Toegewezen rekenvereisten en -beperkingen

Op deze pagina vindt u een overzicht van de vereisten en beperkingen voor toegewezen rekenkracht. De meeste toegewezen rekenbeperkingen zijn afhankelijk van runtime, omdat functieondersteuning in de loop van de tijd is toegevoegd.

Toegewezen rekenkracht die aan een groep is toegewezen, heeft extra beperkingen. Zie Groepstoegangsbeperkingen.

Gedetailleerde ondersteuning voor toegangsbeheer

Fijnmazig toegangsbeheer wordt ondersteund voor toegewezen berekeningen met bepaalde vereisten:

• Uw werkruimte moet zijn ingeschakeld voor serverloze berekeningen.
• Leesbewerkingen worden ondersteund in Databricks Runtime 15.4 LTS en hoger.
• Schrijfbewerkingen worden ondersteund in Databricks Runtime 16.3 en hoger. Zie Ondersteuning voor DDL-, SHOW-, DESCRIBE- en andere opdrachten.

• Als uw werkruimte is geïmplementeerd met een firewall of uitgaande netwerkbeperkingen heeft, moet u poorten 8443-8451 openen om fijnmazig toegangsbeheer in te schakelen voor toegewezen rekenkracht. Zie Azure Databricks implementeren in uw virtuele Azure-netwerk (VNet-injectie).

Als uw toegewezen rekenproces wordt uitgevoerd op Databricks Runtime 15.3 of lager:

• U hebt geen toegang tot een tabel met een rijfilter of kolommasker.
• U hebt geen toegang tot dynamische weergaven.
• Als u vanuit een weergave wilt lezen, moet u SELECT hebben voor alle tabellen en weergaven waarnaar wordt verwezen door de weergave.

Vereisten voor streaming- en gematerialiseerde weergaven op toegewijde computerkracht

• Als u een query wilt uitvoeren op een tabel die een andere gebruiker heeft gemaakt met behulp van Lakeflow Spark-declaratieve pijplijnen, inclusief streamingtabel en gerealiseerde weergave, moet uw werkruimte zijn ingeschakeld voor serverloze berekeningen en moet uw toegewezen rekenkracht zich in Databricks Runtime 15.4 of hoger bevinden. Zie Streamingtabellen gebruiken in Databricks SQL en gerealiseerde weergaven gebruiken in Databricks SQL.
• Asynchrone controlepunten worden ondersteund op Databricks Runtime 12.2 LTS en hoger.
• Het gebruik van StreamingQueryListener interactie met objecten die worden beheerd door Unity Catalog wordt ondersteund in Databricks Runtime 15.1 en hoger.
• Python foreachBatch biedt geen ondersteuning voor ThreadPoolExecutor uitvoering met meerdere threads. Uitvoering met meerdere threads kan geen fouten veroorzaken, maar kan leiden tot beschadiging van gegevens of inconsistente resultaten.