sem servidor compute para Notebook
Este artigo explica como usar o site serverless compute para Notebook. Para obter informações sobre como usar serverless compute para Job, consulte executar seu Databricks Job com serverless compute para fluxo de trabalho.
Para obter informações sobre preços, consulte Preços do Databricks.
Requisitos
- Seu workspace deve estar habilitado para o Unity Catalog.
- Seu workspace deve estar em uma região compatível. Consulte as nuvens e regiões da Databricks.
- Seu account deve estar habilitado para serverless compute. Consulte Ativar serverless compute .
Anexe um notebook ao site serverless compute
Se o seu workspace estiver habilitado para compute interativo serverless, todos os usuários no workspace terão acesso ao compute serverless para notebooks. Nenhuma permissão adicional é necessária.
Para conectar-se ao compute serverless, clique no menu suspenso Conectar no notebook e selecione Serverless . Para novos notebooks, o compute anexado automaticamente será definido como serverless após a execução do código, caso nenhum outro recurso tenha sido selecionado.
Selecione uma política orçamentária para seu uso do serverless
Visualização
Esse recurso está em Public Preview.
As políticas de orçamento permitem que sua organização aplique tags personalizadas no uso do serverless para atribuição de faturamento granular.
Se o seu workspace usa políticas de orçamento para atribuir o uso do serverless, o senhor pode selecionar a política de orçamento que deseja aplicar ao Notebook. Se um usuário for atribuído a apenas uma política de orçamento, essa política será selecionada por default.
O senhor pode selecionar a política de orçamento depois que o Notebook estiver conectado ao site serverless compute usando o painel lateral Environment :
- Na interface do usuário do Notebook, clique no painel lateral Environment (Ambiente)
. - Em Budget policy (Política de orçamento ), selecione a política de orçamento que deseja aplicar ao seu Notebook.
- Clique em Aplicar .
A partir desse momento, todo o uso do Notebook herdará as tags personalizadas da política de orçamento.
Se o Notebook for originário de um repositório Git ou não tiver uma política orçamentária atribuída, ele será default atribuído à última política orçamentária escolhida na próxima vez em que for anexado ao serverless compute.
Configure a memória alta para suas cargas de trabalho serverless
Visualização
Esse recurso está em Public Preview.
Se o senhor se deparar com erros de falta de memória no Notebook, poderá configurar o Notebook para usar um tamanho de memória maior. Essa configuração aumenta o tamanho da memória do REPL usada ao executar o código no Notebook. Isso não afeta o tamanho da memória da sessão do Spark. O uso sem servidor com memória alta tem uma taxa de emissão de DBU mais alta do que a memória padrão.
- Na interface do usuário do Notebook, clique no painel lateral Environment (Ambiente) .
- Em Memória , selecione Memória alta .
- Clique em Aplicar .
Essa configuração também se aplica à tarefa do Notebook Job, que é executada usando as preferências de memória do Notebook. A atualização da preferência de memória no Notebook afeta a execução do próximo trabalho.
view query percepções
serverless compute para Notebook e Job usa percepções de consulta para avaliar o desempenho da execução do Spark. Depois de executar uma célula em um Notebook, o senhor pode view percepções relacionadas às consultas SQL e Python clicando no link See desempenho .
O senhor pode clicar em qualquer um dos extratos Spark para view as métricas de consulta. A partir daí, você pode clicar em Ver perfil de consulta para ver uma visualização da execução da consulta. Para obter mais informações sobre perfis de consulta, consulte Perfil de consulta.
Para view percepções de desempenho para sua execução de trabalho, consulte visualizar percepções de consulta de execução de trabalho.
Histórico de consultas
Todas as consultas executadas no site serverless compute também serão registradas na página de histórico de consultas do site workspace. Para obter informações sobre a história da consulta, consulte História da consulta.
Limitações de entendimento da consulta
- O perfil da consulta só está disponível após o término da execução da consulta.
- As métricas são atualizadas ao vivo, embora o perfil da consulta não seja mostrado durante a execução.
- Apenas os seguintes status de consulta são cobertos: EM EXECUÇÃO, CANCELADO, FALHOU, FINALIZADO.
- Consultas em execução não podem ser canceladas a partir da página de histórico de consultas. Elas podem ser canceladas em notebooks ou jobs.
- Métricas detalhadas não estão disponíveis.
- Download do Perfil de Consulta não está disponível.
- Acesso ao Spark UI não está disponível.
- O texto da declaração contém apenas a última linha executada. No entanto, pode haver várias linhas anteriores a esta linha que foram executadas como parte da mesma declaração.