bundle grupo de comando

nota

Essas informações se aplicam ao site Databricks CLI versões 0.205 e superiores. A CLI da Databricks está em visualização pública.

Databricks CLI O uso está sujeito à LicençaDatabricks e ao Aviso de PrivacidadeDatabricks, incluindo qualquer provisionamento de Dados de Uso.

O grupo de comandos bundle dentro do Databricks CLI contém comandos para gerenciar pacotes ativos do Databricks. Databricks Os pacotes do ativo permitem expressar projetos como código e validar, implantar e executar programaticamente fluxos de trabalho d Databricks, como o Databricks Job, oLakeFlow Declarative pipeline e o MLOps Stacks. Consulte O que são pacotes ativos de e Databricks?

nota

O comando do pacote usa as configurações em databricks.yml para autenticação ao executar de dentro da pasta do pacote. Se o senhor quiser executar o comando do pacote com autenticação diferente de dentro da pasta do pacote, especifique um perfil de configuração usando o sinalizador --profile (ou -p) e não especifique um --target.

Como alternativa, o senhor pode executar comandos que não precisam da mesma autenticação que o pacote de fora da pasta do pacote.

pacote databricks implantado

Implantado um pacote no remoto workspace.

databricks bundle deploy [flags]

Combine o alvo e a identidade

Para implantar o pacote em um destino específico, defina a opção “ -t ” (ou “ --target”) juntamente com o nome do destino, conforme declarado nos arquivos de configuração do pacote. Se nenhuma opção de comando for especificada, o destino default declarado nos arquivos de configuração do pacote será utilizado. Por exemplo, para um alvo declarado com o nome dev:

Bash

databricks bundle deploy -t dev

Um pacote pode ser implantado em vários espaços de trabalho, como o espaço de trabalho de desenvolvimento, de preparação e de produção. Fundamentalmente, a propriedade root_path é o que determina a identidade exclusiva de um pacote, cujo padrão é ~/.bundle/${bundle.name}/${bundle.target}. Portanto, pelo site default, a identidade de um pacote é composta pela identidade do implantador, pelo nome do pacote e pelo nome do destino do pacote. Se eles forem idênticos em pacotes diferentes, a implantação desses pacotes interferirá entre si.

Além disso, uma implantação de pacote rastreia o recurso que cria no destino workspace por seus IDs como um estado que é armazenado no sistema de arquivos workspace. Os nomes de recurso não são usados para correlacionar entre uma implantação de pacote e uma instância de recurso, portanto:

• Se um recurso na configuração do pacote não existir no destino workspace, ele será criado.
• Se um recurso na configuração do pacote existir no destino workspace, ele será atualizado no workspace.
• Se um recurso for removido da configuração do feixe, ele será removido do alvo workspace se tiver sido implantado anteriormente.
• A associação de um recurso a um pacote só pode ser esquecida se o senhor alterar o nome do pacote, o destino do pacote ou o endereço workspace. O senhor pode executar bundle validate para gerar um resumo com esses valores.

Opções

--auto-approve

Ignore as aprovações interativas que possam ser necessárias para a implantação.

-c, --cluster-id string

Substitua o agrupamento na implantação com o ID de agrupamento fornecido.

--fail-on-active-runs

Falha se houver tarefas ou pipelines em execução na implantação.

--force

Ignorar a validação do branch Git.

--force-lock

Forçar a aquisição do bloqueio de implantação.

Bandeiras globais

Exemplos

O exemplo a seguir implementa um pacote utilizando um ID de agrupamento específico:

Bash

databricks bundle deploy --cluster-id 0123-456789-abcdef

implantação do pacote databricks

Comando relacionado à implantação.

databricks bundle deployment [command]

Comando disponível

• bind - Vincule um recurso definido no pacote a um recurso existente no repositório remoto workspace.
• unbind - Desvincule um recurso definido em um pacote de seu recurso remoto.

vínculo de implantação do pacote databricks

Vincule o recurso definido no pacote ao recurso existente em Databricks workspace , para que eles sejam gerenciados por Databricks ativo Bundles. Se você vincular um recurso, o recurso existente Databricks no workspace será atualizado com base na configuração definida no pacote ao qual ele está vinculado após o próximo bundle deploy.

databricks bundle deployment bind KEY RESOURCE_ID [flags]

O Bind não recria dados. Por exemplo, se um pipeline com dados em um catálogo tiver sido vinculado, o senhor poderá implantá-lo no pipeline sem perder os dados existentes. Além disso, o senhor não precisa recomputar o Materialized view, por exemplo, para que o pipeline não precise ser executado novamente.

O comando bind deve ser usado com o sinalizador --target. Por exemplo, vincule sua implantação de produção ao pipeline de produção usando databricks bundle deployment bind --target prod my_pipeline 7668611149d5709ac9-2906-1229-9956-586a9zed8929

dica

É uma boa ideia confirmar o recurso no site workspace antes de executar o bind.

O Bind é compatível com os seguintes recursos:

• aplicativo
• Cluster
• dashboard
• job
• model_serving_endpoint
• pipeline
• monitor de qualidade
• modelo_registrado
• esquema
• volume

Argumentos

KEY

O recurso key para vincular

RESOURCE_ID

A identificação do recurso existente ao qual se deseja vincular.

Opções

--auto-approve

Aprove automaticamente a vinculação, em vez de solicitar

--force-lock

Forçar a aquisição do bloqueio de implantação.

Bandeiras globais

Exemplos

O comando a seguir vincula o recurso hello_job à sua contraparte remota no workspace. O comando gera uma diferença e permite que o senhor negue a vinculação do recurso, mas, se confirmada, todas as atualizações da definição do trabalho no pacote serão aplicadas ao trabalho remoto correspondente quando o pacote for implantado novamente.

Bash

databricks bundle deployment bind hello_job 6565621249

desvinculação da implantação do pacote databricks

Remova o link entre o recurso em um pacote e sua contraparte remota em um workspace.

databricks bundle deployment unbind KEY [flags]

Argumentos

KEY

O recurso key para desvincular

Opções

--force-lock

Forçar a aquisição do bloqueio de implantação.

Bandeiras globais

Exemplos

O exemplo a seguir desvincula o recurso hello_job:

Bash

databricks bundle deployment unbind hello_job

destruição do pacote databricks

atenção

A destruição de um pacote exclui permanentemente o trabalho, o pipeline e os artefatos implantados anteriormente no pacote. Essa ação não pode ser desfeita.

Exclua o trabalho, o pipeline, outros recursos e artefatos que foram implementados anteriormente.

databricks bundle destroy [flags]

nota

A identidade de um pacote é composta pelo nome do pacote, o destino do pacote e o workspace. Se você alterou algum desses itens e tentou destruir um pacote antes de implantado, ocorrerá um erro.

Em default, o senhor é solicitado a confirmar a exclusão permanente do Job, do pipeline e dos artefatos implantados anteriormente. Para ignorar esses avisos e realizar a exclusão permanente automática, adicione a opção --auto-approve ao comando bundle destroy.

Opções

--auto-approve

Ignorar aprovações interativas para excluir recursos e arquivos

--force-lock

Forçar a aquisição do bloqueio de implantação.

Bandeiras globais

Exemplos

O comando a seguir exclui todos os recursos e artefatos previamente implantados que estão definidos nos arquivos de configuração do pacote:

Bash

databricks bundle destroy

pacote de databricks gerado

Gere a configuração do pacote para um recurso que já existe em seu Databricks workspace. Os seguintes recursos são suportados: app, painel, Job, pipeline.

Em default, esse comando gera um arquivo *.yml para o recurso na pasta resources do projeto do pacote e também downloads todos os arquivos, como o Notebook, referenciados na configuração.

important

O comando " bundle generate " é fornecido como uma conveniência para gerar automaticamente a configuração do recurso. No entanto, quando a configuração do recurso está incluída no pacote e implantada, ela cria um novo recurso e não atualiza o recurso existente, a menos que bundle deployment bind tenha sido usado primeiro. Consulte o vínculo de implantação do pacote databricks.

databricks bundle generate [command]

Comando disponível

• app - Gerar configuração de pacote para um aplicativo Databricks.
• dashboard - Gere a configuração de um painel.
• job - Gerar configuração de pacote para um trabalho.
• pipeline - Gerar configuração de pacote para um pipeline.

Opções

--key string

recurso key a ser utilizado para a configuração gerada

Bandeiras globais

aplicativo de geração de pacote databricks

Gere a configuração do pacote para um aplicativo existente no Databricks no workspace.

databricks bundle generate app [flags]

Opções

-d, --config-dir string

Caminho do diretório onde a configuração do pacote de saída será armazenada (default " recurso")

--existing-app-name string

Nome do aplicativo para o qual gerar a configuração

-f, --force

Força a substituição de arquivos existentes no diretório de saída

-s, --source-dir string

Caminho do diretório onde os arquivos do aplicativo serão armazenados (default " src/app")

Bandeiras globais

Exemplos

O exemplo a seguir gera a configuração de um aplicativo existente chamado my-app. > É possível obter o nome do aplicativo em “Computação” > “Aplicativos” tab na interface do usuário workspace.

Bash

databricks bundle generate app --existing-app-name my-app

O comando a seguir gera um novo arquivo hello_world.app.yml na pasta do projeto resources e downloads os arquivos de código do aplicativo, como o arquivo de configuração do comando do aplicativo app.yaml e o principal app.py. Por meio de default, os arquivos de código são copiados para a pasta src do pacote.

Bash

databricks bundle generate app --existing-app-name "hello_world"

YAML

# This is the contents of the resulting /resources/hello-world.app.yml file.
resources:
  apps:
    hello_world:
      name: hello-world
      description: A basic starter application.
      source_code_path: ../src/app

painel de geração do pacote databricks

Gere a configuração para um painel existente no workspace.

databricks bundle generate dashboard [flags]

dica

Para atualizar o arquivo .lvdash.json depois que o senhor já tiver implantado um painel, use a opção --resource ao executar bundle generate dashboard para gerar esse arquivo para o recurso de painel existente. Para pesquisar e recuperar continuamente as atualizações em um painel, use as opções --force e --watch.

Opções

-s, --dashboard-dir string

Diretório para gravar a representação do painel (default " src")

--existing-id string

ID do painel para o qual gerar a configuração

--existing-path string

caminho do espaço de trabalho do painel para gerar a configuração para

-f, --force

Força a substituição de arquivos existentes no diretório de saída

--resource string

recurso key do painel para monitorar alterações

-d, --resource-dir string

Diretório para gravar a configuração (default " recurso")

--watch

Observe as alterações no painel e atualize a configuração

Bandeiras globais

Exemplos

O exemplo a seguir gera a configuração por meio de um ID de painel existente:

Bash

databricks bundle generate dashboard --existing-id abc123

Também é possível gerar a configuração de um painel existente através do caminho workspace. Copie o caminho workspace para um painel da interface do usuário workspace.

Por exemplo, o comando a seguir gera um novo arquivo baby_gender_by_county.dashboard.yml na pasta resources do projeto do pacote que contém o YAML abaixo e downloads o arquivo baby_gender_by_county.lvdash.json na pasta src do projeto.

Bash

databricks bundle generate dashboard --existing-path "/Workspace/Users/someone@example.com/baby_gender_by_county.lvdash.json"

YAML

# This is the contents of the resulting baby_gender_by_county.dashboard.yml file.
resources:
  dashboards:
    baby_gender_by_county:
      display_name: 'Baby gender by county'
      warehouse_id: aae11o8e6fe9zz79
      file_path: ../src/baby_gender_by_county.lvdash.json

Gerar pacote de tarefas do Databricks

Gere a configuração do pacote para um trabalho.

nota

Atualmente, apenas o trabalho com a tarefa Notebook é suportado por esse comando.

databricks bundle generate job [flags]

Opções

-d, --config-dir string

Caminho de diretório onde a configuração de saída será armazenada (default " recurso")

--existing-job-id int

Job ID da tarefa para a qual a configuração será gerada

-f, --force

Força a substituição de arquivos existentes no diretório de saída

-s, --source-dir string

Caminho de diretório onde os arquivos baixados serão armazenados (default " src")

Bandeiras globais

Exemplos

O exemplo a seguir gera um novo arquivo hello_job.yml na pasta do projeto resources contendo o YAML abaixo e downloads o simple_notebook.py para a pasta do projeto src.

Bash

databricks bundle generate job --existing-job-id 6565621249

YAML

# This is the contents of the resulting hello_job.yml file.
resources:
  jobs:
    hello_job:
      name: 'Hello Job'
      tasks:
        - task_key: run_notebook
          email_notifications: {}
          notebook_task:
            notebook_path: ../src/simple_notebook.py
            source: WORKSPACE
          run_if: ALL_SUCCESS
      max_concurrent_runs: 1

gerar pipeline do pacote databricks

Gere a configuração do pacote para um pipeline.

databricks bundle generate pipeline [flags]

Opções

-d, --config-dir string

Caminho de diretório onde a configuração de saída será armazenada (default " recurso")

--existing-pipeline-id string

ID do pipeline para gerar a configuração

-f, --force

Força a substituição de arquivos existentes no diretório de saída

-s, --source-dir string

Caminho de diretório onde os arquivos baixados serão armazenados (default " src")

Bandeiras globais

Exemplos

O exemplo a seguir gera a configuração para um pipeline existente:

Bash

databricks bundle generate pipeline --existing-pipeline-id abc-123-def

inicialização do pacote databricks

Inicialize um novo pacote utilizando um pacote padrão. O padrão pode ser configurado para solicitar valores ao usuário. Consulte o pacote padrão do Bundle ativoDatabricks.

databricks bundle init [TEMPLATE_PATH] [flags]

Argumentos

TEMPLATE_PATH

padrão a ser utilizado para inicialização (opcional)

Opções

--branch string

Git ramo a ser utilizado para a inicialização padrão

--config-file string

JSON arquivo contendo par key-value dos parâmetros de entrada necessários para a inicialização padrão.

--output-dir string

Diretório para gravar o padrão inicializado.

--tag string

Git tag a ser utilizada para a inicialização padrão

--template-dir string

Caminho do diretório dentro de um repositório Git que contém o padrão.

Bandeiras globais

Exemplos

O exemplo a seguir exibe uma lista de pacotes padrão de default para seleção:

Bash

databricks bundle init

O exemplo a seguir inicializa um pacote utilizando o padrão default Python :

Bash

databricks bundle init default-python

Para criar um pacote ativo Databricks utilizando um pacote ativo padrão Databricks personalizado, especifique o caminho padrão personalizado:

Bash

databricks bundle init <project-template-local-path-or-url> \
--project-dir="</local/path/to/project/template/output>"

O exemplo a seguir inicializa um pacote a partir de um repositório Git:

Bash

databricks bundle init https://github.com/my/repository

O exemplo a seguir é inicializado com uma ramificação específica:

Bash

databricks bundle init --branch main

pacote databricks aberto

Navegue até um recurso de pacote em “ workspace”, especificando o recurso a ser aberto. Se um recurso key não for especificado, este comando exibe uma lista dos recursos do pacote a partir da qual é possível escolher.

databricks bundle open [flags]

Opções

--force-pull

Ignorar o cache local e carregar o estado do remoto workspace

Bandeiras globais

Exemplos

O exemplo a seguir inicia um navegador e navega até o painel baby_gender_by_county no pacote em Databricks workspace que está configurado para o pacote:

Bash

databricks bundle open baby_gender_by_county

pacote de execução do databricks

Executar uma tarefa, um pipeline ou um script. Se não especificar um recurso, o comando solicitará que você selecione entre os trabalhos, pipelines e scripts definidos. Como alternativa, especifique o nome da tarefa ou o nome do script pipeline ou key declarado nos arquivos de configuração do pacote.

databricks bundle run [flags] [KEY]

Validar um pipeline

Se o senhor quiser fazer uma execução de validação de pipeline, use a opção --validate-only, conforme mostrado no exemplo a seguir:

Bash

databricks bundle run --validate-only my_pipeline

Passar parâmetros do trabalho

Para passar parâmetros de trabalho, use a opção --params, seguida por parâmetros separados por vírgula key-value, em que key é o nome do parâmetro. Por exemplo, o comando a seguir define o parâmetro com o nome message para HelloWorld para o Job hello_job:

Bash

databricks bundle run --params message=HelloWorld hello_job

nota

Conforme demonstrado nos exemplos a seguir, é possível passar parâmetros para a tarefa Job utilizando as opções da tarefa Job, porém a opção --params é o método recomendado para passar parâmetros da tarefa Job. Ocorre um erro se os parâmetros da tarefa forem especificados para uma tarefa que não possui parâmetros de tarefa definidos ou se os parâmetros da tarefa forem especificados para uma tarefa que possui parâmetros de tarefa definidos.

Você também pode especificar argumentos posicionais ou de palavra-chave. Se a tarefa especificada utilizar parâmetros de tarefa ou se a tarefa tiver um caderno de tarefas com parâmetros, os nomes dos sinalizadores serão mapeados para os nomes dos parâmetros:

Bash

databricks bundle run hello_job -- --key1 value1 --key2 value2

Python Ou, se a tarefa especificada não utilizar parâmetros de tarefa e a tarefa tiver um arquivo tarefa ou um arquivo Python wheel:

Bash

databricks bundle run my_job -- value1 value2 value3

Executar scripts

Para executar scripts, como testes de integração com as credenciais de autenticação configuradas de um pacote, é possível executar scripts inline ou executar um script definido na configuração do pacote. Os scripts são executados utilizando o mesmo contexto de autenticação configurado no pacote.

• Adicione um hífen duplo (--) após bundle run para executar scripts inline. Por exemplo, o comando a seguir exibe o diretório de trabalho atual do usuário atual:

  Bash

  databricks bundle run -- python3 -c 'import os; print(os.getcwd())'

• Como alternativa, defina um script dentro do mapeamento scripts na configuração do seu pacote e, em seguida, utilize bundle run para executar o script:

  YAML

  scripts:
    my_script:
      content: python3 -c 'import os; print(os.getcwd())'
  Bash

  databricks bundle run my_script

  Para obter mais informações sobre a configuração do scripts, consulte scripts e scripts.

As informações de autenticação do pacote são transmitidas aos processos secundários usando a variável de ambiente. Consulte Autenticação unificada do Databricks.

Argumentos

KEY

O identificador único do recurso para execução (opcional)

Opções

--no-wait

Não aguarde a conclusão da execução.

--restart

Reinicie a execução se ela já estiver em andamento.

Bandeiras globais

Job Bandeiras

Os seguintes sinalizadores são sinalizadores de parâmetros no nível da tarefa. Consulte Configurar parâmetros da tarefa.

--params stringToString

pares k=v separados por vírgulas para parâmetros de tarefa (default [])

Job Bandeiras tarefa

Os seguintes sinalizadores são sinalizadores de parâmetros no nível da tarefa. Consulte Configurar parâmetros da tarefa. Databricks Recomenda-se utilizar parâmetros de nível de tarefa (--params) em vez de parâmetros de nível de tarefa.

--dbt-commands strings

Uma lista de comandos a serem executados para a tarefa com DBT tarefa.

--jar-params strings

Spark JAR tarefa.

--notebook-params stringToString

Um mapa de valores para a tarefa Job com o caderno tarefa. (default [])

--pipeline-params stringToString

Um mapa de valores para a tarefa Job com pipeline tarefa. (default [])

--python-named-params stringToString

Um mapa de valores para a tarefa Job com Python wheel. (default [])

--python-params strings

Uma lista de parâmetros para a tarefa Job com Python.

--spark-submit-params strings

Uma lista de parâmetros para tarefas com o comando “ Spark ”.

--sql-params stringToString

Um mapa de valores para a tarefa Job com SQL tarefa. (default [])

Sinalizadores de pipeline

Os seguintes sinalizadores são sinalizadores de pipeline.

--full-refresh strings

Lista de tabelas a serem reiniciadas e recalculadas.

--full-refresh-all

Realize uma reinicialização completa do gráfico e recalcule.

--refresh strings

Lista de tabelas a serem atualizadas.

--refresh-all

Realize uma atualização completa do gráfico.

--validate-only

Realize uma atualização para validar a exatidão do gráfico.

Exemplos

O exemplo a seguir executa um trabalho hello_job no destino default:

Bash

databricks bundle run hello_job

O exemplo a seguir executa uma tarefa hello_job no contexto de um destino declarado com o nome dev:

Bash

databricks bundle run -t dev hello_job

O exemplo a seguir cancela e reinicia uma execução de tarefa existente:

Bash

databricks bundle run --restart hello_job

O exemplo a seguir executa um pipeline com refresh completo:

Bash

databricks bundle run my_pipeline --full-refresh-all

O exemplo a seguir executa um comando no contexto do pacote:

Bash

databricks bundle run -- echo "hello, world"

esquema de pacote databricks

Exibir o esquema JSON para a configuração do pacote.

databricks bundle schema [flags]

Opções

Bandeiras globais

Exemplos

O exemplo a seguir exibe o esquema JSON para a configuração do pacote:

Bash

databricks bundle schema

Para gerar o esquema de configuração do pacote como um arquivo JSON, execute o comando bundle schema e redirecione a saída para um arquivo JSON. Por exemplo, você pode gerar um arquivo chamado bundle_config_schema.json no diretório atual:

Bash

databricks bundle schema > bundle_config_schema.json

resumo do pacote databricks

Gere um resumo da identidade e do recurso de um pacote, incluindo links diretos para o recurso, para que você possa navegar facilmente até o recurso no Databricks workspace.

databricks bundle summary [flags]

dica

Também é possível utilizar bundle open para navegar até um recurso no Databricks workspace. Veja o pacote databricks aberto.

Opções

--force-pull

Ignorar o cache local e carregar o estado do remoto workspace

Bandeiras globais

Exemplos

O exemplo a seguir exibe um resumo do recurso implantado de um pacote:

Bash

databricks bundle summary

A saída a seguir é o resumo de um pacote denominado “ my_pipeline_bundle ” que define um Job e um “ pipeline”:

Name: my_pipeline_bundle
Target: dev
Workspace:
  Host: https://myworkspace.cloud.databricks.com
  User: someone@example.com
  Path: /Users/someone@example.com/.bundle/my_pipeline/dev
Resources:
  Jobs:
    my_project_job:
      Name: [dev someone] my_project_job
      URL:  https://myworkspace.cloud.databricks.com/jobs/206000809187888?o=6051000018419999
  Pipelines:
    my_project_pipeline:
      Name: [dev someone] my_project_pipeline
      URL:  https://myworkspace.cloud.databricks.com/pipelines/7f559fd5-zztz-47fa-aa5c-c6bf034b4f58?o=6051000018419999

sincronização de pacotes databricks

Realize uma sincronização unidirecional das alterações nos arquivos de um pacote dentro de um diretório do sistema de arquivos local para um diretório dentro de um Databricks workspace.

nota

bundle sync O comando não pode sincronizar alterações de arquivos de um diretório em um sistema de arquivos remoto Databricks workspace, de volta para um diretório em um sistema de arquivos local.

databricks bundle sync [flags]

databricks bundle sync Os comandos funcionam da mesma forma que um comando d databricks sync e são fornecidos para facilitar a produtividade. Para obter informações sobre o uso do comando, consulte sync comando.

Opções

--dry-run

Simule a execução da sincronização sem fazer alterações reais

--full

Realizar sincronização completa (default é incremental)

--interval duration

Intervalo de pesquisa do sistema de arquivos (para --watch) (default 1s)

--output type

Tipo do formato de saída

--watch

Observe as alterações no sistema de arquivos local

Bandeiras globais

Exemplos

O exemplo a seguir executa uma sincronização de execução seca:

Bash

databricks bundle sync --dry-run

O exemplo a seguir monitora as alterações e sincroniza automaticamente:

Bash

databricks bundle sync --watch

O exemplo a seguir executa uma sincronização completa:

Bash

databricks bundle sync --full

validação do pacote databricks

Verifique se os arquivos de configuração do pacote estão sintaticamente corretos.

databricks bundle validate [flags]

Em default, esse comando retorna um resumo da identidade do pacote:

Output

Name: MyBundle
Target: dev
Workspace:
  Host: https://my-host.cloud.databricks.com
  User: someone@example.com
  Path: /Users/someone@example.com/.bundle/MyBundle/dev

Validation OK!

nota

O comando bundle validate emite avisos se as propriedades do recurso forem definidas nos arquivos de configuração do pacote e não forem encontradas no esquema do objeto correspondente.

Se o senhor quiser gerar apenas um resumo da identidade e do recurso do pacote, use bundle summary.

Opções

Bandeiras globais

Exemplos

O exemplo a seguir valida a configuração do pacote:

Bash

databricks bundle validate

Bandeiras globais

--debug

Se deve habilitar o registro de depuração.

-h ou --help

Exibir ajuda para o comando Databricks CLI ou para o grupo de comandos relacionado ou para o comando relacionado.

--log-file string

Uma string que representa o arquivo no qual a saída logs deve ser gravada. Se este sinalizador não for especificado, o default deverá gravar a saída logs no stderr.

--log-format Formato

O tipo de formato do log, text ou json. O valor de default é text.

--log-level string

Uma string que representa o nível de formato do log. Se não for especificado, o nível de formato do log será desativado.

-o, --output Tipo

O tipo de saída do comando, text ou json. O valor de default é text.

-p, --profile string

O nome do perfil no arquivo ~/.databrickscfg a ser utilizado para executar o comando. Se esse sinalizador não for especificado, se existir, o perfil chamado DEFAULT será usado.

--progress-format Formato

O formato para exibir o progresso logs: default, append, inplace ou json

-t, --target string

Se aplicável, o destino do pacote a ser usado

--var strings

defina valores para variáveis definidas na configuração do pacote. Exemplo: --var="foo=bar"