Installer la CLI Python héritée pour AI Runtime
Cette documentation a été retirée et pourrait ne pas être mise à jour.
La CLI air basée sur Python, installée avec le package databricks-air, est désormais dépréciée et n'est plus activement maintenue.
Utilisez la CLI Databricks pour les nouvelles charges de travail. Consultez Utiliser la CLI Databricks avec AI Runtime.
Installez la CLI air avec uv et authentifiez-la auprès d’un workspace Databricks à l’aide d’un profil CLI Databricks. La CLI nécessite Python 3.10 ou version ultérieure.
Conditions requises
- Python 3.10 ou version ultérieure.
- Un Workspace Databricks avec AI Runtime activé. Voir Exigences.
- L'interface de ligne de commande Databricks CLI, qui gère les profils d'authentification dans
~/.databrickscfg.
Installez la CLI
Databricks recommande d'installer la CLI avec uv:
uv tool install --force databricks-air --python 3.12
uv tool install place air dans son propre environnement isolé et l’expose sur votre PATH, afin qu’il ne soit pas en conflit avec l’interpréteur Python que vous utilisez pour votre code d’entraînement.
--python 3.12 est recommandé mais optionnel. Si vous ne spécifiez pas la version de Python, uv utilise la dernière version disponible qui satisfait la contrainte Python du package.
Si vous ne disposez pas déjà de uv, installez-le d'abord :
curl -LsSf https://astral.sh/uv/install.sh | sh
Vérifiez l'installation :
air --version
air --help
Authentifier
La CLI AI Runtime réutilise les profils d’authentification de la CLI Databricks. Connectez-vous à votre Workspace et nommez le profil lorsque vous y êtes invité :
databricks auth login --host https://<your-workspace>.cloud.databricks.com
Passez le nom de profil à n’importe quelle commande air avec -p. Par exemple :
air list runs -p my-workspace
Vous pouvez aussi définir DATABRICKS_CONFIG_PROFILE dans votre Shell pour définir un profil default :
export DATABRICKS_CONFIG_PROFILE=my-workspace
Pour toutes les options d’authentification, consultez Authentification pour la CLI Databricks.
Ressources supplémentaires
Après l’installation, définissez des charges de travail dans une configuration train.yaml avec des dépendances en ligne. Commencez avec le start rapide, puis utilisez la référence YAML lors de la création de votre configuration :