Concentre-se nas cargas de trabalho de dados, não na infraestrutura

A Serverless GPU compute permite o treinamento de ML e cargas de trabalho de GenAI sem a necessidade de gerenciamento de infraestrutura.

O código de cada usuário é executado em um contêiner de sandbox, o que impede o acesso aos dados ou às conexões de rede de outros usuários, proporcionando a cada equipe isolamento de nível empresarial sem a necessidade de clusters separados.

O Databricks otimiza automaticamente as disposições de dados da tabela em segundo plano para um melhor desempenho e economia, sem a necessidade de ajuste manual.

O Serverless analisa padrões de query e automaticamente pré-busca e indexa dados em segundo plano, acelerando o desempenho de queries sem nenhuma configuração.

Execute o treinamento distribuído de ML na Serverless compute usando o SparkML, sem gerenciar clusters, ambientes ou infraestrutura.

O Databricks seleciona automaticamente o tipo de instância ideal para cada carga de trabalho. Sem decisões sobre otimização para CPU, memória ou classe de instância, sem seleção manual de VM, sem precisar decidir entre VMs individuais, warehouse ou clusters Spark e sem ajuste de infraestrutura.

Acompanhe os gastos com compute no nível da carga de trabalho por meio de system.billing.usage, dando aos times da plataforma visibilidade total de quais jobs, pipelines e notebooks geram custo.

Monitore a execução em tempo real com o Query History e o Perfil de Consulta, dando a engenheiros e analistas visibilidade instantânea sobre o desempenho e os gargalos.