1.183 Einträge aus 1 Quelle. Zuletzt aktualisiert:
Folge Databricks, um die Release Notes in deinen Feed zu holen.
Datum aus der Quelle.
Erstmals gesehen am .
Vector Search wurde in AI Search umbenannt, und es lassen sich nun Volltextsuchindizes ohne Vektoren oder Embeddings erstellen.
Vector Search has been renamed to AI Search. You can now create full text search indexes without any vectors or embeddings needed. See Databricks AI Search.
Datum aus der Quelle.
Erstmals gesehen am .
Im Catalog Explorer zeigt der Tab Overview einer Tabelle nun die beliebtesten Spalten an, ermittelt anhand der Anzahl der Abfragen, die eine Spalte lesen.
Column popularity is now available in the Catalog Explorer UI. To find the most popular columns in a table, go to the table's Overview tab. Popularity is determined by the number of queries against the table that read from a given column. See Popularity.
Datum aus der Quelle.
Erstmals gesehen am .
Query-basierte Connectors in Lakeflow Connect sind allgemein verfügbar und lesen Daten per Cursor-Spalte direkt aus Quellen wie Oracle, Teradata, SQL Server, MySQL, MariaDB, PostgreSQL und Lakehouse-Federation-Quellen, ohne CDC-Konfiguration oder Ingestion Gateway.
Query-based connectors in Lakeflow Connect are now generally available. Query-based connectors ingest data from databases by querying the source directly using a cursor column, without requiring change data capture (CDC) configuration or an ingestion gateway. Supported sources include Oracle, Teradata, SQL Server, MySQL, MariaDB, and PostgreSQL, as well as all Lakehouse Federation data sources using foreign catalog ingestion. See Query-based connectors.
Datum aus der Quelle.
Erstmals gesehen am .
Databricks Apps können nun über mehrere Instanzen hinter einer App-URL laufen und bieten höhere Verfügbarkeit, Deployments ohne Ausfallzeit und Session Affinity, wobei bestehende Apps umgestellt werden können und optional ohne vorinstallierte Python-Bibliotheken laufen.
You can now run a Databricks app across multiple instances behind a single app URL. Horizontal scaling provides higher availability, zero-downtime deployments, and session affinity, which routes every request from a given user to the same instance so the app can keep per-user data on that instance. Convert an existing standard app to horizontally scaled, or enable horizontal scaling when creating a new app. Converted apps can also opt out of pre-installed Python libraries to run on a clean base OS image.
See Horizontal scaling for Databricks apps and Opt out of pre-installed Python libraries for Databricks apps.
Datum aus der Quelle.
Erstmals gesehen am .
Lakeflow Designer erhält unter anderem KI-generierte Beschreibungen für Operatoren, einen Combine-Operator für beliebig viele Eingabetabellen, eigene Join-Bedingungen, besser lesbare Datumsfilter, Ausgaben wie Plots und HTML in der Vorschau sowie einen konfigurierbaren Ausgabebereich.
The following updates were made to Lakeflow Designer:
Datum aus der Quelle.
Erstmals gesehen am .
Structured Streaming behandelt bei der Deduplizierung NaN-Werte mit unterschiedlichen Bitmustern in double- oder float-Schlüsselspalten nun als Duplikate, und ein Fehler wurde behoben, bei dem Berechtigungen auf Unity Catalog Foreign-Catalog-Tabellen beim Metadaten-Refresh entfernt wurden und INSUFFICIENT_PERMISSIONS-Fehler auslösten.
NaN keys: Structured Streaming deduplication now treats NaN (Not-a-Number) values that have different bit patterns as duplicates when a double or float column is used as a deduplication key. Previously, NaN values with different internal representations were treated as distinct and were not deduplicated.INSUFFICIENT_PERMISSIONS errors. Permissions are now preserved when foreign table metadata is refreshed.Datum aus der Quelle.
Erstmals gesehen am .
Databricks Model Serving unterstützt nun Anthropic Claude Opus 4.8 als Databricks-gehostetes Modell, nutzbar über die Foundation Model APIs mit Pay-per-Token.
Databricks Model Serving now supports Anthropic Claude Opus 4.8 as a Databricks-hosted model.
To access this model, use:
Datum aus der Quelle.
Erstmals gesehen am .
Externe Engines können Unity Catalog Managed Tables (Delta und Iceberg) nun lesen, wobei attributbasierte Zugriffskontrollen (ABAC), Zeilenfilter und Spaltenmasken serverseitig durchgesetzt werden.
External engines can now read Unity Catalog managed tables (Delta and Iceberg) with attribute-based access controls (ABAC), row filters, and column masks enforced server-side. See Cross-engine attribute-based access controls (ABAC).
Datum aus der Quelle.
Erstmals gesehen am .
Der Real-time mode in Spark Declarative Pipelines on Lakeflow ist als Public Preview verfügbar, erreicht Latenzen von bis zu fünf Millisekunden und nutzt den neuen Decorator update_flow, der im Update-Ausgabemodus in Sinks schreibt und zustandsbehaftete Aggregationen ohne Watermark unterstützt.
Real-time mode in Spark Declarative Pipelines on Lakeflow is now in Public Preview. Achieve end-to-end latency as low as five milliseconds for operational streaming workloads such as fraud detection, real-time personalization, and instant decision-making. Real-time mode uses the new update_flow decorator, which writes to sinks using update output mode and supports stateful aggregations without requiring a watermark. See Use real-time mode in Lakeflow pipelines and update_flow.
Datum aus der Quelle.
Erstmals gesehen am .
Der Google Drive Connector in Lakeflow Connect ist in Beta verfügbar und lädt unstrukturierte und strukturierte Dateien (CSV, JSON, XML, Excel, Parquet, Avro, ORC) sowie Dateimetadaten aus Google Drive in Databricks.
The Google Drive connector in Lakeflow Connect is now available in Beta. The connector allows you to ingest files from Google Drive into Databricks. Both unstructured (binary) and structured (CSV, JSON, XML, Excel, Parquet, Avro, ORC) ingestion are supported, as well as file metadata ingestion. See Google Drive connector.
Datum aus der Quelle.
Erstmals gesehen am .
Workspace-Admins können den Standard-Timeout für Serverless-Notebooks nun unter Settings > Compute in den Admin-Einstellungen festlegen (Standard 2,5 Stunden), während Nutzer ihn pro Notebook weiterhin mit spark.databricks.execution.timeout überschreiben können.
Workspace admins can now set the default execution timeout for serverless notebooks in the workspace admin settings, replacing the previous manual override process. To configure the timeout, go to Settings > Compute and, under Serverless interactive, update the Serverless interactive execution timeout setting.
The default timeout is 2.5 hours, and users can still override the timeout for an individual notebook by using spark.databricks.execution.timeout. See Serverless overspend protection.
Datum aus der Quelle.
Erstmals gesehen am .
Refresh Policies zur Steuerung von inkrementellem oder vollständigem Refresh sowie EXPLAIN CREATE MATERIALIZED VIEW zur Prüfung der Inkrementalisierbarkeit einer Abfrage sind für Materialized Views allgemein verfügbar, in Databricks SQL und Databricks Runtime 17.3 und höher.
Refresh policies and the EXPLAIN CREATE MATERIALIZED VIEW statement are now generally available for materialized views. Use refresh policies to control when Databricks performs incremental or full refresh, optimizing cost and predictability. Use EXPLAIN CREATE MATERIALIZED VIEW to check whether a query can be incrementalized before defining the materialized view. Available in Databricks SQL and Databricks Runtime 17.3 and above. See Incremental refresh for materialized views.
Datum aus der Quelle.
Erstmals gesehen am .
Die Slash-Befehle /settings und /rename stehen im Chat-Bereich des Genie Code Assistant im Notebook nicht mehr zur Verfügung, Einstellungen und Umbenennungen erfolgen stattdessen über die Notebook-Oberfläche.
The /settings and /rename slash commands are no longer available in the notebook Genie Code Assistant chat pane. Adjust notebook settings and rename notebooks from the notebook UI instead.
Other slash commands, such as /doc, /explain, /fix, /optimize, and /prettify, are unchanged. See Use slash commands for prompts.
Datum aus der Quelle.
Erstmals gesehen am .
Automatic identity management mit Microsoft Entra ID ist allgemein verfügbar und synchronisiert Benutzer, Service Principals und Gruppen ohne SCIM-Provisionierung nach Databricks, inklusive synchronisierter Gruppenmitgliedschaften.
Automatic identity management with Microsoft Entra ID is now generally available. Automatic identity management lets you sync users, service principals, and groups from Microsoft Entra ID to Databricks without SCIM provisioning. When enabled, you can search for identities in identity federated workspaces and add them directly to your workspace, and group memberships stay in sync with Microsoft Entra ID.
See Automatic identity management and Configure Microsoft Entra ID for automatic identity management.
Datum aus der Quelle.
Erstmals gesehen am .
Pipeline-Parameter ermöglichen es, Schlüssel-Wert-Paare auf Pipeline-Ebene zu definieren und im SQL-Quellcode über die Syntax benannter Parameter zu referenzieren.
Pipeline parameters let you define key-value pairs at the pipeline level and reference them from SQL source code using named parameter syntax. See Use parameters with pipelines.
Datum aus der Quelle.
Erstmals gesehen am .
Für unterstützte Databricks-Runtime-Versionen (18.2, 18.1, 18.0, 17.3 LTS, 16.4 LTS, 15.4 LTS, 14.3 LTS und 13.3 LTS) sind neue Wartungsupdates mit Fehlerbehebungen, Sicherheitspatches und Leistungsverbesserungen verfügbar.
New maintenance updates are available for supported Databricks Runtime versions. These updates include bug fixes, security patches, and performance improvements. For details, see:
Datum aus der Quelle.
Erstmals gesehen am .
Databricks SQL 2026.15 ist im Preview-Kanal verfügbar; XPath lädt keine externen DTDs mehr, und NULL-Structs bleiben bei INSERT, MERGE und Streaming-Schreibvorgängen mit Schema Evolution jetzt NULL statt als Struct mit lauter NULL-Feldern gespeichert zu werden.
Databricks SQL version 2026.15 is now available in the Preview channel. Review the following section to learn about new features, behavioral changes, and bug fixes.
When you evaluate xpath over XML, Databricks no longer loads external Document Type Definitions (DTDs) declared in the document. Previously, XPath could fail when the XML contained an external DTD reference that pointed to a malformed URL or an unreachable endpoint. Because DTD validation is separate from XPath evaluation, queries that already succeeded return the same results as before. Queries that previously failed only during external DTD retrieval can now succeed.
For INSERT, MERGE, and streaming writes that use schema evolution, a NULL struct in the source is now stored as NULL in the target. Previously, that value was incorrectly materialized as a non-null struct with every field set to NULL, while the same operations without schema evolution preserved NULL structs correctly. If your code relied on receiving a non-null struct whose fields were all NULL, update your code to handle a NULL struct instead.
Datum aus der Quelle.
Erstmals gesehen am .
Der Genie Code Agent mode ist für Workspaces mit aktiviertem Compliance Security Profile und ausgewählten HIPAA-, PCI-DSS- und FedRAMP-Moderate-Kontrollen jetzt standardmäßig verfügbar und kann mehrstufige Aufgaben aus einem einzigen Prompt automatisieren.
Genie Code Agent mode is now available by default for workspaces with the compliance security profile enabled and HIPAA, PCI-DSS, and FedRAMP Moderate controls selected.
With Agent mode, Genie Code can automate multiple steps from a single prompt, including retrieving relevant assets, generating and running code, fixing errors automatically, and visualizing results.
See Genie Code.
Datum aus der Quelle.
Erstmals gesehen am .
Account-Admins können in Databricks-Accounts auf AWS und GCP mit Automatic identity management Benutzer, Gruppen oder Service Principals auf eine Denylist setzen, um ihnen den Zugriff zu sperren, wobei die Sperre transitiv auch alle Gruppenmitglieder betrifft.
The account access denylist is now available in Public Preview for Databricks accounts on AWS and GCP that use automatic identity management. Account admins can add users, groups, or service principals to the denylist to block their access to the Databricks account. Denylist membership is transitive — denying a group also denies all of its members.
See Deny identities access to your account.
Datum aus der Quelle.
Erstmals gesehen am .
Databricks Runtime 18 und Databricks Runtime 18 for Machine Learning sind in Beta auf Basis von Apache Spark 4.1.0 verfügbar und nutzen erstmals ein einheitliches Release-Notes-Format, bei dem spätere Funktionen als datierte Updates von Runtime 18 erscheinen.
Databricks Runtime 18 and Databricks Runtime 18 for Machine Learning are now in Beta, powered by Apache Spark 4.1.0.
Databricks Runtime 18 is the first release to use a unified release notes format. Previously, each feature version (18.0, 18.1, 18.2) had its own release notes page. Features that would previously have shipped as 18.3 or later now ship as dated updates to Databricks Runtime 18. For more information, see About unified release notes.