Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Dieser Artikel soll eine klare und fundierte Anleitung für die Terminplanung von Produktionsaufträgen bieten. Die Verwendung bewährter Methoden kann dazu beitragen, Kosten zu senken, die Leistung zu verbessern und die Sicherheit zu erhöhen.
| Bewährte Methode | Auswirkung | Doktoren |
|---|---|---|
| Serverlose Berechnung für Aufträge verwenden | Kosten: Serverlose Aufträge erfordern keine Clusterkonfiguration. Azure Databricks verwaltet die Bereitstellung und Skalierung automatisch. | |
| Verwenden Sie Lakeflow-Aufträge für die Orchestrierung, wann immer möglich | Cost: Es ist nicht erforderlich, externe Tools zur Orchestrierung zu verwenden, wenn Sie nur Workloads für Azure Databricks orchestrieren. | |
| Verwenden von Dienstprinzipalen anstelle von Benutzerkonten zum Ausführen von Produktionsaufträgen | Sicherheit: Wenn Aufträge im Besitz einzelner Benutzer sind, können diese Aufträge nicht mehr ausgeführt werden, wenn diese Benutzer die Organisation verlassen. | |
| Für klassische Berechnung: Verwenden von Auftragsclustern für automatisierte Workflows | Kosten: Job-Cluster werden zu niedrigeren Tarifen als interaktive Cluster abgerechnet. | |
| Für klassische Rechenressourcen: Starten Sie lang laufende Cluster neu | Sicherheit: Starten Sie Cluster neu, um Patches und Fehlerbehebungen für die Databricks Runtime zu nutzen. | |
| Für klassische Compute: verwenden Sie die neueste LTS-Version von Databricks Runtime. | Performance und Kosten: Azure Databricks verbessert immer databricks Runtime für Benutzerfreundlichkeit, Leistung und Sicherheit. | |
| Für klassische Rechenvorgänge: Speichern Sie keine Produktionsdaten im DBFS-Stammverzeichnis. | Sicherheit: Wenn Daten im DBFS-Stamm gespeichert werden, können alle Benutzer darauf zugreifen. |