Dedizierte Computeanforderungen und Einschränkungen

Auf dieser Seite werden Anforderungen und Einschränkungen für dedizierte Rechenressourcen beschrieben. Die meisten spezifischen Rechenbeschränkungen sind laufzeitabhängig, da die Unterstützung von Funktionen im Laufe der Zeit hinzugefügt wurde.

Dedizierte Rechenressourcen, die einer Gruppe zugewiesen sind, haben zusätzliche Einschränkungen. Siehe Gruppenzugriffseinschränkungen.

Unterstützung für feingranulare Zugriffskontrolle

Die feinkörnige Zugriffssteuerung wird auf dedizierten Rechenressourcen unter bestimmten Voraussetzungen unterstützt:

• Ihr Arbeitsbereich muss für die serverlose Berechnung aktiviert sein.
• Lesevorgänge werden unter Databricks Runtime 15.4 LTS und höher unterstützt.
• Schreibvorgänge werden für Databricks Runtime 16.3 und höher unterstützt. Weitere Informationen finden Sie unter "Support für DDL", "SHOW", "DESCRIBE" und andere Befehle.

• Wenn Ihr Arbeitsbereich mit einer Firewall bereitgestellt wurde oder einschränkungen für ausgehende Netzwerke aufweist, müssen Sie ports 8443-8451 öffnen, um eine differenzierte Zugriffssteuerung auf dedizierten Compute zu ermöglichen. Weitere Informationen finden Sie unter Bereitstellen von Azure Databricks in Ihrem virtuellen Azure-Netzwerk (VNet-Injektion).

Wenn Ihre dedizierte Berechnung auf Databricks Runtime 15.3 oder unten ausgeführt wird:

• Sie haben keinen Zugriff auf eine Tabelle mit Zeilenfilter oder Spaltenmaske.
• Sie können nicht auf dynamische Ansichten zugreifen.
• Um aus einer beliebigen Ansicht zu lesen, benötigen Sie SELECT für alle Tabellen und Ansichten, auf die von der Ansicht verwiesen wird.

Anforderungen für Streaming und materialisierte Sichten auf dedizierte Rechenressourcen

• Um eine Tabelle abzufragen, die ein anderer Benutzer mit Lakeflow Spark Declarative Pipelines erstellt hat, einschließlich Streamingtabelle und materialisierter Ansicht, muss Ihr Arbeitsbereich für die serverlose Berechnung aktiviert sein, und Ihre dedizierte Berechnung muss sich auf Databricks Runtime 15.4 oder höher befinden. Siehe Verwenden von Streamingtabellen in Databricks SQL und Verwenden materialisierter Ansichten in Databricks SQL.
• Asynchrone Prüfpunkte werden unter Databricks Runtime 12.2 LTS und höher unterstützt.
• Die Verwendung StreamingQueryListener für die Interaktion mit Objekten, die vom Unity-Katalog verwaltet werden, wird unter Databricks Runtime 15.1 und höher unterstützt.
• Python foreachBatch unterstützt ThreadPoolExecutor weder die Multithreadausführung noch die Ausführung mit mehreren Threads. Die Multithreadausführung löst möglicherweise keine Fehler aus, kann aber zu Datenbeschädigungen oder inkonsistenten Ergebnissen führen.