Requisitos e limitações de computação dedicados

Esta página descreve os requisitos e as limitações para computação dedicada. A maioria das limitações de computação dedicadas depende do tempo de execução, visto que o suporte a recursos foi sendo adicionado ao longo do tempo.

A computação dedicada atribuída a um grupo tem limitações adicionais. Confira as limitações de acesso ao grupo.

Suporte a controle de acesso refinado

O controle de acesso refinado tem suporte na computação dedicada com determinados requisitos:

• Seu workspace deve estar habilitado para computação sem servidor.
• Há suporte para operações de leitura no Databricks Runtime 15.4 LTS e posteriores.
• As operações de gravação têm suporte no Databricks Runtime 16.3 e superior. Consulte Suporte para DDL, SHOW, DESCRIBE e outros comandos.

• Se o workspace tiver sido implantado com um firewall ou tiver restrições de rede de saída, você deverá abrir as portas 8443-8451 para habilitar o controle de acesso refinado na computação dedicada. Confira Implantar o Azure Databricks na rede virtual do Azure (injeção de VNet).

Se a computação dedicada estiver em execução no Databricks Runtime 15.3 ou abaixo:

• Não é possível acessar uma tabela que tenha um filtro de linha ou máscara de coluna.
• Não é possível acessar exibições dinâmicas.
• Para ler de qualquer exibição, você deve ter SELECT em todas as tabelas e exibições referenciadas pela exibição.

Requisitos de streaming e exibição materializada na computação dedicada

• Para consultar uma tabela que outro usuário criou usando o Lakeflow Spark Declarative Pipelines, incluindo tabela de streaming e exibição materializada, seu workspace deve ser habilitado para computação sem servidor e sua computação dedicada deve estar no Databricks Runtime 15.4 ou superior. Consulte Usar tabelas de streaming autônomas e Usar visualizações materializadas autônomas.
• O ponto de verificação assíncrono é suportado no Databricks Runtime 12.2 LTS e superior.
• O uso StreamingQueryListener para interagir com objetos gerenciados pelo Catálogo do Unity tem suporte no Databricks Runtime 15.1 e superior.
• O Python foreachBatch não dá suporte ThreadPoolExecutor ou execução com vários threads. A execução com vários threads pode não gerar erros, mas pode resultar em dados corrompidos ou resultados inconsistentes.

Funções definidas pelo usuário

• As UDFs em Python do Unity Catalog não são compatíveis com computação dedicada. Use computação sem servidor, computação com modo de acesso padrão, um SQL warehouse sem servidor ou Pro, ou Pipelines Declarativos do Lakeflow Spark para executar UDFs de Python do Unity Catalog. Consulte UDFs (funções definidas pelo usuário) no Catálogo do Unity.