Passa al contenuto principale

Laboratori Databricks

I Databricks Labs sono progetti creati dal team sul campo per aiutare i clienti a mettere in produzione i loro casi d'uso più velocemente!

dqx

DQX

Simplified Data Quality checking at Scale for PySpark Workloads on streaming and standard DataFrames.

GitHub Sources →

Documentation →

Kasal

Kasal

Kasal is an interactive, low-code way to build and deploy AI Agents on the Databricks platform.

Github Sources →

Documentation →

Logo a mosaico

Mosaico

Mosaic è uno strumento che semplifica l'implementazione di pipeline di dati geospaziali scalabili legando insieme librerie geospaziali open source comuni e Apache Spark™️. Mosaic fornisce anche una serie di esempi e best practice per i casi d'uso geospaziali più comuni. Fornisce API per le espressioni ST_ e GRID_, supportando sistemi di indici di griglia come H3 e British National Grid.

Sorgenti GitHub →

Documentazione →

Blog →

Altri progetti

Overwatch

Analizza tutti i lavori e i cluster su tutti gli spazi di lavoro per individuare velocemente dove si possono effettuare gli interventi più incisivi per migliorare le prestazioni e ridurre i costi.

Maggiori informazioni

Overwatch

Analizza tutti i lavori e i cluster su tutti gli spazi di lavoro per individuare velocemente dove si possono effettuare gli interventi più incisivi per migliorare le prestazioni e ridurre i costi.

Maggiori informazioni

Overwatch

Analizza tutti i lavori e i cluster su tutti gli spazi di lavoro per individuare velocemente dove si possono effettuare gli interventi più incisivi per migliorare le prestazioni e ridurre i costi.

Maggiori informazioni

Altri progetti

Overwatch

Analizza tutti i lavori e i cluster su tutti gli spazi di lavoro per individuare velocemente dove si possono effettuare gli interventi più incisivi per migliorare le prestazioni e ridurre i costi.

Maggiori informazioni

Overwatch

Analizza tutti i lavori e i cluster su tutti gli spazi di lavoro per individuare velocemente dove si possono effettuare gli interventi più incisivi per migliorare le prestazioni e ridurre i costi.

Maggiori informazioni

Overwatch

Analizza tutti i lavori e i cluster su tutti gli spazi di lavoro per individuare velocemente dove si possono effettuare gli interventi più incisivi per migliorare le prestazioni e ridurre i costi.

Maggiori informazioni

Geoscan

Apache Spark ML Estimator for density-based spatial cluster based on Hexagonal Hierarchical Spatial Indices.

Fonti Github →
Per saperne di più →

Geoscan

Apache Spark ML Estimator for density-based spatial cluster based on Hexagonal Hierarchical Spatial Indices.

Fonti Github →
Per saperne di più →

Migrate

Strumento per aiutare i clienti a migrare artefatti fra spazi di lavoro Databricks. Consente ai clienti di esportare configurazioni e artefatti di codice come backup o nell'ambito di una migrazione fra diversi spazi di lavoro.

Fonti Github
Per saperne di più: AWS | Azure

DeltaOMS

Raccolta centralizzata di registri di transazioni Delta per analisi di metadati e metriche operative sul lakehouse.

Fonti Github →
Per saperne di più →

DeltaOMS

Raccolta centralizzata di registri di transazioni Delta per analisi di metadati e metriche operative sul lakehouse.

Fonti Github →
Per saperne di più →

DLT-META

Questo framework semplifica l'inserimento dei dati utilizzando delta live table e i metadati. Con DLT-META, un singolo data engineer può gestire facilmente migliaia di tabelle. Diversi clienti Databricks hanno DLT-META in produzione per elaborare oltre 1000 tabelle.

Fonti Github →
Per saperne di più →

DLT-META

Questo framework semplifica l'inserimento dei dati utilizzando delta live table e i metadati. Con DLT-META, un singolo data engineer può gestire facilmente migliaia di tabelle. Diversi clienti Databricks hanno DLT-META in produzione per elaborare oltre 1000 tabelle.

Fonti Github →
Per saperne di più →

DLT-META

Questo framework semplifica l'inserimento dei dati utilizzando delta live table e i metadati. Con DLT-META, un singolo data engineer può gestire facilmente migliaia di tabelle. Diversi clienti Databricks hanno DLT-META in produzione per elaborare oltre 1000 tabelle.

Fonti Github →
Per saperne di più →

DBX

This tool simplifies jobs launch and deployment process across multiple environments. It also helps to package your project and deliver it to your Databricks environment in a versioned fashion. Designed in a CLI-first manner, it is built to be actively used both inside CI/CD pipelines and as a part of local tooling for fast prototyping.

Github Sources →
Documentation →
Blog →

DLT-META

Questo framework semplifica l'inserimento dei dati utilizzando delta live table e i metadati. Con DLT-META, un singolo data engineer può gestire facilmente migliaia di tabelle. Diversi clienti Databricks hanno DLT-META in produzione per elaborare oltre 1000 tabelle.

Fonti Github →
Per saperne di più →

DLT-META

Questo framework semplifica l'inserimento dei dati utilizzando delta live table e i metadati. Con DLT-META, un singolo data engineer può gestire facilmente migliaia di tabelle. Diversi clienti Databricks hanno DLT-META in produzione per elaborare oltre 1000 tabelle.

Fonti Github →
Per saperne di più →

DLT-META

Questo framework semplifica l'inserimento dei dati utilizzando delta live table e i metadati. Con DLT-META, un singolo data engineer può gestire facilmente migliaia di tabelle. Diversi clienti Databricks hanno DLT-META in produzione per elaborare oltre 1000 tabelle.

Fonti Github →
Per saperne di più →

DLT-META

Questo framework semplifica l'inserimento dei dati utilizzando delta live table e i metadati. Con DLT-META, un singolo data engineer può gestire facilmente migliaia di tabelle. Diversi clienti Databricks hanno DLT-META in produzione per elaborare oltre 1000 tabelle.

Fonti Github →
Per saperne di più →

DLT-META

Questo framework semplifica l'inserimento dei dati utilizzando delta live table e i metadati. Con DLT-META, un singolo data engineer può gestire facilmente migliaia di tabelle. Diversi clienti Databricks hanno DLT-META in produzione per elaborare oltre 1000 tabelle.

Fonti Github →
Per saperne di più →

DLT-META

Questo framework semplifica l'inserimento dei dati utilizzando delta live table e i metadati. Con DLT-META, un singolo data engineer può gestire facilmente migliaia di tabelle. Diversi clienti Databricks hanno DLT-META in produzione per elaborare oltre 1000 tabelle.

Fonti Github →
Per saperne di più →

Si prega di notare che tutti i progetti del sito https://github.com/databrickslabs sono forniti solo a titolo esplorativo e non sono formalmente supportati da Databricks con accordi sui livelli di servizio (SLA). Vengono forniti COSÌ COME SONO e non forniamo garanzie di alcun tipo. Non inviare un ticket di assistenza per problemi derivanti dall'uso di questi progetti. Qualsiasi problema riscontrato attraverso l'uso di questo progetto dovrebbe essere archiviato come GitHub Issues sulla Repo. Saranno rivisti quando il tempo lo permetterà, ma non ci sono SLA formali per il supporto.