Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
Los trabajos y pipelines sin servidor se ejecutan en uno de los siguientes modos de rendimiento:
- Modo optimizado para rendimiento (por defecto): Azure Databricks mantiene un conjunto de cómputo caliente listo, por lo que las cargas de trabajo normalmente empiezan en menos de un minuto y reciben más cómputo rápidamente cuando lo necesitan. Utilice este modo para obtener retroalimentación rápida durante el desarrollo y las pruebas, o cuando el modo estándar no cumple con los requisitos de finalización o de actualización de datos.
- Modo estándar: Las cargas de trabajo suelen comenzar en 4 a 6 minutos y consumen menos unidades Databricks (DBUs). Evalúe este modo para trabajos programados y por lotes cuando las ejecuciones representativas cumplan los requisitos de finalización y actualización de datos.
Eliges el modo para cada job y cada programación de pipeline. Para encontrar las cargas de trabajo donde el modo estándar ahorraría más, consulte Buscar trabajos y canales para cambiar al modo estándar.
Esta página compara los modos, explica cómo elegir y configurar un modo, y muestra cómo comprobar qué modo utilizó una ejecución y cuánto costó.
Note
El modo estándar es una configuración de rendimiento para computación sin servidor. No tiene relación con el modo de acceso estándar para computación clásica.
Comparar los modos de rendimiento
La siguiente tabla compara los dos modos de rendimiento:
| Modo optimizado para el rendimiento (por defecto) | Modo estándar | |
|---|---|---|
| Tiempo de arranque | Normalmente menos de un minuto. Azure Databricks mantiene recursos de proceso precalentados listos para la carga de trabajo. | Normalmente entre 4 y 6 minutos, dependiendo de la disponibilidad de capacidad de proceso. |
| Duración | Más corto para cargas de trabajo que escalan, porque el cómputo se añade desde la capacidad caliente. | Puede ser más largo para cargas de trabajo que escalan, porque el cómputo se añade más lentamente. |
| Coste | Consume más DBUs para la misma carga de trabajo, a cambio de arranques rápidos y predecibles. | Consume menos DBUs para la misma carga de trabajo, al mismo precio por DBU y en el mismo SKU. |
| Mejor para | Trabajo y desarrollo interactivos que requieren retroalimentación rápida, y cargas de trabajo de producción cuyos requisitos de finalización o de actualización de los datos no puede satisfacer el modo estándar. | Trabajo programado y por lotes que cumpla con sus requisitos de finalización y frescura de datos con un arranque y escalado más lentos, como trabajos por lotes nocturnos, rellenos y cargas puntuales. |
El modo optimizado para rendimiento es el predeterminado para trabajos y pipelines sin servidor, ya sea que los crees en la interfaz de usuario, con la API, con paquetes de automatización declarativa, con Terraform o con los SDK. Los refrescos de vistas materializadas y tablas de streaming que se ejecutan en horario desde la definición de tabla tienen su propia configuración, que por defecto se pone en modo estándar. Consulte Seleccionar un modo de rendimiento para las actualizaciones programadas.
Ambos modos ejecutan tu carga de trabajo en el mismo entorno de ejecución sin servidor y producen los mismos resultados. Para conocer los precios, consulta la página de precios de Lakeflow Jobs.
Elige un modo para tu carga de trabajo
El modo optimizado para rendimiento es el predeterminado. Para trabajos por lotes programados, Databricks recomienda evaluar el modo estándar para reducir el coste. Elige el modo estándar cuando las ejecuciones representativas, incluyendo el tiempo de inicio y de escalado, cumplan los requisitos de finalización y de actualización de los datos de la carga de trabajo. Por ejemplo, un trabajo nocturno puede usar el modo estándar si se completa antes de que los tableros posteriores necesiten sus resultados.
Utilice el modo optimizado para el rendimiento para las siguientes cargas de trabajo:
- Trabajo interactivo, donde alguien espera el resultado, como ejecutar ad hoc con Run now y ejecutar que un usuario inicia desde una aplicación o mediante una llamada a la API.
- Desarrollo, pruebas y validación de trabajos y pipelines, donde la retroalimentación rápida importa.
- Cargas de trabajo cuyo acuerdo de nivel de servicio, objetivo de frescura de los datos o consumidores dependientes requieren resultados más rápido de lo que permite el modo estándar.
- Trabajos que se activan por un desencadenador por llegada de archivo o por un desencadenador de actualización de tabla, cuyo objetivo es procesar nuevos datos rápidamente.
- Trabajos que se ejecutan cada pocos minutos, donde los arranques más lentos podrían retrasar o poner en cola la siguiente ejecución.
- Los trabajos cortos donde el tiempo de arranque representa una gran parte del tiempo total de ejecución y la finalización rápida importa.
- Cargas de trabajo que necesitan una ampliación más rápida para cumplir sus requisitos de finalización.
El modo estándar es adecuado para las siguientes cargas de trabajo:
- Trabajos por lotes nocturnos, cada hora y otros trabajos por lotes programados que cumplan sus requisitos de finalización y actualización de datos en modo estándar.
- Canallas que actualizan tablas según un calendario, cuando las actualizaciones terminan antes de que los consumidores necesiten los resultados.
- Recargas históricas y cargas de datos puntuales.
- Trabajos que un orquestador externo activa de forma programada, cuando el modo estándar cumple con los requisitos de finalización de procesos posteriores.
La configuración del modo rendimiento no se aplica a los portátiles interactivos sin servidor.
El modo de rendimiento es una configuración del trabajo. Si un trabajo mezcla tareas urgentes con tareas que pueden esperar, divide las tareas en trabajos separados. Para orquestar los trabajos juntos, utilice una Run Job task. El trabajo que ejecuta una tarea Run Job utiliza su propio modo de rendimiento.
Prueba el modo estándar en un trabajo existente
Para medir el efecto del modo estándar en una tarea antes de comprometerte con ella, haz lo siguiente:
- Cambia la tarea al modo estándar. Consulta cómo cambiar un trabajo al modo estándar.
- Deja que el trabajo se ejecute según su calendario normal durante varias ejecuciones representativas.
- Compara las DBUs por ejecución y el tiempo de finalización, incluido el inicio, con las ejecuciones anteriores al cambio. Compruebe si el trabajo sigue cumpliendo sus requisitos de finalización y de actualización de datos. Consulta Medir el coste de cada modo.
- Si el trabajo ya no cumple sus requisitos de latencia, vuelva a cambiarlo al modo optimizado para el rendimiento. El cambio se aplica a la siguiente ejecución.
Utilice las ejecuciones programadas del trabajo para la comparación. Las ejecuciones manuales adicionales de un trabajo de producción pueden escribir datos duplicados.
Soporte para el modo de rendimiento según el tipo de carga de trabajo
Puede configurar directamente el modo de rendimiento para los siguientes tipos de cargas de trabajo de computación sin servidor:
- Tareas de notebook sin servidor, script de Python, wheel de Python, JAR y dbt, incluidos los notebooks que una tarea ejecuta con
dbutils.notebook.run(). - Las canalizaciones sin servidor se ejecutan desde una tarea de canalización.
- Actualizaciones de vistas materializadas y tablas de streaming que inicia una tarea SQL, o que inicia una tarea de notebook o DBT en un almacén SQL. El modo no cambia el SQL warehouse.
Las siguientes cargas de trabajo se ejecutan en modo optimizado para el rendimiento:
- Actualizaciones de la canalización activadas que inicias manualmente. La excepción es un refresco completo selectivo, que puede ejecutarse en modo estándar. Consulta Cambiar un pipeline al modo estándar.
- Canalizaciones continuas que utilizan el modo continuo incorporado de la canalización. Para elegir el modo, ejecute el pipeline con un trabajo continuo. Consulta Cambiar un pipeline al modo estándar.
Para las siguientes cargas de trabajo, configura el modo de rendimiento en otro lugar distinto a la configuración del trabajo:
- Ejecuciones puntuales que creas con la operación de la API
runs/submitde Jobs. Para configurar el modo de rendimiento, configuraperformance_targeten el cuerpo de la solicitud. Si omites el parámetro, la ejecución utiliza el modo optimizado para el rendimiento. - Las vistas materializadas y las tablas de streaming se actualizan según una programación a partir de la definición de la tabla. Para configurar el modo de rendimiento, actualice el calendario de actualización en Catalog Explorer. Estos refrescos usan el modo estándar por defecto. Configurar el modo para estos refrescos está en Beta. Para usarlo, un administrador del espacio de trabajo debe activar la vista previa System-Managed Job for Materialized Views & Streaming Tables en la página Previews. Consulta Administrar las vistas previas de Azure Databricks y Selecciona un modo de rendimiento para actualizaciones programadas.
El modo rendimiento no se aplica a portátiles interactivos sin servidor, tareas que se ejecutan en computación clásica, almacenes SQL o tareas que se ejecutan en AI Runtime.
Cambiar un trabajo al modo estándar
Note
- Para cambiar el modo de rendimiento de un trabajo, necesitas el permiso CAN MANAGE sobre el trabajo.
- Para configurar el modo en paquetes de automatización declarativa, necesitas la versión 0.241.0 o posterior de Databricks CLI.
Se configura el modo de rendimiento para cada trabajo. El modo se aplica a todas las tareas serverless del trabajo, y un cambio se aplica a las ejecuciones que comienzan después de guardarlo.
Interfaz de usuario
Para cambiar un trabajo al modo estándar en la interfaz de trabajos, haga lo siguiente:
- En el área de trabajo, haga clic en
Trabajos y canalizaciones en la barra lateral.
- Haz clic en el nombre del trabajo.
- En el panel de detalles del trabajo , desactive Rendimiento optimizado.
Performance optimized aparece como desactivado en el panel Detalles del trabajo, y las ejecuciones que comienzan después del cambio usan el modo estándar.
Para volver al modo optimizado por rendimiento, active Rendimiento optimizado. Solo puedes cambiar la configuración cuando el trabajo tenga al menos una tarea a la que se aplica el modo. Consulte Compatibilidad con el modo de rendimiento por tipo de carga de trabajo.
También puedes elegir el modo para una única ejecución:
- Ejecutar ahora con configuraciones diferentes: Ejecuta el trabajo una vez en el modo que elijas, sin cambiar el trabajo. Consulte Ejecución de un trabajo con una configuración diferente.
- Ejecución de reparación: Por defecto, una reparación utiliza el mismo modo que la ejecución que repara. Puedes elegir un modo diferente para la reparación. Consulte Error en la repetición de la ejecución y tareas omitidas.
Cuando programes un cuaderno desde el cuaderno, elige el modo en el cuadro de diálogo de programación. Consulte Creación y administración de trabajos de cuaderno programados.
Agrupaciones de automatización declarativa
Para usar el modo estándar para un trabajo en un paquete, configura performance_target en el recurso del trabajo. El siguiente ejemplo utiliza el modo estándar y utiliza el modo optimizado para rendimiento en el dev objetivo para una retroalimentación más rápida durante el desarrollo:
resources:
jobs:
nightly_etl:
name: nightly_etl
performance_target: STANDARD
tasks:
- task_key: transform
notebook_task:
notebook_path: ../src/transform.ipynb
targets:
dev:
resources:
jobs:
nightly_etl:
performance_target: PERFORMANCE_OPTIMIZED
Si omites performance_target, el trabajo utiliza el modo optimizado para el rendimiento. Para más información sobre recursos de trabajo y anulaciones de objetivos, consulta trabajo y Anulación con configuraciones objetivo.
REST API
Para cambiar un trabajo existente al modo estándar, llame a Actualizar configuración del trabajo con performance_target en new_settings. El siguiente ejemplo asume que las variables de entorno DATABRICKS_HOST y DATABRICKS_TOKEN están establecidas, como se describe en Realizar autenticación personal con token de acceso:
curl -X POST "$DATABRICKS_HOST/api/2.2/jobs/update" \
-H "Authorization: Bearer $DATABRICKS_TOKEN" \
-H "Content-Type: application/json" \
-d '{
"job_id": 123456789,
"new_settings": {
"performance_target": "STANDARD"
}
}'
La siguiente lista describe cómo performance_target funciona en otras solicitudes:
-
Crear un trabajo: Establece el modo para el nuevo trabajo. Si omites el campo, el trabajo utiliza
PERFORMANCE_OPTIMIZED. -
Restablecer un trabajo: Reemplaza todos los ajustes del trabajo. Para mantener el modo estándar, incluye
performance_targeten las nuevas configuraciones. - Ejecutar ahora y Reparar una ejecución: Establece el modo solo para esa ejecución.
-
Enviar una ejecución única: Establece el modo para la ejecución. Si omites el campo, la ejecución utiliza
PERFORMANCE_OPTIMIZED.
CLI de Databricks
Para cambiar un trabajo existente al modo estándar, ejecuta databricks jobs update con el ID del trabajo en el cuerpo de la solicitud JSON:
databricks jobs update --json '{"job_id": 123456789, "new_settings": {"performance_target": "STANDARD"}}'
Para ejecutar un trabajo una vez en modo estándar sin cambiar el trabajo, ejecuta lo siguiente:
databricks jobs run-now 123456789 --performance-target STANDARD --no-wait
SDK de Python
Para cambiar uno o varios trabajos existentes al modo estándar con el SDK de Databricks para Python, ejecute lo siguiente:
from databricks.sdk import WorkspaceClient
from databricks.sdk.service import jobs
w = WorkspaceClient()
# Replace with the IDs of the jobs to switch to standard mode.
job_ids = [123456789, 234567890]
for job_id in job_ids:
w.jobs.update(
job_id=job_id,
new_settings=jobs.JobSettings(performance_target=jobs.PerformanceTarget.STANDARD),
)
Terraform
Para usar el modo estándar para un trabajo que gestionas con el proveedor Databricks Terraform, configura performance_target el databricks_job recurso:
resource "databricks_job" "nightly_etl" {
name = "nightly_etl"
performance_target = "STANDARD"
task {
task_key = "transform"
notebook_task {
notebook_path = "/Workspace/Users/someone@example.com/transform"
}
}
}
Si un bundle o Terraform despliega un job, cambia el modo en la configuración. La siguiente implementación sobrescribe los cambios que realices en la interfaz de usuario o con la API. Los trabajos que implementa un lote son de solo lectura en la interfaz de usuario de Trabajos.
Cambiar un pipeline a modo estándar
Una pipeline serverless utiliza el modo rendimiento del trabajo que la ejecuta. Cuando programas una tubería desde la página de la canalización, la programación crea un trabajo, así que eliges el modo en la programación.
Para crear una programación de pipeline que utilice el modo estándar, haga lo siguiente:
- En el área de trabajo, haga clic en
Trabajos y canalizaciones en la barra lateral.
- Haz clic en el nombre del pipeline.
- Haga clic en Programar. Si la canalización ya tiene una programación, haz clic en Añadir programación.
- Configura el disparador y el nombre del trabajo. Consulta Programar una tubería con la interfaz de usuario de la canalización.
- Desmarca la casilla Rendimiento optimizado .
- Haga clic en Crear.
El calendario crea un trabajo que ejecuta el pipeline en modo estándar. Para confirmar, abre ese trabajo y comprueba que el Rendimiento optimizado está desactivado en el panel de detalles del trabajo .
Para cambiar el modo de una programación existente, o de cualquier otra tarea que ejecute la canalización, cambie esa tarea al modo estándar. Consulta Cambiar un trabajo al modo estándar.
Las actualizaciones activadas de la canalización que inicias manualmente, por ejemplo con Start en la página de la canalización, se ejecutan en modo optimizado para el rendimiento. Una actualización completa selectiva puede ejecutarse en modo estándar. Después de seleccionar las tablas que desea actualizar, haga clic en Ejecutar ahora con diferentes configuraciones, active Ejecutar pipeline con actualización completa de la tabla y desactive la optimización de rendimiento.
Una tubería continua que utiliza el modo continuo incorporado de la tubería funciona en modo optimizado para el rendimiento, y no puedes cambiar su modo. Para ejecutar una tubería continua en modo estándar, ejecútala con un trabajo continuo y desactive Rendimiento optimizado para ese trabajo. Un trabajo continuo detecta un nuevo modo cuando se reinicia su ejecución. Para aplicar un cambio de inmediato, haz clic en Reiniciar la ejecución. Consulta Ejecutar una tubería continua con un trabajo continuo y Ejecutar trabajos continuamente.
Para vistas materializadas y tablas de transmisión que se actualizan según una programación desde la definición de tabla, configure el modo en la programación de actualización en el Explorador de catálogos. Consulte Seleccionar un modo de rendimiento para las actualizaciones programadas.
Compruebe qué modo utilizó una ejecución
El modo utilizado por una ejecución puede diferir de la configuración del trabajo. Por ejemplo, puedes elegir un modo diferente para una sola ejecución, y ese modo no se aplica a algunos tipos de tareas. Para comprobar qué modo utilizó una ejecución, utilice uno de los siguientes métodos:
- IU de Jobs: Abra la ejecución. En la página de detalles de la ejecución del trabajo , el panel de detalles muestra Rendimiento optimizado como Habilitado para el modo optimizado para rendimiento o Deshabilitado para el modo estándar. La página de detalles de la ejecución de la tarea muestra el mismo campo para cada tarea.
-
API de Jobs: El
effective_performance_targetcampo en la respuesta Obtener una sola ejecución de trabajo muestra el modo que utilizó la ejecución. -
Tablas del sistema: La
product_features.performance_targetcolumna en la tabla del sistema de uso facturable registra el modo para trabajos y canales sin servidor. Para las actualizaciones de la canalización que una tarea desencadene, latrigger_details.job_task.performance_targetcolumna de la tabla de la cronología de actualización de la tubería también registra el modo.
Mide el coste de cada modo
Utiliza la tabla del sistema de uso facturable para encontrar cargas de trabajo que cambiar y medir cuánto se ahorra con el modo estándar. Los registros de uso pueden tardar varias horas en aparecer en la tabla. Las consultas en esta sección utilizan precios de lista, por lo que los costes no reflejan descuentos.
Encuentra trabajos y canalizaciones para cambiar al modo estándar
La siguiente consulta enumera los trabajos y canalizaciones sin servidor que utilizaron el modo optimizado para rendimiento en los últimos 30 días, ordenados por el coste de lista. Las cargas de trabajo situadas en la parte superior de los resultados son buenas candidatas para el modo estándar cuando las ejecuciones representativas, incluyendo el tiempo de inicio y de escalado, cumplen sus requisitos de finalización y frescura de datos.
SELECT
u.workspace_id,
u.billing_origin_product AS product,
u.usage_metadata.job_id AS job_id,
u.usage_metadata.dlt_pipeline_id AS pipeline_id,
MAX(u.usage_metadata.job_name) AS job_name,
COUNT(DISTINCT u.usage_metadata.job_run_id) AS job_runs,
SUM(u.usage_quantity) AS dbus,
SUM(u.usage_quantity * lp.pricing.default) AS list_cost
FROM system.billing.usage AS u
INNER JOIN system.billing.list_prices AS lp
ON u.cloud = lp.cloud
AND u.sku_name = lp.sku_name
AND u.usage_start_time >= lp.price_start_time
AND (u.usage_end_time <= lp.price_end_time OR lp.price_end_time IS NULL)
WHERE
u.billing_origin_product IN ('JOBS', 'DLT')
AND u.product_features.is_serverless
AND u.product_features.performance_target = 'PERFORMANCE_OPTIMIZED'
AND u.usage_unit = 'DBU'
AND u.usage_date >= DATEADD(day, -30, current_date())
GROUP BY
u.workspace_id,
u.billing_origin_product,
u.usage_metadata.job_id,
u.usage_metadata.dlt_pipeline_id
ORDER BY list_cost DESC
LIMIT 50
Para cambiar la canalización que ejecuta un trabajo, cambie el trabajo. Consulta Cambiar una tarea al modo estándar.
Compara el uso de un trabajo antes y después de cambiarlo
Después de que un trabajo se haya ejecutado en ambos modos, la siguiente consulta compara las DBUs que sus tareas consumen por ejecución en cada modo. Sustituye <job-id> por el ID del trabajo:
SELECT
u.product_features.performance_target AS performance_mode,
COUNT(DISTINCT u.usage_metadata.job_run_id) AS runs,
SUM(u.usage_quantity) AS dbus,
SUM(u.usage_quantity) / COUNT(DISTINCT u.usage_metadata.job_run_id) AS dbus_per_run
FROM system.billing.usage AS u
WHERE
u.billing_origin_product = 'JOBS'
AND u.product_features.is_serverless
AND u.usage_unit = 'DBU'
AND u.usage_metadata.job_id = '<job-id>'
AND u.usage_date >= DATEADD(day, -30, current_date())
GROUP BY ALL
La consulta solo cuenta el uso que se factura a la tarea (JOBS). Las tareas de la canalización se facturan como uso de la canalización (DLT), por lo que los resultados no las incluyen. Para comparar una pipeline que ejecuta una tarea de pipeline, filtra en u.billing_origin_product = 'DLT' y u.usage_metadata.dlt_pipeline_id = '<pipeline-id>' en su lugar, y cuenta u.usage_metadata.dlt_update_id en lugar de u.usage_metadata.job_run_id.
El consumo de DBU por ejecución también depende de cuántos datos procesa cada ejecución, así que compara las ejecuciones que procesan cantidades similares de datos. Para comparar las duraciones de las ejecuciones, abre la tarea y ve sus ejecuciones. Consulte Supervisión de trabajos de Lakeflow.
Para informar del consumo de DBU por modo en todos los trabajos y canalizaciones, consulte Informar sobre las DBU consumidas por modo de rendimiento.
Preguntas frecuentes (FAQ) sobre modos de rendimiento sin servidor
¿El modo estándar tiene un precio diferente?
N. º Ambos modos se facturan con el mismo SKU al mismo precio por DBU. El modo estándar cuesta menos porque consume menos DBUs.
¿Puedo establecer un modo predeterminado para todos los trabajos en un espacio de trabajo?
N. º Establece el modo para cada trabajo y cada programación de la canalización. Para cambiar muchos trabajos, utiliza la API de Jobs, el SDK de Databricks para Python, Declarative Automation Bundles o Terraform. Consulta Cambiar un trabajo al modo estándar.
¿Pueden las tareas en el mismo job usar modos de ejecución diferentes?
N. º El modo se aplica a todo el job. Para ejecutar algunas tareas en cada modo, ponlas en tareas separadas y utiliza una tarea Ejecutar Trabajo para orquestarlas.
¿Cuándo entra en vigor un cambio de modo?
Un cambio se aplica a las ejecuciones que comienzan después de guardarlo. Una ejecución que está en curso mantiene el modo con el que empezó. Para un trabajo continuo, haga clic en Reiniciar ejecución para aplicar el cambio de inmediato.
¿Por qué una ejecución utilizó un modo diferente al de su tarea?
La ejecución podría haberse iniciado en un modo solo para esa ejecución, por ejemplo desde Ejecutar ahora con configuraciones diferentes, desde una reparación o con performance_target en una solicitud de Ejecutar ahora. Para comprobar el modo que utilizó una ejecución, consulte Comprobar qué modo utilizó una ejecución.
¿Por qué un trabajo usa el modo estándar si yo no lo elegí?
Hasta septiembre de 2025, el modo estándar era el valor predeterminado para nuevos trabajos sin servidor y horarios de pipeline que creabas en la interfaz de usuario. Los trabajos que la interfaz creó en modo estándar antes del cambio mantienen ese modo hasta que lo cambies. Consulte las notas de versión de septiembre de 2025. Para cambiar un trabajo al modo optimizado para el rendimiento, consulte Cambiar un trabajo al modo estándar.
¿Por qué mi tarea tarda más de 6 minutos en empezar en modo estándar?
El tiempo de inicio en modo estándar depende de la disponibilidad de computación y varía de una ejecución a otra. Entre cuatro y seis minutos son lo típico, no es un máximo. Si un trabajo necesita una hora de inicio predecible, utiliza el modo optimizado para el rendimiento.
¿Puedo usar el modo estándar para trabajos que active una herramienta externa?
Yes. Configura el modo en el trabajo y haz que la herramienta active el trabajo con Ejecutar ahora. Si la herramienta envía ejecuciones únicas con runs/submit, las ejecuciones usan el modo optimizado para rendimiento a menos que la solicitud fije performance_target.