Folge Databricks, um die Release Notes in deinen Feed zu holen.
Databricks Runtime 17.3 LTS sowie Databricks Runtime 17.3 LTS for Machine Learning sind jetzt allgemein verfügbar.
Databricks Runtime 17.3 LTS is now generally available. See Databricks Runtime 17.3 LTS and Databricks Runtime 17.3 LTS for Machine Learning.
Mosaic AI Model Serving unterstützt Alibaba Clouds Qwen3-Next 80B A3B Instruct als von Databricks gehostetes Modell in den Regionen us-west-2 und ap-northeast-1, abrufbar über Foundation Model APIs pay-per-token und als Beta verfügbar.
Mosaic AI Model Serving now supports Alibaba Cloud's Qwen3-Next 80B A3B Instruct as a Databricks-hosted model in the us-west-2 and ap-northeast-1 regions. This model can be accessed using Foundation Model APIs pay-per-token.
Qwen3-Next 80B A3B Instruct is available in Beta. See Manage Databricks previews for guidance on how to enable this model based on your Databricks plan tier.
Compatibility Mode erzeugt eine automatisch synchronisierte, schreibgeschützte Version von Unity-Catalog-Tabellen, Streaming Tables oder Materialized Views, damit externe Delta-Lake- und Iceberg-Clients wie Amazon Athena, Snowflake und Microsoft Fabric sie lesen können.
Compatibility Mode is now in Public Preview. Compatibility Mode generates a read-only version of a Unity Catalog managed table, streaming table, or materialized view that is automatically synced with the original table. This enables external Delta Lake and Iceberg clients, such as Amazon Athena, Snowflake, and Microsoft Fabric to read your tables and views without sacrificing performance on Databricks. You can configure how often your read-only versions are refreshed, up to near real-time.
See Compatibility Mode.
Neu erstellte Managed Tables in Databricks Runtime 16.0 und höher verwenden standardmäßig Zstandard (Zstd) statt Snappy, während bestehende Tabellen ihren Codec behalten und sich über delta.parquet.compression.codec ändern lassen.
All newly created managed tables in Databricks Runtime 16.0 and above now use Zstandard (Zstd) compression by default instead of Snappy.
Existing tables continue to use their current compression codec. To change the compression codec for an existing table, set the delta.parquet.compression.codec table property. See Table properties reference.
Für unterstützte Databricks-Runtime-Versionen 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 Databricks Runtime maintenance updates.
In der unified runs list, die sich in Public Preview befindet, lassen sich Job- und Pipeline-Runs in einer gemeinsamen Liste überwachen.
The unified runs list is in Public Preview. Monitor both job and pipeline runs in a single unified list.
See Changes in the Unified Runs List preview.
Das Erstellen oder Bearbeiten eines Alerts öffnet sich jetzt im neuen Multi-Tab-Editor mit einem einheitlichen Bearbeitungsablauf.
Der Databricks Connector for Google Sheets bietet verbesserte Abfrageverwaltung, sodass Nutzer Abfragen in einer Google-Sheets-Tabelle speichern, aktualisieren, wiederverwenden und bearbeiten können.
The Databricks Connector for Google Sheets introduces improved query management options. Users can save queries within a Google Sheet spreadsheet, enabling easy data refresh, query reuse, and query editing.
See Databricks Connector for Google Sheets.
Dashboards erhalten Textfunktionen (contains(), startswith(), endswith()) für bedingte Formatierung in Pivot-Tabellen, umschaltbare Gitternetzlinien in Diagrammen, Tags für Dashboards und Genie Agents in Public Preview sowie Drill-through-Filterung ohne expliziten Zielfilter.
contains(), startswith(), and endswith() functions for conditional formatting. See Conditional formatting with text functions.Genie bringt unter anderem sortierbare JOIN-Beziehungen, drei API-Endpunkte in Public Preview, Erklärungen zu falsch bewerteten Benchmark-Ergebnissen, automatische Zusammenfassungen von SQL-Ergebnissen, SQL-Measures im Knowledge Store, korrigierte Berechtigungshinweise und Tagging-Unterstützung für Genie Agents.
JOIN relationships and SQL snippet definitions for easier management.Dashboards und Genie Agents lassen sich jetzt mit Tags versehen, um sie im Workspace besser zu organisieren und per API für Automatisierungen zu nutzen; eine Suche über Dashboard-Tags wird nicht unterstützt.
You can now add tags to dashboards and Genie Agents to improve organization across your workspace. Tags can be used for automation. For example, you can tag a dashboard as “Work in progress,” and an overnight process can automatically retrieve all dashboards with that tag using the API and assign them to the temporary warehouse until they’re tagged as “Certified.” Search is not supported using dashboard tags.
See Manage dashboard tags and Add tags.
Es können jetzt Trigger erstellt werden, die einen Job starten, sobald eine Quelltabelle aktualisiert wird.
You may now create triggers for jobs to run when a source table is updated. See Trigger jobs when source tables are updated.
Declarative Automation Bundles im Workspace sind jetzt allgemein verfügbar und ermöglichen es, Bundle-Updates gemeinsam über die Oberfläche zu bearbeiten, zu committen, zu testen und bereitzustellen.
Declarative Automation Bundles in the workspace is now generally available (GA). This feature allows you to collaborate with other users in your organization to edit, commit, test, and deploy bundle updates through the UI.
See Collaborate on bundles in the workspace.
Mit Job-Backfills lassen sich Job-Runs für zurückliegende Zeiträume auslösen, etwa um ältere Daten zu laden oder Daten nach Verarbeitungsfehlern zu reparieren.
Job backfills allow you to trigger job runs to backfill data from the past. This is useful for loading older data, or repairing data when there are failures in processing. For more details, see Backfill jobs.
Das Autoscaling in Mosaic AI Model Serving ignoriert extrem kurze Lastspitzen und reagiert nur auf anhaltend steigende Last, was unnötiges Skalieren verhindert und die Kosten senkt, ohne Leistung oder Zuverlässigkeit zu beeinträchtigen.
Autoscaling in Mosaic AI Model Serving has been tuned to ignore extremely brief traffic surges and instead respond only to sustained increases in load. This change prevents unnecessary provisioned concurrency scaling during momentary bursts and reduces serving costs without impacting performance or reliability.
Mosaic AI Model Serving unterstützt jetzt multimodale Eingaben für von Databricks gehostete Foundation Models, nutzbar über Foundation Model APIs (pay-per-token und provisioned throughput) sowie AI Functions für Echtzeit- und Batch-Inferenz.
Mosaic AI Model Serving now supports multimodal inputs for Databricks hosted foundation models. See Query vision models.
This multimodal support is available using the following functionalities:
Databricks bietet jetzt einen verwalteten SQL MCP server, über den KI-Agenten mit SQL warehouses direkt SQL-Abfragen auf Unity-Catalog-Tabellen ausführen können.
Databricks now provides a SQL managed MCP server that allows AI agents to execute SQL queries directly against Unity Catalog tables using SQL warehouses. The SQL MCP server is available at:https://<workspace-hostname>/api/2.0/mcp/sql. See Legacy workspace endpoints.
AI/BI dashboards erhalten einstellbare Linienstärken in Liniendiagrammen, kopierbare Link-URLs in Tabellen, verbesserte Pivot-Zeilenköpfe, eine Korrektur für das Zeichen < in Text-Widgets sowie Unterstützung von DISTINCT und FILTER(WHERE ...) in Aggregatfunktionen.
< character in text widgets: Fixed an issue where the < character would sometimes disappear or delete adjacent characters after re-clicking a text widget.DISTINCT keyword and the FILTER(WHERE ...) clause. Use them to count unique entities and perform conditional aggregation, replacing complex CASE statements. See Aggregate functions. …In Genie lassen sich Benchmarks leichter erstellen, etwa durch Speichern von Chat-Antworten, Generieren von SQL-Antworten und Übernehmen korrekter Ergebnisse, außerdem wurde der interne Reasoning-Prozess vereinfacht, was die Latenz leicht verbessert.
Account-Admins können in der Beta von Context-based ingress control Allow- und Deny-Regeln setzen, die Identität, Anfragetyp und Netzwerkquelle kombinieren und mit einer Richtlinie mehrere Workspaces abdecken.
Context-based ingress control is now in Beta. This enables account admins to set allow and deny rules that combine who is calling, from where they are calling, and what they can reach in Databricks. Context-based ingress control ensures that only trusted combinations of identity, request type, and network source can reach your workspace. A single policy can govern multiple workspaces, ensuring consistent enforcement across your organization.
See Context-based ingress control.