Databricks SQL Versionshinweise 2026

Die folgenden Databricks SQL-Features und -Verbesserungen wurden 2026 veröffentlicht.

Mai 2026

Databricks SQL Version 2026.15 ist jetzt in der Vorschau verfügbar

26. Mai 2026

Databricks SQL Version 2026.15 ist jetzt im Vorschaukanal verfügbar. Lesen Sie den folgenden Abschnitt, um mehr über neue Features, Verhaltensänderungen und Fehlerbehebungen zu erfahren.

XPath ruft keine externen DTDs mehr ab

Wenn Sie xpath über XML auswerten, lädt Azure Databricks keine externen Dokumenttypdefinitionen (DTDs), die im Dokument deklariert sind. Bisher konnte XPath fehlschlagen, wenn der XML-Code einen externen DTD-Verweis enthielt, der auf eine falsch formatierte URL oder einen nicht erreichbaren Endpunkt verweist. Da die DTD-Überprüfung von der XPath-Auswertung getrennt ist, geben Abfragen, die bereits erfolgreich waren, dieselben Ergebnisse wie zuvor zurück. Abfragen, die zuvor nur während des externen DTD-Abrufs fehlgeschlagen waren, können jetzt erfolgreich sein.

NULL-Strukturarchivierung in INSERT, MERGE und Streaming-Schreibvorgängen mit Schemaentwicklung

Für INSERT, MERGE, und Streaming-Schreibvorgänge, die Schema-Evolution verwenden, wird nun eine NULL-Struct in der Quelle als NULL im Ziel gespeichert. Zuvor wurde dieser Wert fälschlicherweise als eine Nicht-Null-Struktur materialisiert, bei der jedes Feld auf NULL gesetzt wurde, während dieselben Vorgänge ohne Schema-Evolution ordnungsgemäß NULL-Strukturen beibehalten haben. Wenn ihr Code auf dem Empfang einer Nicht-Null-Struktur basiert, deren Felder alle NULL waren, aktualisieren Sie den Code stattdessen, um eine NULL-Struktur zu behandeln.

Unterstützung von NullType (VOID) in Delta-Tabellen

Delta Lake-Tabellen unterstützen jetzt VOID Spalten. Zuvor wurden VOID-Spalten bei pfadbasierten DataFrame-Lesevorgängen und Zeitreiseabfragen stillschweigend übersprungen. Diese Abfragen enthalten jetzt VOID Spalten in der Ausgabe. Schreibvorgänge sind nicht betroffen. Siehe VOID Typ für Einschränkungen, wo VOID Spalten im Schema erscheinen können.

Überprüfen Sie alle Abfragen, die aus Delta Lake-Tabellen mit VOID Spalten gelesen werden, um sicherzustellen, dass sie die zusätzlichen Spalten richtig verarbeiten. Abfragen, die von der Anzahl oder Position der Spalten abhängen, wie z. B. INSERT INTO ... SELECT *, könnten nach dem Upgrade fehlschlagen. Insbesondere können bestimmte INSERT Abfragen mit aktivierter Schemaentwicklung Daten im Hintergrund in die falschen Spalten verschieben.

SHOW CREATE TABLE unterstützt Metrikansichten

SHOW CREATE TABLE unterstützt jetzt Metrikansichten. Zuvor hat das Ausführen dieses Befehls in einer Metrikansicht einen Fehler ausgelöst. Die Ausgabe für Metriksichten enthält den vollqualifizierten dreiteiligen Namen mit Katalog (z. B. CREATE VIEW catalog.db.my_metric_view ...), wodurch es einfacher ist, die Metriksicht an der richtigen Position wiederherzustellen.

Korrektur für LEFT OUTER JOIN LATERAL, die Zeilen entfernt

Ein Fehler, bei dem Zeilen aus LEFT OUTER JOIN LATERAL Abfragen fälschlicherweise gelöscht wurden, wurde jetzt behoben. Abfragen, die dieses Konstrukt verwenden, geben jetzt die richtigen Ergebnisse zurück. Um vorübergehend zum vorherigen Verhalten zurückzukehren, setzen Sie spark.databricks.sql.optimizer.lateralJoinPreserveOuterSemantic auf true.

NATURAL JOIN unterstützt den Abgleich von groß- und kleinschreibungsunabhängigen Spalten.

NATURAL JOIN verwendet jetzt bei der spaltenübergreifenden Übereinstimmung ordnungsgemäß einen fallunempfindlichen Vergleich, wenn spark.sql.caseSensitive auf false (die Standardeinstellung) gesetzt ist. Früher verwendete NATURAL JOIN einen fallsensitiven Vergleich, um allgemeine Spalten zu identifizieren, was dazu führte, dass Spalten, die sich nur in Groß- und Kleinschreibung unterschieden (z. B. ID versus id), nicht als übereinstimmend erkannt wurden. Dies führte dazu, dass NATURAL JOIN Cross-Join-Ergebnisse still und heimlich erzeugt wurden. Von diesem Fehler betroffene Abfragen geben jetzt korrekte Ergebnisse mit ordnungsgemäß verknüpften Spalten zurück.

SQL UDF-Abhängigkeitsüberprüfung im Unity-Katalog

Unity Catalog erzwingt jetzt die Abhängigkeitsüberprüfung für benutzerdefinierte SQL-Funktionen (UDFs), um die Umgehung der Zugriffssteuerung zu verhindern. Zuvor konnten sql-Funktionen, die über die REST-API erstellt wurden, auf Abhängigkeiten verweisen, auf die der Benutzer nicht zugreifen konnte. SQL UDFs mit ungültigen Abhängigkeitskonfigurationen werden jetzt von der Ausführung blockiert.

Optimierte Schreibvorgänge für partitionierte Unity-Katalogtabellen, die mit CRTAS erstellt wurden

Optimierte Schreibvorgänge werden jetzt ordnungsgemäß auf partitionierte Unity-Katalogtabellen angewendet, die mit CREATE OR REPLACE TABLE ... AS SELECT (CRTAS) erstellt wurden. Zuvor haben CRTAS für neue partitionierte Unity-Katalogtabellen keine optimierten Schreibvorgänge angewendet, was zu einer höheren Anzahl kleiner Dateien pro Partition führt. Dieser Fix kann die Schreiblatenz erhöhen. Wenn Sie das vorherige Verhalten wiederherstellen möchten, setzen Sie spark.databricks.delta.optimizeWrite.UCTableCRTAS.enabled auf false.

Korrigieren falscher EPSG-Autorität für ESRI-definierte SRID 102100

Die Koordinatenverweissystemzuordnung (CRS) für SRID 102100 verwendet ESRI:102100 jetzt ordnungsgemäß anstelle der falschen EPSG:102100. Dieser Fix stellt sicher, dass Geospatialdaten mit der richtigen Autorität gespeichert werden, um eine bessere Interoperabilität mit anderen Systemen zu ermöglichen.

CREATE OR REPLACE-Unterstützung für temporäre Tabellen

CREATE OR REPLACE TEMP TABLE Die Syntax wird jetzt unterstützt, sodass Sie temporäre Tabellen in einer einzelnen Anweisung erstellen oder ersetzen können. Dadurch ist es nicht erforderlich, temporäre Tabellen explizit abzulegen und neu zu erstellen.

Delta-Tabellenverlauf enthält Schreiboptionskennzeichnungen

Der Tabellenverlauf von Delta Lake (DESCRIBE HISTORY) enthält jetzt in der Spalte operationParameters Kennzeichnungen für Schreiboptionen bei WRITE- und REPLACE TABLE-Operationen. Wenn die folgenden Optionen explizit aktiviert sind, werden sie im Verlauf als Boolesche Flags angezeigt (nur enthalten, wenn true):

Für WRITE und REPLACE TABLE Vorgänge:

  • isDynamicPartitionOverwrite: vorhanden, wenn der Dynamische Partitionsüberschreibmodus verwendet wurde
  • canOverwriteSchema: vorhanden, wenn das Schema überschreiben (overwriteSchema) aktiviert wurde
  • canMergeSchema: vorhanden, wenn die Schemazusammenführung (mergeSchema) aktiviert wurde

Für REPLACE TABLE Vorgänge:

  • predicate: vorhanden, wann replaceWhere verwendet wurde
  • isV1WriterSaveAsTableOverwrite: vorhanden, wenn die Ersetzung durch eine .saveAsTable Überschreibung ausgelöst wurde

Neue Geospatialfunktionen

Die folgenden Geospatialfunktionen sind jetzt verfügbar:

  • st_makepoint -Funktion: Gibt einen Punkt GEOMETRY mit den angegebenen Koordinaten zurück.
  • st_makeenvelope -Funktion: Gibt einen GEOMETRY Wert zurück, der den achsenbündigen Umschlag (Begrenzungsfeld) darstellt, der durch die angegebenen Eckkoordinaten definiert ist.

Verbesserte Unterstützung für räumliche Verknüpfungen

Das ST_DWithin Prädikat (Abstand innerhalb) wird jetzt als Verknüpfungsbedingung für räumliche Verknüpfungen unterstützt. Konjunkate von Prädikaten sind jetzt für räumliche Verknüpfungen geeignet, z. B condition AND st_predicate. .

Native Datenprofilerstellung für Ergebnistabellen im SQL-Editor

1. Mai 2026

Sie können jetzt Profilerstellungsstatistiken für Spalten in Ergebnistabellen im neuen Databricks SQL-Editor anzeigen. Wählen Sie Spaltenüberschriften aus, und klicken Sie auf das Randleistensymbol.Öffnen Sie Auswahldetails , um Profilerstellungsstatistiken anzuzeigen.

April 2026

agg SQL-Funktion als Synonym für measure

30. April 2026

Die neue AGG-Aggregatfunktion ist ein Synonym für measure. Verwenden Sie agg(measure_column) als kürzere Alternative, wenn Sie Maßeinheiten in einer Metrikansicht abfragen.

Databricks SQL Version 2026.10 wird in Current eingeführt.

23. April 2026

Databricks SQL Version 2026.10 wird für den aktuellen Kanal bereitgestellt. Siehe Features in 2026.10.

März 2026

Databricks SQL Version 2026.10 ist jetzt in der Vorschau verfügbar

26. März 2026

Databricks SQL Version 2026.10 ist jetzt im Vorschaukanal verfügbar. Lesen Sie den folgenden Abschnitt, um mehr über neue Features, Verhaltensänderungen und Fehlerbehebungen zu erfahren.

Beobachtungsmetrikfehler verursachen keine Fehler bei Abfragen mehr

Fehler während der Erfassung von Beobachtungsmetriken verursachen keine Abfrageausführungsfehler mehr. Bisher konnten Fehler in OBSERVE Klauseln (z. B. Division durch Null) die gesamte Abfrage blockieren oder fehlschlagen. Die Abfrage wird nun erfolgreich abgeschlossen, und der Fehler wird ausgelöst, wenn Sie aufrufen observation.get.

Optimierte Schreibvorgänge für Unity Catalog CRTAS-Vorgänge

ERSTELLEN ODER ERSETZEN TABLE AS-Vorgänge SELECT (CRTAS) für partitionierte Unity-Katalogtabellen wenden jetzt standardmäßig optimierte Schreibvorgänge an, wodurch weniger, größere Dateien erzeugt werden. Legen Sie zum Deaktivieren spark.databricks.delta.optimizeWrite.UCTableCRTAS.enabled auf false.

Zeitstempelpartitionswerte verwenden die Sitzungszeitzone

Die Zeitstempelpartitionswerte verwenden jetzt die Zeitzone der SQL Warehouse-Sitzung. Wenn Sie Zeitstempelpartitionen vor Databricks SQL Version 2025.40 geschrieben haben, führen Sie SHOW PARTITIONS aus, um die Partitionsmetadaten zu überprüfen, bevor neue Daten geschrieben werden.

Reserviertes Schlüsselwort "DESCRIBE FLOW"

Der DESCRIBE FLOW Befehl ist jetzt verfügbar. Wenn Sie eine Tabelle mit dem Namen flow haben, verwenden Sie DESCRIBE schema.flow, DESCRIBE TABLE flow oder DESCRIBE `flow` mit Backticks.

SpatialSQL boolesche Set-Operationen

ST_Difference, ST_Intersection, und ST_Union verwenden eine neue Implementierung mit den folgenden Verbesserungen:

  • Gültige Eingabegeometrien erzeugen immer ein Ergebnis und lösen keine Fehler mehr aus. Ungültige Eingaben lösen keine Fehler aus, erzeugen aber möglicherweise keine gültigen Ergebnisse.
  • Ungefähr 2x schnellere Leistung.
  • Ergebnisse können abweichen nach der 15. Dezimalstelle bei Schnittpunkten von Liniensegmenten aufgrund unterschiedlicher Formeln und Reihenfolge der Operationen.
  • Die Ergebnisse werden für eine konsistente, vergleichbare Ausgabe normalisiert:
    • Punkte werden nach Koordinatenwerten sortiert.
    • Linienzeichenfolgen werden aus den längsten möglichen Pfaden erstellt.
    • Polygonringe werden gedreht, sodass der erste Punkt die kleinsten Koordinatenwerte aufweist.
  • Diese Normalisierung gilt in allen Fällen außer beim Aufrufen von ST_Difference mit zwei nicht überlappenden Geometrien, wobei die erste Geometrie unverändert zurückgegeben wird.

Ausnahmetypen für SQLSTATE

Ausnahmetypen unterstützen jetzt SQLSTATE. Wenn Ihr Code Ausnahmen anhand von Zeichenfolgenabgleich analysiert oder bestimmte Ausnahmetypen abfangen, aktualisieren Sie die Fehlerbehandlungslogik.

DATETIMEOFFSET-Datentypunterstützung für Microsoft Azure Synapse

Der DATETIMEOFFSET Datentyp ist jetzt für Microsoft Azure Synapse-Verbindungen verfügbar.

Google BigQuery-Tabellenkommentare

Google BigQuery-Tabellenbeschreibungen werden aufgelöst und als Tabellenkommentare verfügbar gemacht.

Schemaentwicklung mit INSERT Anweisungen

Verwenden Sie die WITH SCHEMA EVOLUTION Klausel mit SQL-Anweisungen INSERT , um das Schema der Zieltabelle während der Einfügevorgänge automatisch zu entwickeln. Die Klausel wird für INSERT INTO, INSERT OVERWRITE und INSERT INTO ... REPLACE-Formulare unterstützt. Beispiel:

INSERT WITH SCHEMA EVOLUTION INTO students TABLE visiting_students_with_additional_id;

Das Schema der Delta Lake-Zieltabelle wird aktualisiert, um zusätzliche Spalten oder erweiterte Typen aus der Quelle zu integrieren. Ausführliche Informationen finden Sie unter Schemaentwicklungs- und INSERT Anweisungssyntax.

Beibehalten von NULL-Strukturwerten in INSERT-Vorgängen

INSERT Vorgänge mit Schemaentwicklung oder impliziter Umwandlung bewahren nun Strukturwerte NULL , wenn die Reihenfolgen der Strukturfelder in Quell- und Zieltabellen unterschiedlich sind.

parse_timestamp SQL-Funktion

Die parse_timestamp SQL-Funktion analysiert Zeitstempelzeichenfolgen mithilfe mehrerer Muster und wird im Photon-Modul ausgeführt, um die Leistung beim Analysieren von Zeitstempeln in mehreren Formaten zu verbessern. Informationen zur Datetime-Musterformatierung finden Sie unter Datetime-Mustermuster .

max_by und min_by mit optionalem Grenzwert

Die Aggregatfunktionen max_by und min_by akzeptieren nun ein optionales drittes Argument limit (bis zu 100.000). Wenn bereitgestellt, geben Funktionen ein Array von bis zu limit Werten zurück, die den größten (oder kleinsten) Werten des Sortierausdrucks entsprechen, wodurch Top-K- und Bottom-K-Abfragen ohne Fensterfunktionen oder CTEs vereinfacht werden.

Periodenvergleichs-Fenstermesswerte mit offset

Fenstermaße in metrischen Ansichten unterstützen ein offset Feld, das den Fensterrahmen entlang der order Dimension um ein festes Intervall nach hinten oder vorne verschiebt. Verwenden Sie offset, um Kennzahlen im Periodenvergleich zu definieren, z. B. im Jahres- oder Monatsvergleich. Erfahren Sie , wie offset der Fensterrahmen verschoben wird.

Verankerungszeile in trailing- und leading-Fenstermaßen ein- oder ausschließen

Die trailing- und leading-Bereichswerte für Fenstermaße akzeptieren einen optionalen inclusive- oder exclusive-Modifikator, der steuert, ob die Ankerzeile Teil des gleitenden Fensters ist. Der Standardwert ist exclusive, was mit dem vorherigen Verhalten übereinstimmt. Siehe Ankerzeile ein- oder ausschließen.

Vektoraggregat- und Skalarfunktionen

Neue SQL-Funktionen arbeiten mit ARRAY<FLOAT> Vektoren für Einbettungs- und Ähnlichkeitsworkloads:

Aggregatfunktionen:

  • vector_avg: Gibt den elementweisen Mittelwert von Vektoren in einer Gruppe zurück.
  • vector_sum: Gibt die elementweise Summe von Vektoren in einer Gruppe zurück.

Skalare Funktionen:

Siehe integrierte Funktionen.

SQL-Cursorunterstützung in zusammengesetzten Anweisungen

Zusammengesetzte SQL-Skriptanweisungen unterstützen jetzt die Cursorverarbeitung. Verwenden Sie DECLARE CURSOR, um einen Cursor zu definieren, dann OPEN statement, FETCH statement, und CLOSE statement, um die Abfrage auszuführen und die Zeilen einzeln zu verarbeiten. Cursor können Parametermarkierungen und Bedingungsbehandler verwenden, z. B. NOT FOUND für die zeilenweise Verarbeitung.

Ungefähre Top-K-Sketch-Funktionen

Neue Funktionen ermöglichen das Erstellen und Kombinieren ungefährer Top-K-Skizzen für verteilte Top-K-Aggregation:

Weitere Informationen finden Sie unter approx_top_k Aggregatfunktion und integrierte Funktionen.

Tupelskizzenfunktionen

Neue Aggregat- und Skalarfunktionen für Tupelskizzen unterstützen das eindeutige Zählen und Aggregieren über Schlüssel-Zusammenfassungspaare.

Aggregatfunktionen:

Skalare Funktionen:

Siehe integrierte Funktionen.

Benutzerdefinierte Abhängigkeiten für Unity Catalog Python UDTFs

Unity Catalog Python benutzerdefinierte Tabellenfunktionen (UDTFs) können jetzt benutzerdefinierte Abhängigkeiten für externe Bibliotheken festlegen, sodass Sie Pakete verwenden können, die über das in der Standard-SQL-Warehouse-Umgebung Verfügbare hinausgehen. Siehe Erweitern von UDFs mithilfe von benutzerdefinierten Abhängigkeiten.

Neue Geospatialfunktionen

Die folgenden Geospatialfunktionen sind jetzt verfügbar:

  • st_estimatesrid funktion: Schätzt den am besten projizierten Räumlichen Referenzbezeichner (SRID) für eine Eingabegeometrie.
  • st_force2d Funktion: Wandelt eine Geografie oder Geometrie in die 2D-Darstellung um.
  • st_nrings Funktion: Zählt die Gesamtanzahl der Ringe in einem Polygon oder Multipolygon, einschließlich Außen- und Innenringen.
  • st_numpoints funktion: Zählt die Anzahl der nicht leeren Punkte in einer Geografie oder Geometrie.

Photonunterstützung für Geospatialfunktionen

Die folgenden Geospatialfunktionen werden jetzt auf dem Photon-Modul ausgeführt, um eine schnellere Leistung zu erzielen:

Februar 2026

Databricks SQL Version 2025.40 wird im aktuellen Kanal eingeführt

23. Februar 2026

Databricks SQL Version 2025.40 wird für den aktuellen Kanal bereitgestellt. Siehe Features in 2025.40.

Databricks SQL Version 2025.40 ist jetzt in der Vorschau verfügbar

11. Februar 2026

Databricks SQL Version 2025.40 ist jetzt im Vorschaukanal verfügbar. Lesen Sie den folgenden Abschnitt, um mehr über neue Features, Verhaltensänderungen und Fehlerbehebungen zu erfahren.

SQL-Skripting ist allgemein verfügbar

SQL-Skripting ist jetzt allgemein verfügbar. Schreiben Sie prozedurale Logik mit SQL, einschließlich bedingter Anweisungen, Schleifen, lokaler Variablen und Ausnahmebehandlung.

Parametermarkierungen werden jetzt in weiteren SQL-Kontexten unterstützt

Sie können jetzt benannte (:param) und unbenannte (?) Parametermarkierungen verwenden, wenn ein Literalwert des entsprechenden Typs zulässig ist. Dazu gehören DDL-Anweisungen wie CREATE VIEW v AS SELECT ? AS c1, Spaltentypen wie DECIMAL(:p, :s), und Kommentare wie COMMENT ON t IS :comment. Auf diese Weise können Sie eine vielzahl von SQL-Anweisungen parametrisieren, ohne den Code sql-Einfügungsangriffen offenzusetzen. Siehe Parametermarkierungen.

IDENTIFIER Auf weitere SQL-Kontexte erweiterte Klausel

Die IDENTIFIER Klausel, die Zeichenfolgen in SQL-Objektnamen umgibt, wird jetzt in fast jedem Kontext unterstützt, in dem ein Bezeichner zulässig ist. In Kombination mit erweiterter Parametermarkierung und der literalen Zusammenführung von Zeichenfolgen können Sie alles von Spaltenaliasen (AS IDENTIFIER(:name)) bis zu Spaltendefinitionen (IDENTIFIER(:pk) BIGINT NOT NULL) parametrisieren. Siehe IDENTIFIER Klausel.

Literale Zeichenfolgenkopplung wird überall unterstützt

Sequenzielle Zeichenfolgenliterale wie zum Beispiel 'Hello' ' World' verschmelzen jetzt zu 'Hallo Welt' in jedem Kontext, in dem Zeichenfolgenliterale zulässig sind, einschließlich COMMENT 'This' ' is a ' 'comment'. Siehe STRING Typ.

Neue BITMAP_AND_AGG-Funktion

Eine neue BITMAP_AND_AGG Funktion ist jetzt verfügbar, um die vorhandene Bibliothek von BITMAP Funktionen zu ergänzen.

Neue Theta Sketch-Funktionen für ungefähre unterschiedliche Anzahlen

Eine neue Bibliothek von Funktionen für ungefähre unterschiedliche Zählung und Mengenoperationen mit Datasketches Theta Sketch ist jetzt verfügbar.

Neue KLL-Sketch-Funktionen für approximative Quantilen

Eine neue Bibliothek von Funktionen zum Erstellen von KLL-Skizzen für die ungefähre Quantileberechnung ist jetzt verfügbar:

Sie können mehrere KLL-Skizzen in einem Aggregationskontext zusammenführen, indem Sie kll_merge_agg_bigint, kll_merge_agg_double und kll_merge_agg_float verwenden.

SQL-Fensterfunktionen in Metrikansichten

Sie können jetzt SQL-Fensterfunktionen in Metrikansichten verwenden, um laufende Summen, Rangfolgen und andere fensterbasierte Berechnungen zu berechnen.

Neue Geospatialfunktionen

Die folgenden neuen Geospatialfunktionen sind jetzt verfügbar:

EWKT-Eingabeunterstützung für vorhandene Geometrie- und Geografiefunktionen

Die folgenden Funktionen akzeptieren nun extended Well-Known Text (EWKT) als Eingabe:

Verbesserte Leistung für wiederholte Abfragen über Tabellen mit Zeilenfiltern und Spaltenmasken

Wiederholte berechtigte Abfragen über Tabellen mit Zeilenfiltern und Spaltenmasken profitieren jetzt von einer verbesserten Zwischenspeicherung von Abfrageergebnissen, was zu schnelleren Ausführungszeiten führt.

Verbesserte Leistung der Geospatialfunktion

Die Leistung der räumlichen Verknüpfung wird durch die Unterstützung für geshuffelte räumliche Verknüpfungen verbessert. Die folgenden ST-Funktionen verfügen jetzt über Photon-Implementierungen:

FSCK REPAIR TABLE enthält standardmäßig metadatenreparatur

FSCK REPAIR TABLE Enthält jetzt einen anfänglichen Metadatenreparaturschritt, bevor nach fehlenden Datendateien gesucht wird, sodass sie an Tabellen mit beschädigten Prüfpunkten oder ungültigen Partitionswerten arbeiten kann. Darüber hinaus ist die dataFilePath Spalte im FSCK REPAIR TABLE DRY RUN Ausgabeschema jetzt nullfähig, um neue Problemtypen zu unterstützen, bei denen der Datendateipfad nicht anwendbar ist.

DESCRIBE TABLE Ausgabe enthält Metadatenspalte

Die Ausgabe von DESCRIBE TABLE [EXTENDED] enthält jetzt eine metadata Spalte für alle Tabellentypen. Diese Spalte enthält semantische Metadaten (Anzeigename, Format und Synonyme), die in der Tabelle als JSON-Zeichenfolge definiert sind.

NULL-Strukturen, die in MERGE-, UPDATEund Streaming-Schreibvorgängen beibehalten werden

NULL-Strukturen werden jetzt als NULL in Delta Lake MERGE, UPDATE und Streaming-Schreibvorgängen beibehalten, die Strukturtyp-Casts enthalten. Zuvor wurden NULL-Strukturen auf Strukturierungen erweitert, wobei alle Felder auf NULL festgelegt sind.

Materialisierte Partitionsspalten in Parquet-Dateien

Partitionierte Delta-Lake-Tabellen materialisieren jetzt Partitionsspalten in neu geschriebenen Parquet-Datendateien. Zuvor wurden Partitionswerte nur in den Metadaten des Delta Lake-Transaktionsprotokolls gespeichert. Workloads, die Parquet-Dateien, die von Delta Lake geschrieben wurden, direkt lesen, erkennen zusätzliche Partitionsspalten in neu geschriebenen Dateien.

Zeitstempel-Partitionswerte berücksichtigen die Sitzungszeitzone

Jetzt werden die Zeitstempel-Partitionswerte korrekt mithilfe der spark.sql.session.timeZone Konfiguration angepasst. Zuvor wurden sie mit der JVM-Zeitzone fälschlicherweise in UTC konvertiert.

Zeitreisebeschränkungen aktualisiert

Azure Databricks blockiert jetzt Zeitreiseabfragen über den deletedFileRetentionDuration Schwellenwert für alle Tabellen hinaus. Der VACUUM Befehl ignoriert das Argument "Aufbewahrungsdauer", es sei denn, der Wert beträgt 0 Stunden. deletedFileRetentionDuration kann nicht größer als logRetentionDuration festgelegt werden.

SHOW TABLES DROPPED respektiert die Klausel LIMIT

SHOW TABLES DROPPED respektiert jetzt die LIMIT Klausel korrekt.

Januar 2026

  • Last updated on