azure-databricks

راهنمای تخصصی طراحی، عیب‌یابی و بهینه‌سازی Azure Databricks

این Skill به شما برای کار با Azure Databricks در زمینه‌های عیب‌یابی، معماری، امنیت، تنظیمات، یکپارچه‌سازی و deployment راهنمایی تخصصی می‌دهد. از خطاهای Spark و SQL تا Lakeflow، Model Serving، Unity Catalog و الگوهای Lakehouse را پوشش می‌دهد.

با استفاده از quick reference محلی و دریافت مستندات به‌روز Microsoft، می‌توانید تصمیم‌های معماری و هزینه‌ای بهتری بگیرید، محدودیت‌ها و quotaها را بشناسید و workloadهای داده و AI را با اطمینان بیشتری در محیط production اجرا کنید.

چه چیزی می‌گیرید

  • تشخیص و رفع خطاهای Spark، SQL، connectorها، Lakeflow و Model Serving
  • راهنمای انتخاب compute، runtime، ابزارهای AI/BI و مسیرهای migration
  • الگوهای معماری برای Lakehouse، medallion، streaming، CDC، MLOps و disaster recovery
  • بهترین‌روش‌های performance tuning، کنترل هزینه، امنیت و governance
  • بررسی limits و quotas و ارجاع به مستندات رسمی و به‌روز Microsoft

برای چه کاری خوب است

  • تیم‌های داده و مهندسی که Azure Databricks را برای workloadهای production مدیریت می‌کنند
  • معمارانی که در حال طراحی Lakehouse، streaming، MLOps یا معماری چندمحیطی هستند
  • توسعه‌دهندگانی که با خطاهای Spark، SQL، connectorها یا deployment در Databricks روبه‌رو شده‌اند

برای چه کاری نیست

  • پروژه‌هایی که به راهنمایی عمومی درباره سرویس‌های غیرمرتبط با Azure Databricks نیاز دارند
  • پرسش‌هایی که بدون دسترسی به مستندات به‌روز یا جزئیات محیط اجرایی قابل پاسخ‌گویی دقیق نیستند

دربارهٔ این اسکیل

Install This Skill

CLI Manual

npx skills add MicrosoftDocs/Agent-Skills@azure-databricks
mkdir -p ~/.claude/skills/azure-databricks
curl -o ~/.claude/skills/azure-databricks/SKILL.md \
  https://raw.githubusercontent.com/MicrosoftDocs/Agent-Skills/main/skills/azure-databricks/SKILL.md

Azure Databricks Skill

This skill provides expert guidance for Azure Databricks. Covers troubleshooting, best practices, decision making, architecture & design patterns, limits & quotas, security, configuration, integrations & coding patterns, and deployment. It combines local quick-reference content with remote documentation fetching capabilities.

How to Use This Skill

IMPORTANT for Agent: Use the Category Index below to locate relevant sections. For categories with line ranges (e.g., L35-L120), use read_file with the specified lines. For categories with file links (e.g., [security.md](security.md)), use read_file on the linked reference file

IMPORTANT for Agent: If metadata.generated_at is more than 3 months old, suggest the user pull the latest version from the repository. If mcp_microsoftdocs tools are not available, suggest the user install it: Installation Guide

This skill requires network access to fetch documentation content:

  • Preferred: Use mcp_microsoftdocs:microsoft_docs_fetch with query string from=learn-agent-skill. Returns Markdown.
  • Fallback: Use fetch_webpage with query string from=learn-agent-skill&accept=text/markdown. Returns Markdown.

Category Index

CategoryLocationDescription
TroubleshootingL37-L183Diagnosing and fixing Databricks issues: Spark and SQL errors, connectors and Lakeflow pipelines, model serving and AI Runtime, CLI/IDE/Git problems, and monitoring/debugging tools.
Best PracticesL184-L398End-to-end Databricks best practices for cost, governance, security, performance, streaming, AI/ML/RAG, connectors, and Lakehouse design, plus tuning, testing, and operating production workloads.
Decision Makingdecision-making.mdGuides for architectural and cost decisions in Azure Databricks: choosing compute, runtimes, AI/BI tools, connectors, and migration paths for workspaces, pipelines, models, and Unity Catalog.
Architecture & Design Patternsarchitecture-patterns.mdArchitectural blueprints and patterns for Databricks: DR/HA, networking, storage, Lakehouse/medallion, Lakeflow/CDC, Lakebase, multi-agent/AI pipelines, MLOps, feature stores, and streaming.
Limits & Quotaslimits-quotas.mdLimits, quotas, and constraints for Databricks compute, AI/model serving, Lakeflow pipelines, connec

دانلود ZIP