Compartilhe compute serverless e ambiente em Git Folders
Use um único recurso de compute serverless e um ambiente gerenciado por pyproject.toml entre arquivos e notebooks em uma Git folder.
O que mudou
O recurso Git Folder Serverless permite usar um único compute serverless e um ambiente Python unificado para todos os notebooks e arquivos dentro de uma mesma Git folder. As dependências são controladas por um arquivo pyproject.toml na raiz do projeto.
Para que serve
Imagine que você desenvolve um projeto com múltiplos notebooks e scripts Python que dependem das mesmas bibliotecas. Com este recurso, você evita configurar o ambiente notebook por notebook.
- Compartilhar o mesmo compute serverless entre vários arquivos do repositório.
- Gerenciar dependências de forma centralizada pelo pyproject.toml.
- Executar comandos de terminal web no mesmo compute compartilhado.
Como usar
Abra o editor da Git folder no workspace, selecione o compute Git Folder Serverless no menu suspenso de compute e adicione dependências usando comandos no notebook.
%uv add cowsay
O que acontece nesse código:
- O comando utiliza o gerenciador uv para incluir a dependência no arquivo pyproject.toml da raiz.
%uv sync
O que acontece nesse código:
- O comando aplica as dependências atualizadas ao ambiente compartilhado e atualiza o arquivo de bloqueio.
Limitações e requisitos
- O recurso está em Beta.
- Seu projeto deve estar em uma Git folder e aberto no editor correspondente.
- Versão do ambiente no pyproject.toml deve ser 5 ou posterior.
- Apenas ativos dentro da mesma Git folder podem se conectar ao compute.
- O compute é atrelado a uma única usage policy; pastas com políticas diferentes recebem computes separados.
- git folders
- serverless
- compute
- python
- pyproject.toml
Git Folder Serverless is in Beta
Resumo e explicação gerados por IA a partir da release note oficial. Em caso de dúvida, a documentação oficial da plataforma prevalece.
Relacionadas
- DatabricksGA
Repositórios de pacotes em nível de workspace para Databricks Apps
Administradores de workspace podem configurar repositórios padrão de pacotes Python e npm para Databricks Apps.
databricks apps · workspace settings - DatabricksGA
Redimensione partições de stateful streaming sem perder o checkpoint no Databricks
Agora é possível alterar o número de partições de shuffle em queries Structured Streaming e pipelines Lakeflow sem descartar o estado do checkpoint.
structured streaming · lakeflow - DatabricksAtualização
Google Gemini 4 Argon disponível no Unity Gateway do Databricks
O modelo multimodal Google Gemini 4 Argon já pode ser acessado via Foundation Model APIs e Unity Gateway.
unity catalog · foundation model apis