Colaboración y control de versiones

Introducción a Databricks Lakehouse

Gang Wang

Senior Data Scientist

Compartir notebooks

Concede permisos del espacio de trabajo a personas o grupos
Tres niveles: Can Read, Can Run, Can Edit
Comparte desde la interfaz del espacio de trabajo o con una URL directa

Permiso	Ver	Ejecutar	Modificar
Can Read	Sí	No	No
Can Run	Sí	Sí	No
Can Edit	Sí	Sí	Sí

Funciones de colaboración

Comentarios en celdas concretas para revisión de código
El historial de versiones muestra quién cambió qué y cuándo
Pero el historial es lineal: sin ramas ni fusiones

colaboración: Dos portátiles conectados por líneas digitales con globos de comentarios e iconos de historial de versiones

Llega Databricks Repos

Flujo de trabajo de Databricks Repos

Integración con Git directamente en el espacio de trabajo
Conecta con GitHub, GitLab, Bitbucket, Azure DevOps
Clonar, commit, push, pull, branch, merge
Flujos CI/CD completos dentro de Databricks

El flujo de trabajo CI/CD

diagrama de flujo: Feature Branch, Pull Request, Main Branch, Production

Versionado de notebooks vs. Repos

comparación: Versioning, Historial lineal, Sin ramas, Sin colaboración externa, Cero configuración | Repos, Git completo, Ramas y PRs, Equipos externos, Configuración del proveedor

Resumen

Comparte notebooks con permisos Can Read, Can Run o Can Edit
El historial de versiones integrado es lineal: sin ramas
Databricks Repos aporta integración Git completa al espacio de trabajo
Repos habilita flujos CI/CD con ramas, PRs y despliegue automatizado

¡Vamos a practicar!

Introducción a Databricks Lakehouse