説明
Databricks Runtime のサポートが終了すると、セキュリティ修正やサポートを受けられなくなり、運用上のリスクが高まります。LTS 以外でもサポート期間内のリリースは利用できるため、実際の終了日とワークロードの要件に基づいて選択する必要があります。
databricks_spark_version が選択するのは Apache Spark のバージョンだけではなく、Databricks Runtime の識別子です。長期運用では LTS を検討しつつ、ライブラリの互換性と更新計画も管理する必要があります。
想定される影響
- サポート終了後は、セキュリティ修正や問題解決のサポートを受けられなくなります。
- サポート期間が短い場合は、互換性の検証やアップグレードをより頻繁に行う必要があります。
対処方法
運用期間に合ったサポート中の Databricks Runtime を選択し、サポート終了前にアップグレードしてください。長期サポートが必要なら long_term_support = true を使ってください。provider v1.133.0 では LTS と ESR のリリースが対象になります。選択したバージョンの互換性をテストし、更新の適用に必要な再起動を計画してください。
例
以下は GPU/ML ランタイムの選択を示す抜粋で、ノードタイプなど他のクラスター設定は省略しています。変更前は長期サポートの条件を指定していませんが、それだけでサポート終了済みのランタイムを選ぶという意味ではありません。
変更前
hcl
data "databricks_spark_version" "gpu_ml" {
gpu = true
ml = true
}
resource "databricks_cluster" "example" {
cluster_name = "Research Cluster"
spark_version = data.databricks_spark_version.gpu_ml.id
}
変更後
hcl
data "databricks_spark_version" "gpu_ml" {
gpu = true
ml = true
long_term_support = true
}
resource "databricks_cluster" "example" {
cluster_name = "Research Cluster"
spark_version = data.databricks_spark_version.gpu_ml.id
}
変更後は候補を LTS と ESR に限定します。この条件だけでアップグレードが自動的に完了するわけではないため、選択したバージョンとサポート期間を確認し、実際のクラスターに更新を適用してください。