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.
Caution
Azure Synapse Runtime para Apache Spark 3.4 está en desuso, con soporte técnico finalizado el 31 de marzo de 2026. Aunque puede seguir ejecutándose durante un período limitado más allá de esta fecha, ya no se admite y no recibe correcciones de errores, actualizaciones de seguridad ni revisiones de vulnerabilidades. Si no se actualiza, las cargas de trabajo que se ejecutan en Azure Synapse Runtime para Apache Spark 3.4 seguirán funcionando en un entorno de ejecución no compatible. Esto aumenta los riesgos operativos y de seguridad, ya que el entorno de ejecución ya no recibirá correcciones o actualizaciones críticas. Le recomendamos encarecidamente que actualice las cargas de trabajo basadas en Apache Spark 3.4 a Azure Synapse Runtime para Apache Spark 3.5 (GA).
Azure Synapse Analytics admite varios entornos de ejecución para Apache Spark. En este documento se describen los componentes y versiones del entorno de ejecución de Azure Synapse para Apache Spark 3.4.
Versiones de componentes
| Componente | Versión |
|---|---|
| Spark de Apache | 3.4.1 |
| Sistema operativo | Mariner 2.0 |
| Java | 11 |
| Scala | 2.12.17 |
| Delta Lake | 2.4.0 |
| Pitón | 3.10 |
| R | 4.2.2 |
Sugerencia
Para obtener información actualizada, una lista detallada de cambios y notas de la versión específicas para los entornos de ejecución de Spark, compruebe y suscriba las versiones y las actualizaciones de Spark Runtimes.
Bibliotecas
Para comprobar las bibliotecas incluidas en Azure Synapse Runtime para Apache Spark 3.4 para Java/Scala, Python y R, vaya a Notas de las versiones de Azure Synapse Runtime para Apache Spark 3.4.
Sugerencia
spark.memoryOverheadFactor.preferred: Si se configura en true, Spark priorizará spark.driver.memoryOverheadFactor y spark.executor.memoryOverheadFactor sobre los valores explícitos definidos por spark.driver.memoryOverhead y spark.executor.memoryOverhead. Cuando está activado, la sobrecarga siempre se calcula usando el factor, y se ignoran los ajustes explícitos de sobrecarga. El valor por defecto es falso para compatibilidad hacia atrás.