Configurar computação para tarefas
Este artigo contém recomendações e recursos para configurar a computação para trabalhos do Databricks.
Importante
As limitações para computação sem servidor para trabalhos incluem o seguinte:
- Sem suporte para agendamento contínuo .
- Não há suporte para gatilhos de intervalo padrão ou baseados em tempo no Structured Streaming.
Para obter mais limitações, consulte Limitações de computação sem servidor.
Cada trabalho pode ter uma ou mais tarefas. Você define recursos de computação para cada tarefa. Várias tarefas definidas para o mesmo trabalho podem usar o mesmo recurso de computação.
Qual é o cálculo recomendado para cada tarefa?
A tabela a seguir indica os tipos de computação recomendados e suportados para cada tipo de tarefa.
Nota
A computação sem servidor para trabalhos tem limitações e não suporta todas as cargas de trabalho. Consulte Limitações de computação sem servidor.
| Tarefa | Computação recomendada | Computação suportada |
|---|---|---|
| Cadernos | Trabalhos sem servidor | Trabalhos sem servidor, trabalhos clássicos, trabalhos clássicos de uso geral |
| Script do Python | Trabalhos sem servidor | Trabalhos sem servidor, trabalhos clássicos, trabalhos clássicos para todos os fins |
| Roda Python | Trabalhos sem servidor | Trabalhos sem servidor, trabalhos clássicos, trabalhos clássicos de uso geral |
| SQL | Armazém SQL sem servidor | Armazém de dados SQL sem servidor, armazém de dados SQL pro |
| Pipeline DLT | Pipeline sem servidor | Pipeline sem servidor, Pipeline clássico |
| DBT | Armazém SQL sem servidor | SQL warehouse sem servidor, SQL warehouse profissional |
| Comandos dbt CLI | Trabalhos sem servidor | Tarefas sem servidor, tarefas clássicas, tarefas clássicas polivalentes |
| JAR | Trabalhos clássicos | Trabalhos clássicos, polivalentes clássicos |
| Enviar faísca | Trabalhos clássicos | Trabalhos clássicos |
O preço de Jobs está vinculado à computação usada para executar tarefas. Para obter mais detalhes, consulte Preços do Databricks.
Como configuro a computação para Jobs?
A computação de trabalhos clássicos é configurada diretamente da interface do usuário de trabalhos do Databricks, e essas configurações fazem parte da definição de trabalho. Todos os outros tipos de computação disponíveis armazenam suas configurações com outros ativos de espaço de trabalho. A tabela a seguir tem mais detalhes:
| Tipo de computação | Detalhes |
|---|---|
| Computação clássica de tarefas | Você configura a computação para trabalhos clássicos usando a mesma interface do usuário e as configurações disponíveis para computação multiuso. Consulte Referência de configuração de computação. |
| Computação sem servidor para trabalhos | A computação sem servidor para trabalhos é o padrão para todas as tarefas que a suportam. O Databricks gerencia configurações de computação para computação sem servidor. Consulte Executar seu trabalho do Azure Databricks com computação sem servidor para fluxos de trabalho. nn Um administrador de espaço de trabalho deve habilitar a computação sem servidor para que essa opção fique visível. Consulte Ativar computação sem servidor. |
| Armazéns SQL | Os armazéns SQL sem servidor e pro são configurados por administradores de espaço de trabalho ou usuários com privilégios irrestritos de criação de cluster. Você configura tarefas para serem executadas em armazéns SQL existentes. Consulte Conectar-se a um SQL warehouse. |
| Computação de pipeline DLT | Você configura as definições de computação para fluxos de trabalho DLT durante a configuração do fluxo de trabalho. Consulte Configurar a computação para um pipeline DLT. nn O Azure Databricks gerencia recursos de computação para pipelines DLT sem servidor. Consulte Configurar um pipeline DLT sem servidor. |
| Computação polivalente | Opcionalmente, você pode configurar tarefas usando a computação clássica para todos os fins. O Databricks não recomenda essa configuração para trabalhos de produção. Consulte a Referência de configuração de computação e A computação multiuso deve ser usada para tarefas?. |
Partilhe computação entre tarefas
Configure tarefas para usar os mesmos recursos de computação dos processos, de modo a otimizar o uso de recursos com processos que orquestram várias tarefas. O compartilhamento de computação entre tarefas pode reduzir a latência associada aos tempos de inicialização.
Você pode usar um único recurso de computação de trabalho para executar todas as tarefas que fazem parte do trabalho ou vários recursos de trabalho otimizados para cargas de trabalho específicas. Qualquer computação de trabalho configurada como parte de um trabalho está disponível para todas as outras tarefas no trabalho.
A tabela a seguir destaca as diferenças entre a computação de trabalho configurada para uma única tarefa e a computação de trabalho compartilhada entre tarefas:
| Tarefa única | Partilhado entre tarefas | |
|---|---|---|
| Iniciar | Quando a execução da tarefa começa. | Quando a primeira tarefa configurada para ser executada usando o recurso de computação começa. |
| Terminate | Após a execução da tarefa. | Após a tarefa final configurada para usar o recurso de computação ser executada. |
| Computação ociosa | Não aplicável. | A computação permanece ativa e ociosa enquanto as tarefas que não usam o recurso de computação são executadas. |
Um cluster de tarefas compartilhadas tem como escopo uma única execução de trabalho e não pode ser usado por outros trabalhos ou execuções do mesmo trabalho.
As bibliotecas não podem ser declaradas em uma configuração de cluster de trabalho compartilhado. Você deve adicionar bibliotecas dependentes nas configurações de tarefas.
Rever, configurar e trocar cargas de trabalho computacional
A seção Computação no painel Detalhes do Trabalho lista todos os recursos de computação configurados para as tarefas no trabalho atual.
As tarefas configuradas para usar um recurso de computação são realçadas no gráfico de tarefas quando você passa o mouse sobre a especificação de computação.
Use o botão Trocar para alterar a computação de todas as tarefas associadas a um recurso de computação.
Os recursos de computação de trabalhos clássicos têm uma opção para Configurar. Outros recursos de computação oferecem opções para exibir e modificar detalhes de configuração de computação.
Recomendações para configurar a execução de computação em trabalhos clássicos
Esta seção se concentra em recomendações gerais sobre recursos e configurações que podem beneficiar alguns fluxos de trabalho. As recomendações específicas para configurar o tamanho e os tipos de recursos de computação variam com base na carga de trabalho.
O Databricks recomenda habilitar a Aceleração de Fótons, usando versões recentes do Databricks Runtime e usando computação configurada para o Unity Catalog.
O Serverless compute for jobs gerencia toda a infraestrutura, eliminando as seguintes considerações. Consulte Executar seu trabalho do Azure Databricks com computação sem servidor para fluxos de trabalho.
Nota
Os fluxos de trabalho de Streaming estruturado têm recomendações específicas. Consulte Considerações sobre produção para Streaming estruturado.
Usar o modo de acesso padrão (anteriormente modo de acesso compartilhado)
O Databricks recomenda o uso do modo de acesso padrão para trabalhos. Consulte Modos de acesso.
Nota
O modo de acesso padrão não suporta algumas cargas de trabalho e recursos. O Databricks recomenda o modo de acesso dedicado (anteriormente modo de acesso de usuário único) para essas cargas de trabalho. Consulte Limitações do modo de acesso ao processamento para o Unity Catalog.
Usar políticas de cluster
O Databricks recomenda que os administradores do espaço de trabalho definam políticas de cluster para trabalhos e apliquem essas políticas para todos os usuários que configuram trabalhos.
As políticas de cluster permitem que os administradores do espaço de trabalho definam controles de custo e limitem as opções de configuração dos usuários. Para obter detalhes sobre como configurar políticas de cluster, consulte Criar e gerenciar políticas de computação.
O Azure Databricks fornece uma política padrão configurada para trabalhos. Os administradores podem disponibilizar essa política para outros usuários do espaço de trabalho. Consulte Computação de trabalho.
Utilizar dimensionamento automático
Configure o dimensionamento automático para que as tarefas de longa duração possam adicionar e remover dinamicamente nós de trabalho durante as execuções das tarefas. Veja Ativar o dimensionamento automático.
Usar um pool para reduzir os tempos de início do cluster
Os pools de computação permitem que você reserve recursos de computação do seu provedor de nuvem. Os pools são benéficos para diminuir o tempo de início de novos clusters de trabalho e garantir a disponibilidade de recursos de computação. Consulte Referência de configuração do Pool.
Usar instâncias spot
Configure instâncias spot para cargas de trabalho com requisitos de latência flexíveis, de modo a otimizar os custos. Consulte Instâncias spot.
A computação multiuso deve ser usada para trabalhos?
Há vários motivos pelos quais o Databricks recomenda não usar computação multiuso para trabalhos, incluindo os seguintes:
- O Azure Databricks fatura a computação para uso geral a uma taxa diferente da computação para trabalhos.
- A computação de trabalhos termina automaticamente após a conclusão da execução de um trabalho. A computação multiuso suporta o encerramento automático, que está vinculado à inatividade em vez do fim de uma execução de trabalho.
- A computação polivalente é frequentemente partilhada entre equipas de utilizadores. Os trabalhos agendados para o cálculo genérico geralmente apresentam maior latência por causa da concorrência pelos recursos de computação.
- Muitas recomendações para otimizar a configuração de computação de trabalhos não são apropriadas para o tipo de consultas ad-hoc e cargas de trabalho interativas executadas em computação multiuso.
A seguir estão os casos de uso em que você pode optar por usar a computação multiuso para trabalhos:
- Você está desenvolvendo ou testando iterativamente novos trabalhos. Os tempos de arranque para a computação de trabalhos podem tornar tedioso o desenvolvimento iterativo. A computação polivalente permite-lhe aplicar alterações e executar o seu trabalho rapidamente.
- Você tem trabalhos de curta duração que devem ser executados com frequência ou em um horário específico. Não há tempo de inicialização associado à computação multiuso em execução no momento. Considere os custos associados ao tempo ocioso se usar esse padrão.
A computação sem servidor para trabalhos é o substituto recomendado para a maioria dos tipos de tarefas que você pode considerar executar em computação multiuso.