Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Diese Seite enthält Links zu einer umfassenden Referenzdokumentation, einschließlich Links zur Referenz für Databricks-APIs, SQL, CLIs, SDKs und andere Ressourcen.
REST-API-Referenz
| Reference | Description |
|---|---|
| Konto SCIM v2.1-API | REST-API-Referenz für SCIM-API für die Benutzer- und Gruppenverwaltung für Databricks-Konten. |
| Databricks-REST-API | REST-API-Referenz für Databricks-Dienste. |
| Jobs v2.0-API | REST-API-Handbuch für Version 2.0 der Jobs REST API. Databricks empfiehlt, die neueste Databricks-REST-API für neue und vorhandene Clients und Skripts zu verwenden. |
| MLflow-REST-API | REST-API-Referenz für MLflow Machine Learning Lifecycle Management und Modellverfolgung. |
Python-Referenz
| Python-Referenz | Description |
|---|---|
| Datenqualitätsüberwachungs-API | Python-API-Referenz für die Datenqualitätsüberwachung. |
| Delta Lake Python-API | Python-API-Referenz für Delta Lake-Vorgänge und Versionsverwaltung. |
| Lakeflow Spark Declarative Pipelines Python API | Python API-Referenz speziell zur Entwicklung und Transformation von Lakeflow Spark Declarative Pipelines. |
| PySpark-API | Referenzdokumentation für PySpark. |
| Serverlose GPU-Python-API | Python-API-Referenz für serverlose GPU-Computing und Modellreferenz. |
AI- und ML-Python-APIs
| Python-Referenz | Description |
|---|---|
| Agent Evaluation Python API | Referenz zur Agentbewertung, einschließlich Datasetverwaltung, Überprüfen von Apps, Bezeichnungssitzungen und integrierten Richtern. |
| Agent Framework Python-API | Referenz für das databricks-agents Paket zum Bereitstellen, Verwalten von Berechtigungen und Konfigurieren von Agentbereitstellungen. |
| Python-API für automatisiertes maschinelles Lernen | Referenz für AutoML-Funktionen und automatisierte Machine Learning-Workflows. |
| Databricks AI Bridge Python-API | Referenz für das databricks-ai-bridge Paket, einschließlich des Genie-Clients und freigegebener Dienstprogramme für Vektorsuchtools. |
| databricks-langchain Python API | Referenz für das Paket für die databricks-langchain Integration von Databricks-Modellen, Einbettungen, Vektorsuche und MCP-Servern mit LangChain. |
| databricks-mcp Python-API | Referenz für das Paket zum Herstellen einer databricks-mcp Verbindung mit MCP-Servern auf Databricks. |
| databricks-openai Python API | Referenz für das Paket für die databricks-openai Verwendung von databricks-gehosteten Modellen mit dem OpenAI SDK, einschließlich MCP-Server- und Vektorsuchunterstützung. |
| Python-API für das Feature Engineering | Referenz für Feature Engineering und Featurespeichervorgänge. |
| Feature Store Python-API (veraltet) | Deprecated. Verwenden Sie stattdessen die Feature Engineering Python-API . |
| Lakehouse Monitoring for GenAI Python API | Referenz zur Überwachung von generativen KI-Anwendungen mit Lakehouse Monitoring. |
| MLflow Python-API | Python-API-Referenz für MLflow. |
| Vektorsuche | Referenz für die Python-API zum Verwalten von Endpunkten und Indizes im Vektorsuchdienst. |
Skala-Referenz
| Skala-Referenz | Description |
|---|---|
| Delta Lake Scala-API | Skala API-Referenz für Delta Lake-Vorgänge und Versionsverwaltung. |
| Scala Spark-API | Databricks Spark API-Referenz für Scala. |
SQL-Referenz
| SQL-Referenz | Description |
|---|---|
| Databricks SQL | SQL-Referenz für Databricks SQL, einschließlich Syntax, Funktionen und Operatoren. |
| Lakeflow Spark Declarative Pipelines SQL | SQL-Referenz speziell für die Entwicklung und Transformation von Lakeflow Spark Declarative Pipelines . |
Referenz zu Entwicklertools
| Reference | Description |
|---|---|
| Databricks CLI-Befehle | Befehlsreferenz für die Databricks CLI. |
| Konfiguration von Databricks-Bestandspaketen | Referenz für die Konfiguration von Databricks Asset Bundles YAML. |
| Databricks Terraform-Anbieter | Referenzdokumentation für den Databricks Terraform-Anbieter. |
| Databricks SDK für Python | Referenz für das Python SDK für die Integration in Databricks und Automatisierung in Python-Anwendungen. |
| Databricks SDK für R | Referenz für das R SDK für Data Science-Workflows und statistisches Computing mit Databricks. |
| Databricks SDK für Java | Referenz für das Java SDK für Unternehmensanwendungen und JVM-basierte Integrationen. |
| Databricks SDK für Go | Referenz für das Go SDK für leistungsstarke Anwendungen und cloudeigene Integrationen. |
Fehlerreferenz
| Reference | Description |
|---|---|
| SQL-Fehlercodes | Vollständige Referenz für SQL-Fehlercodes und deren Bedeutungen in Databricks. |
| Fehlerklassen | Fehlerklassendokumentation für kategorisierte Fehlertypen und Lösungsleitfaden. |
Weitere Ressourcen
| Resource | Description |
|---|---|
| Apache Spark-APIs | Referenzdokumentationsübersicht für Apache Spark-APIs. |
| Delta Lake APIs | Referenzlinks für Delta Lake-Vorgänge und Versionsverwaltung (Delta Spark). |
| Python-Entwicklung | Übersicht über die Python-Entwicklung auf Databricks. |
| Scala-Entwicklung | Übersicht über die Scala-Entwicklung auf Databricks. |
| R-Dokumentation | Übersicht über die R-basierte Datenverarbeitung und -analyse auf Databricks. |