引入
自 2023 年 1 月起,我们为 Community 和 Professional 用户推出了许多新功能。其中包括期待已久的 Datalore Run API、更强大的反应式内核、一系列强大的 CPU 与 GPU、面向 Professional 用户的 Datalore 点数,以及一些性能改进。
Datalore Run API
全新的 Datalore Run API 让您可以通过 API 调用运行 Datalore Notebook 或重新发布报告。此功能可以补充定时运行,允许您从外部应用和内部 Datalore Notebook 按需触发重新运行 Notebook。在此处详细了解如何使用 API 。
质量和性能改进
报告生成器和反应式模式以及定时运行和数据连接都得到了改进。
云存储桶连接现在可以在工作区层面上使用,类似于数据库连接。 了解详情。
对于单元格数量超过100且具有复杂输出的 Notebook,报告生成器现在能够更顺畅地运行。
报告生成器中的单元格现在按照相应 Notebook 中的顺序显示。
Notebook 查看器现在可以让您更全面地了解附加数据库和云存储空间的内容。
如果您撤销公开访问链接,协作者将失去对 Notebook 的访问权限。
用户现在可以在 User | Running machines(用户 | 正在运行的机器)对话框中停止 Scheduled run(定时运行)。
指标单元格现在支持比较两个浮点数。
现在,您可以将工作区的全部内容导出为 .zip 归档。
当您的 Notebook 唤醒时,终端会话将被重新激活。
更稳健的反应式内核
已启用反应式模式的 Notebook 和报告现在支持由于存在开放连接或设备而不能设置检查点的中间单元格。
我们引入了一种新的处理检查点错误的方式。如果发生错误,Datalore 会通知用户没有为该单元格设置检查点,同时允许进一步评估。Datalore 现在使用最近的有效检查点进行重新评估。
增加强大的 CPU 与 GPU
我们在 Datalore Professional 版的选项列表中引入了 8 款新的高性能 CPU 和 GPU 计算机器,CPU XXL 上的内存高达 96GB,以及最多 8 个 Nvidia T4 GPU。
要获得新机器的访问权限,请转到 Account Settings | Billing plans (帐户设置 | 结算方案)。您需要将您的帐户升级到 Datalore Professional。
在后台,Datalore 会为每个新的 Notebook 计算启动一台 AWS EC2 机器。默认情况下,会启动一台 Spot 机器,这有助于尽可能降低计算价格。作为功能路线图的一部分,我们计划引入在 Spot 和按需类型机器之间进行选择的选项,使每台机器的成本对用户更透明。
Datalore 点数
很多用户反映,他们需要的是大量的 CPU 机器时间,而另一些用户则需要的是 GPU 时间。为了使计算选项更加灵活,我们引入了Professional 用户专属的 Datalore 点数,可用于选择他们喜欢的机器。
在 Professional 方案中,用户每月将获得 12 个免费的 Datalore 点数,足以支付 CPU L 上 120 小时的计算时间和 GPU S 上 20 小时的计算时间。与以前一样,Professional 方案也将包括 CPU S 上 750 小时的计算时间,以确保即使您的 Datalore 点数用完,也可以继续工作。
Datalore 点数和更强大的 CPU 与 GPU 将帮助您充分利用 Datalore Professional 方案。
相关阅读
如何在 Datalore 中使用 Git
如果您或您的团队开发了一组 Python 脚本或存储在 Git 中的 pip 兼容软件包,您现在可以从 Datalore 中的 Notebook 方便地访问此仓库。>>>了解详情
Datalore Enterprise 发布
我们已经推出 Datalore Enterprise 2023.1,该版本带来了许多质量和性能改进。继续阅读以详细了解最新变化和改进。>>>了解详情
案例研究:TrueLayer
TrueLayer 是一个全球开放式银行平台,任何人都可以轻松打造更出色的金融体验。>>> 阅读完整的案例研究,了解 TrueLayer 是如何使用 Datalore 开展安全协作的。
本博文英文原作者:Foad Vafaei
关于 Datalore
Datalore 专为云端数据分析和数据科学而设计。享受适用于 Python、SQL、R、Scala 和 Kotlin 的智能编码辅助;在强大的 CPU 和 GPU 上运行代码,创建交互式可视化效果,并与您的团队实时协作。
进一步了解 Datalore
⏬ 戳「阅读原文」了解更多