Documentation de référence Databricks

Cette page contient des liens vers une documentation de référence complète, y compris des liens de référence pour les APIs Databricks, SQL, CLI, SDK et d’autres Ressources.

Référence de l'API REST

• • API REST Databricks
  • Référence de l’API REST pour les services Databricks.
• • API REST MLflow
  • Référence de l'API REST pour la gestion du cycle de vie et le suivi de modèle de Machine Learning MLflow.
• • API SCIM v2.1 de compte
  • Référence de l'API REST pour l'API SCIM de gestion des utilisateurs et des groupes sur les comptes Databricks.
• • Jobs v2.0 API
  • Référence de l'API REST pour la version 2.0 de l'API REST Jobs. Databricks vous recommande d'utiliser la dernière API REST Databricks pour les clients et scripts nouveaux et existants.

Référence Python

• • API PySpark
  • Documentation de référence pour PySpark.
• • API Python Delta Lake
  • Référence d'API Python pour les opérations et le versioning de Delta Lake.
• • API Python de LakeFlow Pipelines
  • Référence de l'API Python spécifique au développement et aux Transformations des Lakeflow pipelines.
• • API de contrôle qualité des données
  • Référence d'API Python pour le Data Quality monitoring.

APIs Python AI et ML

• • API Python d'Agent Evaluation
  • Référence pour l'évaluation des agents, y compris la gestion des datasets, les applications de révision, les sessions d'étiquetage et les juges intégrés.
• • Agents personnalisés API Python
  • Référence pour le package databricks-agents pour le déploiement, la gestion des autorisations et la configuration des déploiements d'agents.
• • API Python AutoML
  • Référence pour les fonctionnalités AutoML et les workflows de Machine Learning automatisés.
• • API Python de Databricks AI Bridge
  • Référence pour le package databricks-ai-bridge, incluant le client Genie et les utilitaires partagés pour les outils de recherche IA.
• • databricks-langchain API Python
  • Référence du package databricks-langchain pour l'intégration des modèles Databricks, des embeddings, de la recherche d'IA et des serveurs MCP avec LangChain.
• • API Python Databricks-MCP
  • Référence pour le package databricks-mcp pour la connexion aux serveurs MCP sur Databricks.
• • API Python databricks-openai
  • Référence pour le package databricks-openai pour l'utilisation de modèles hébergés par Databricks avec le SDK OpenAI, y compris la prise en charge des serveurs MCP et AI Search.
• • API Python d'ingénierie des fonctionnalités
  • Référence pour l’ingénierie des fonctionnalités et les opérations de Magasin de fonctionnalités.
• • API Python de Magasin de fonctionnalités (Obsolète)
  • Obsolète. Utilisez l'API Python de Feature engineering à la place.
• • Lakehouse Monitoring pour GenAI API Python
  • Référence pour le monitoring des applications d'IA générative avec Lakehouse Monitoring.
• • API Python MLflow
  • Référence de l'API Python pour MLflow.
• • Recherche IA
  • Référence de l'API Python pour la gestion des Endpoint et des index dans le service de recherche IA.
• • API Python GPU Serverless
  • Référence de l'API Python pour l'entraînement distribué sur AI Runtime et l'inférence de modèle.

Référence Scala

• • Delta Lake Scala API
  • Référence de l'API Scala pour les opérations et la gestion des versions de Delta Lake.
• • Scala Spark API
  • Référence de l'API Scala Spark.

Référence SQL

• • Databricks SQL
  • Référence SQL pour Databricks SQL, incluant la syntaxe, les fonctions et les opérateurs.
• • LakeFlow Pipelines SQL
  • Référence SQL spécifique au développement et aux Transformations des Lakeflow pipelines.

Référence des outils de développement

• • Commandes CLI de Databricks
  • Référence de la commande pour la CLI Databricks.
• • Configuration des Declarative Automation Bundles
  • Référence pour la configuration YAML des Declarative Automation Bundles.
• • fournisseur Terraform de Databricks
  • Documentation de référence pour le fournisseur Databricks Terraform.
• • Databricks SDK pour Python
  • Référence du SDK Python pour l'intégration avec Databricks et l'automatisation dans les applications Python.
• • Databricks SDK pour R
  • Référence pour le SDK R pour les flux de travail de Data Science et le calcul statistique avec Databricks.
• • Databricks SDK pour Java
  • Référence pour le SDK Java pour les applications d'entreprise et les intégrations basées sur JVM.
• • Databricks SDK pour Go
  • Référence pour le SDK Go pour les applications hautes performances et les intégrations cloud natives.

Référence d'erreur

• • Codes d'erreur SQL
  • Référence complète des codes d'erreur SQL et de leurs significations dans Databricks.
• • Catégories d'erreur
  • Documentation des classes d'erreur pour les types d'erreur catégorisés et les conseils de résolution.

Ressources supplémentaires

• • APIs Apache Spark
  • Aperçu de la documentation de référence des API Apache Spark.
• • APIs Delta Lake
  • Liens de référence pour les opérations et la gestion de version de Delta Lake (Delta Spark).
• • Développement Python
  • Présentation du développement Python sur Databricks.
• • Développement Scala
  • Présentation du développement Scala sur Databricks.
• • Documentation R
  • Aperçu du traitement et de l'analytique des données basés sur R sur Databricks.