Databricks Runtime 지원 정책 점검

설명

Databricks Runtime의 지원이 끝나면 보안 수정과 지원을 받지 못해 운영 위험이 커질 수 있습니다. LTS가 아닌 버전도 지원 기간 내에는 사용할 수 있으므로 실제 런타임의 지원 종료일과 업무 요구를 기준으로 선택해야 합니다.

databricks_spark_version은 Apache Spark 버전만이 아니라 Databricks Runtime 식별자를 선택합니다. 장기 운영에서는 LTS를 고려하되 라이브러리 호환성과 업데이트 계획도 함께 관리해야 합니다.

잠재적 영향

지원 종료 후에는 보안 수정이나 문제 해결 지원을 받기 어려워집니다.
짧은 지원 주기에 맞춰 라이브러리 검증과 업그레이드를 더 자주 수행해야 할 수 있습니다.

해결 방법

운영 기간에 맞는 지원 중인 Databricks Runtime을 선택하고 종료일 전에 업그레이드하세요. 장기 지원이 필요하면 long_term_support = true를 사용하세요. provider v1.133.0에서는 이 조건이 LTS와 ESR 버전을 대상으로 합니다. 선택된 버전의 호환성을 시험하고 업데이트 적용에 필요한 재시작을 계획하세요.

예시

다음은 GPU/ML 런타임 선택을 보여 주는 발췌로, 노드 유형 등 나머지 클러스터 설정은 생략합니다. 변경 전에는 장기 지원 조건을 지정하지 않지만, 이것만으로 지원이 끝난 런타임을 선택한다는 뜻은 아닙니다.

변경 전

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
}

변경 후

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
}

변경 후에는 LTS와 ESR로 후보를 제한합니다. 이 조건이 업그레이드를 자동으로 완료해 주는 것은 아니므로 선택된 버전과 지원 기간을 확인하고 실제 클러스터에 업데이트를 적용하세요.

Databricks Runtime 지원 정책 점검

설명

잠재적 영향

해결 방법

예시

변경 전

변경 후

참조