password = '' jdbcPort = 8433 jdbcUrl = "jdbc:sqlserver://{0}:{1};database={2};user={3};password={4}".format(jdbcHostname, jdbcPort, jdbcDatabase, userName, password) df = spark.read.jdbc(url=jdbcUrl, table='C_BoxStatus') display(df) 创建新的notebook输入相关参数jdbcHostname = "-----"jdbcDatabase = "iotdb"userName = 'sa'password = ''jdbcPort = 8433jdbcUrl = "jdbc:sqlserver://{0}:{1};database={2};user={3};password={4}".format(jdbcHostname, jdbcPort, jdbcDatabase, userName, p... spark DF = spark .read.json("/FileStore/shared_uploads/2020_10_01_9_json.gz") 2、输出 数据 Schema spark DF.printSchema() 主要优点： 专为企业打造，具有安全性，可靠性和可扩展性 从 数据 访问（ADLS， SQL DW，EventHub，Kafka等）， 数据 准备，功能工程，在单节点或分布式中的模型构建，带有MLflow的MLop，与 Azure ML，Synapse和其他 Azure 服务集成的端到端集成。 Delta Lake将为下游ML和AI用例奠定更高 数据 质量，可靠性和性能的 数据 基础 ML运行时优化 可靠且安全地分发开源ML框架 打包并优化最常见的ML框架 内置的分布式深度学习优化 内置的AutoML和实验跟踪 使用 conda的自定义环境可重现 分布式机器学习 火花MLlib 只需几行代码更改即可将单节点迁移到分布式： 分布式超参数搜索（Hyperopt，Gridsearch） PandasUDF将模型分布在 数据 或超参数的不同子集上 考拉： Spark 上的Pandas Da