Compartilhe compute serverless entre notebooks em Asset Bundles
Permita que notebooks e arquivos em um mesmo Asset Bundle compartilhem compute serverless e um ambiente definido no arquivo pyproject.toml.
O que mudou
O recurso Shared Serverless for Asset Bundles permite que múltiplos notebooks e arquivos do mesmo bundle utilizem o mesmo compute serverless e um ambiente centralizado. Isso simplifica a execução de projetos e o gerenciamento de dependências.### Para que serveImagine que você tem um projeto com vários notebooks que precisam das mesmas bibliotecas e dependências. Com este recurso, você centraliza a configuração e evita a recriação de ambientes para cada arquivo. O que dá para fazer:- Compartilhar compute serverless entre arquivos do mesmo bundle.- Definir dependências e ambiente de forma unificada no arquivo pyproject.toml.- Otimizar o uso de recursos de computação em projetos baseados em Databricks Asset Bundles.### Como usarPara usar a novidade, primeiro os administradores do workspace precisam habilitar o Project-Scoped Shared Compute na página de Previews do Databricks. Em seguida, configure o ambiente do seu projeto no arquivo pyproject.toml na raiz do bundle.### Limitações e requisitos- O recurso está em estágio Beta.- Não é recomendado para ambientes de produção.- Disponível para habilitar por administradores de workspace na página de Previews.
- asset bundles
- serverless
- compute
- notebooks
- pyproject.toml
Shared Serverless for Asset Bundles (Beta)
Resumo e explicação gerados por IA a partir da release note oficial. Em caso de dúvida, a documentação oficial da plataforma prevalece.
Relacionadas
- DatabricksPublic Preview
Cache de DataFrames chega à computação serverless no Databricks
Agora em Public Preview: use df.cache() e df.persist() no serverless compute do Databricks para salvar resultados pesados em snapshot e acelerar reutilizações na mesma sessão.
serverless compute · pyspark - DatabricksBeta
Lakeflow Connect adiciona conector gerenciado para logs do Box
O Databricks lançou em Beta o conector gerenciado de Box Audit Logs no Lakeflow Connect, permitindo ingerir eventos de auditoria corporativa diretamente para o Unity Catalog.
lakeflow connect · ingestion - DatabricksBeta
Configure o ambiente de jobs serverless com pyproject.toml
Tarefas serverless em notebooks e scripts Python agora podem usar um arquivo pyproject.toml para definir o ambiente e gerenciar dependências do job.
serverless · jobs