Databricks Runtime ML 维护策略

Databricks Runtime ML 包括各种常用的 ML 和 DL 库。 这些库随着每个发行版进行更新，以包括新功能和修复。 本文介绍支持的顶层库、更新频率以及库弃用时的场景。

图书馆支持政策

Databricks 已将一部分受支持的库指定为顶层库。 对于这些库，Databricks 提供了更快的更新节奏，可通过每个运行时版本更新到最新的包版本（除非存在依赖项冲突）。 Databricks 还为顶层库提供高级支持、测试以及嵌入式优化。 顶级库只有在主要版本更新时才会添加或删除。

顶层库的完整列表为：

• 数据集
• GraphFrames
• MLflow
• PyTorch
• spark-tensorflow-connector
• Scikit-learn
• 流媒体
• TensorFlow
• TensorBoard
• 转换器

有关每个运行时版本中包含的所有库的列表，请参阅 Databricks Runtime ML 的 发行说明 。

库弃用策略

在以下情况下，Databricks 可能会从顶层列表中删除库：

• 如果库在两个月内没有新提交，并且六个多月内没有新版本。 当活动维护恢复时，Databricks 可能会重新添加已删除的库。
• 如果图书馆的使用显著下降。
• 如果添加了新包来填补重大空缺，那么库将被替换。

当库达到以下任一条件时，Databricks 将删除预安装的库：

• 不再主动维护该库。 当满足以下任一条件时，某个库被认为不再处于主动维护状态：
  • 三个月来没有新的提交，超过九个月来没有新的版本发布。
  • 图书馆的存储库已存档。
  • 已宣布停止该库的维护。
• 找不到适用于新运行时的稳定版本。

计划删除库时，Databricks 会按照以下步骤通知客户：

• 运行时发行说明中添加了弃用警告，指示将在下一个主要 Databricks Runtime ML 版本中删除该库。
• 导入库时会显示一条通知，指示将在下一个主要 Databricks Runtime ML 版本中删除该库。
• 引用库的 Databricks 文档已更新，以指示计划删除库。

若要在删除库后继续使用该库，可以手动安装该库或使用早期版本的 Databricks Runtime ML。