isodate | 0.7.2 | jedi | 0.18.1 | jmespath | 0.10.0 |
| joblib | 1.2.0 | jupyter_client | 7.4.9 | jupyter_core | 5.3.0 |
| kiwisolver | 1.4.4 | matplotlib | 3.7.2 | matplotlib-inline | 0.1.6 |
| mlflow-skinny | 2.11.4 | mypy-extensions | 0.4.3 | nest-asyncio | 1.5.6 |
| numpy | 1.23.5 | packaging | 23.2 | pandas | 1.5.3 |
| parso | 0.8.3 | pathspec | 0.10.3 | patsy | 0.5.3 |
| pexpect | 4.8.0 | pillow | 10.3.0 | pip | 24.2 |
| platformdirs | 3.10.0 | plotly | 5.9.0 | prompt_toolkit | 3.0.48 |
| proto-plus | 1.25.0 | protobuf | 5.29.3 | psutil | 5.9.0 |
| psycopg2 | 2.9.3 | ptyprocess | 0.7.0 | pure-eval | 0.2.2 |
| py4j | 0.10.9.7 | pyarrow | 14.0.1 | pyasn1 | 0.4.8 |
| pyasn1-modules | 0.2.8 | pyccolo | 0.0.65 | pycparser | 2.21 |
| pydantic | 1.10.6 | Pygments | 2.15.1 | pyodbc | 4.0.39 |
| pyparsing | 3.0.9 | python-dateutil | 2.8.2 | python-lsp-jsonrpc | 1.1.2 |
| pytz | 2022.7 | PyYAML | 6.0 | pyzmq | 25.1.2 |
| requests | 2.31.0 | rsa | 4.9 | s3transfer | 0.10.3 |
| scikit-learn | 1.3.0 | scipy | 1.11.1 | seaborn | 0.12.2 |
| setuptools | 75.1.0 | smmap | 5.0.1 | sqlparse | 0.5.1 |
| stack-data | 0.2.0 | statsmodels | 0.14.0 | tenacity | 8.2.2 |
| threadpoolctl | 2.2.0 | tokenize-rt | 4.2.1 | tornado | 6.3.2 |
| traitlets | 5.13.0 | typing_extensions | 4.10.0 | tzdata | 2022.1 |
| ujson | 5.4.0 | urllib3 | 1.26.16 | wcwidth | 0.2.5 |
| wheel | 0.38.4 | zipp | 3.11.0 | zstandard | 0.23.0 |