Folge Databricks, um die Release Notes in deinen Feed zu holen.
Der Jira-Connector in Lakeflow Connect liest Jira-Issues, Kommentare und Metadaten von Anhängen in Databricks ein.
The Jira connector in Lakeflow Connect enables you to ingest Jira issues, comments, and attachments metadata into Databricks. See Configure Jira for ingestion.
Der vollständig verwaltete Microsoft Dynamics 365 Connector in Lakeflow Connect liest Daten aus Dynamics-365-Anwendungen wie Sales, Customer Service und Finance & Operations in Databricks ein.
The fully-managed Microsoft Dynamics 365 connector in Lakeflow Connect allows you to ingest data from Dynamics 365 applications like Sales, Customer Service, Finance & Operations, and more into Databricks. See Configure data source for Microsoft Dynamics 365 ingestion.
Der Besitzer von in Databricks SQL definierten Materialized Views oder Streaming Tables lässt sich jetzt über den Catalog Explorer ändern.
You can now change the owner for materialized views or streaming tables defined in Databricks SQL through Catalog Explorer. For materialized view details, see Configure standalone materialized views. For streaming table details, see Use standalone streaming tables.
Auto Loader mit File Events ist allgemein verfügbar und erkennt Dateien so effizient wie Benachrichtigungen bei der einfachen Einrichtung des Directory Listing; es ist der empfohlene Weg für Unity Catalog.
Auto Loader with file events is now GA. With this feature, Auto Loader can discover files with the efficiency of notifications while retaining the setup simplicity of directory listing. This is the recommended way to use Auto Loader (and particularly file notifications) with Unity Catalog. Learn more here.
To start using Auto Loader with file events, see the following:
In Spark Declarative Pipelines on Lakeflow lassen sich Streams in Python mit einem ForEachBatch-Sink als Folge von Micro-Batches verarbeiten (Public Preview).
You can now process streams in Spark Declarative Pipelines on Lakeflow as a series of micro-batches in Python, using a ForEachBatch sink. The ForEachBatch sink is available in public preview.
See Use ForEachBatch to write to arbitrary data sinks in pipelines.
Databricks Runtime 18.0 und 18.0 ML sind als Beta auf Basis von Apache Spark 4.1.0 verfügbar, mit JDK 21 als Standard, neuen Funktionen für Jobs und Streaming sowie Bibliotheks-Upgrades.
Databricks Runtime 18.0 and Databricks Runtime 18.0 ML are now in Beta, powered by Apache Spark 4.1.0. The release includes JDK 21 as the default, new features for jobs and streaming, and library upgrades.
See Databricks Runtime 18.0 (EoS) and Databricks Runtime 18.0 for Machine Learning (EoS).
Für unterstützte Databricks-Runtime-Versionen von 12.2 LTS bis 17.3 LTS stehen neue Wartungsupdates mit Fehlerbehebungen, Sicherheitspatches und Leistungsverbesserungen bereit.
New maintenance updates are available for supported Databricks Runtime versions. These updates include bug fixes, security patches, and performance improvements. For details, see:
Die Lakeflow-System-Tabellen jobs, job_tasks, job_run_timeline, job_task_run_timeline und pipelines enthalten neue Spalten für besseres Job-Monitoring und Troubleshooting, die für Zeilen vor Anfang Dezember 2025 nicht befüllt sind.
New columns are now available in the Lakeflow system tables to provide enhanced job monitoring and troubleshooting capabilities:
jobs table: trigger, trigger_type, run_as_user_name, creator_user_name, paused, timeout_seconds, health_rules, deployment, create_time
job_tasks table: timeout_seconds, health_rules
job_run_timeline table: source_task_run_id, root_task_run_id, compute, termination_type, setup_duration_seconds, queue_duration_seconds, run_duration_seconds, cleanup_duration_seconds, execution_duration_seconds
job_task_run_timeline table: compute, termination_type, task_parameters, setup_duration_seconds, cleanup_duration_seconds, execution_duration_seconds
pipelines table: create_time
These columns are not populated for rows emitted before early December 2025. See Jobs system table reference.
Neue Recipient-Tokens für Delta Sharing Open Sharing laufen nach höchstens einem Jahr ab, und bestehende Tokens mit längerer oder ohne Laufzeit verfallen automatisch am 8. Dezember 2026, weshalb Integrationen geprüft und Tokens rechtzeitig erneuert werden sollten.
All new Delta Sharing open sharing recipient tokens are issued with a maximum expiration of one year from the date of creation. Tokens with an expiration period longer than one year or no expiration date can no longer be created.
Existing open sharing recipient tokens issued before December 8, 2025, with expiration dates after December 8, 2026, or with no expiration date, automatically expire on December 8, 2026. If you currently use recipient tokens with long or unlimited lifetimes, review your integrations and renew tokens as needed to avoid breaking changes after this date.
See Create a recipient object for non-Databricks users using bearer tokens (Databricks-to-Open sharing).
Die Compliance-Standards C5 und TISAX können nun in allen Regionen und mit Serverless Compute genutzt werden.
You can now use the Cloud Computing Compliance Criteria Catalogue (C5) and the Trusted Information Security Assessment Exchange (TISAX) compliance standards in all regions and with serverless compute. See Compliance security profile.
Der Vector Search Reranker ist allgemein verfügbar und kann die Qualität der Suchergebnisse verbessern.
The Vector Search reranker is now generally available. Reranking can help improve retrieval quality. For more information, see Use the reranker in a query.
Genie stellt bei Mehrdeutigkeiten bessere Rückfragen, der Research Agent (Beta) wurde vereinfacht, Benchmarks enthalten LLM-Erklärungen zu Fehlern, Ergebnistabellen werden bei vollständiger Zusammenfassung eingeklappt und Formatierungsanweisungen werden besser befolgt.
Databricks kann Excel-Dateien jetzt integriert lesen, sodass sie ohne externe Bibliotheken direkt mit Spark DataFrames abgefragt werden können.
Databricks now provides built-in support for reading Excel files. You can query Excel files directly using Spark DataFrames without external libraries. See Read and stream Excel files.
Die Kopfzeilen von Pivot-Tabellen in Dashboards werden deutlich schneller gerendert, und das Scrollen ruckelt weniger.
Das Limit für SQL-Snippets und JOIN-Beziehungen in einem Genie Agent wurde auf 200 erhöht, der Research Agent (Beta) zeigt Startfragen, Genie schlägt automatisch Benchmarks vor, und ein Berechtigungsproblem für Nutzer mit CAN EDIT beim Knowledge Store wurde behoben.
JOIN relationships in a Genie Agent (formerly Genie Space) has been increased to 200.Die Abfrage des Event Logs nach Metriken zum Fortschritt eines Streams in Spark Declarative Pipelines on Lakeflow ist jetzt allgemein verfügbar.
Spark Declarative Pipelines on Lakeflow support for querying the event log for metrics about the progress of a stream is now generally available. See Monitor pipeline streaming metrics.
Mosaic AI Model Serving unterstützt jetzt Anthropic Claude Opus 4.5 als Databricks-gehostetes Modell, nutzbar über Foundation Model APIs pay-per-token und Batch-Inferenz mit AI Functions.
Mosaic AI Model Serving now supports Anthropic Claude Opus 4.5 as a Databricks-hosted model.
To access this model, use:
Bei verwalteten Datenbank-Konnektoren wie SQL Server in Lakeflow Connect lässt sich nun planen, wann Full-Refresh-Snapshots stattfinden, und ein automatischer Full Refresh zur Behebung nicht unterstützter Schemaänderungen aktivieren.
You can now schedule when full refresh snapshots occur and enable automatic full refresh to recover from unsupported schema changes. This applies to managed database connectors like SQL Server in Lakeflow Connect. See Configure full refresh behavior for database connectors.
Classic-Workspaces können jetzt per AWS IAM Temporary Delegation automatisiert erstellt werden, wobei Databricks vorübergehend IAM-Rollen, S3-Bucket, Zugriffsrichtlinien und Customer-managed VPC bereitstellt und dieser Ablauf das AWS-Quickstart-Template ersetzt.
You can now automate the creation of classic workspaces using AWS IAM temporary delegation, which grants Databricks temporary access to provision the required IAM roles, S3 bucket, access policies, and customer-managed VPC in your AWS account. This workspace creation flow replaces the AWS Quickstart template.
See Create a classic workspace.
In Notebook-Zellen, Dateien und im neuen SQL-Editor können mehrere Nutzer jetzt gleichzeitig dieselbe Zelle bearbeiten und die Änderungen der anderen sehen.
Real-time collaboration is now available in notebook cells, files, and the new SQL editor. Multiple users can edit the same cell simultaneously and can view each other's edits. For more information, see Collaborate using Databricks notebooks.