Databricks、Appsの水平スケールとLakeflow Designerを強化

Databricks は May 2026 platform release notes の 2026年5月29日付で、Databricks アプリ horizontal scaling と Lakeflow Designer updates を公開しました。アプリ運用の可用性と、Lakeflow Designer でのデータパイプライン設計体験に関わる更新です。

要点

• Databricks アプリ で single アプリ URL の背後に複数 instance を動かす horizontal scaling が ベータ になった
• Lakeflow Designer に AI-generated descriptions、N-way Combine、custom join conditions などの更新が入った
• Databricks を data アプリ / ETL 基盤として使うチームは確認したい

今回のリリースノートで語られていること

Databricks の May 2026 release notes は、5月29日付で Databricks アプリ horizontal scaling を ベータ として追加しました。これにより、Databricks アプリ を single アプリ URL の背後で複数 instance にまたがって実行できるようになります。リリースノートでは、higher 可用性、zero-downtime deployments、セッション affinity が説明されており、既存の standard アプリ を horizontally scaled アプリ に変換するか、新規作成時に horizontal scaling を有効化できるとされています。Converted アプリ では、pre-installed Python libraries を opt out して clean base OS image で動かす選択肢も示されています。

同じ 5月29日付の Lakeflow Designer updates は、ETL / データパイプライン の設計体験を改善する更新です。operator に AI-generated description が表示され、その description を編集して operator を reconfigure できるようになったほか、Combine operator の任意数入力、custom join condition、filter condition の可読性改善、plot / HTML / image などの multi-modal output types、input/output panel の切り替え、Genie Code の変更サマリー、Notes の配置改善、inline parameter examples、Python プレビュー の 不具合 fix などが列挙されています。Lakeflow Designer を自然言語と視覚的な設計で使う流れを強める更新です。

これら二つの native unit は、同じ 5月29日付の更新ですが、意味は少し異なります。Databricks アプリ horizontal scaling は internal tools / ダッシュボード / data アプリ の運用信頼性に関係します。Lakeflow Designer updates は ETL 開発者や analytics エンジニア の作業効率、AI-assisted パイプライン 設計 に関係します。

実務では、Databricks アプリ を production-like に使っている組織は scaling、セッション affinity、deployment、ライブラリ baseline を見直す必要があります。Lakeflow Designer を使うチームは、AI-generated description で operator の意味が変わる運用をどうレビューするか、custom join や multi-modal output を本番 パイプライン 設計でどう扱うかを確認したいところです。

対象になりそうなチーム

• Databricks アプリ で社内 data アプリ / operational ダッシュボード を運用する platform / analytics アプリ team
• Lakeflow Designer と Genie Code で ETL / ELT パイプライン を作る data engineering team

実務で確認したいポイント

Databricks アプリ horizontal scaling を試す場合は、stateful セッション、external storage、deployment ロールバック、ライブラリ dependency、監視 を確認してください。Lakeflow Designer では、AI-generated description の変更が operator behavior にどう反映されるかをレビュー手順に入れるべきです。

結局、この更新をどう見るべきか

今回の Databricks 更新は、data アプリ の本番運用と AI-assisted パイプライン 設計 を前に進めるものです。Databricks を lakehouse 兼 アプリケーション platform として使う組織ほど、単なる機能追加ではなく運用設計の更新として読むべきです。