Criar um workspace
Este artigo é uma visão geral das suas opções para criar e gerenciar workspaces.
O que é um workspace?
Um workspace é uma implementação do Databricks em uma conta de serviço de nuvem. Ele fornece um ambiente unificado para trabalhar com ativos da Databricks para um conjunto específico de usuários.
Existem dois tipos de área de trabalho do Databricks disponíveis:
- Área de trabalho sem servidor (versão pré- workspace ): uma implantação no seu Databricks account que vem pré-configurada com serverless compute e default storage para fornecer uma experiência serverless completa. Ainda pode se conectar ao seu armazenamento em nuvem.
- Espaço de trabalho tradicional : uma implantação do workspace em seu Databricks account que provisiona o recurso de armazenamento e compute em sua nuvem existente account. O recurso " compute " sem servidor ainda está disponível no espaço de trabalho tradicional.
O espaço de trabalho sem servidor está em pré-visualização pública.
Selecionando um tipo de e workspace
As seções a seguir descrevem qual tipo de workspace é mais adequado para os casos de uso mais comuns. Utilize estas recomendações para ajudá-lo a decidir se deve implantar um serverless ou um workspace tradicional.
Quando escolher um espaço de trabalh serverless
O espaço de trabalho sem servidor é a melhor opção para os seguintes casos de uso:
- Permita que usuários empresariais acessem o Databricks One
- Criar painéis d AI/BI
- Criar aplicativos Databricks
- Realizar análises exploratórias utilizando o Notebook ou um armazenamento d SQL.
- Conecte-se a provedores SaaS por meio da Federação Lakehouse (exceto LakeFlow Connect).
- Utilize o Genie Spaces para casos de uso comercial.
- Teste novos recursos do Mosaic AI antes de transferi-los para produção.
- Criar um pipeline declarativ serverless LakeFlow
Quando optar por um espaço de trabalho tradicional
Os espaços de trabalho tradicionais são a melhor opção para os seguintes casos de uso:
- Realizar trabalhos de desenvolvimento em AI ou ML que exijam GPUs.
- Utilize o Databricks Runtime para Machine Learning ou Apache Spark MLib
- Portar o código Spark legado existente que utiliza Spark RDDs
- Utilize Scala ou R como sua linguagem de programação principal.
- transmissão de dados que requer intervalos de disparo baseados em tempo ou em um evento específico ( default )
- Conecte-se às APIs do Databricks por meio de uma conexão PrivateLink.
- Conecte-se diretamente a sistemas locais ou bancos de dados privados, por meio de LakeFlow Connect
opções de criação de espaço de trabalho
É possível implantar o espaço de trabalho a partir do console Databricks account , da conta API ou Terraform. Utilize as páginas a seguir para auxiliá-lo na implementação do espaço de trabalho:
- Crie um serverless workspace
- Crie um aplicativo tradicional do Android ( workspace ) utilizando o Quick Start (Recomendado) do AWS.
- Crie um workspace com configurações personalizadas da AWS
- Criar manualmente um workspace (conta Databricks existente)
- Crie um workspace usando a API da conta
- Criar espaços de trabalho do Databricks com o Terraform