Iremos conhecer as técnicas:

1\. Definir região e carga de trabalho (REGION, WORKLOAD):

• Escolha a região geográfica em que o ambiente do Azure Databricks será provisionado e defina a carga de trabalho (por exemplo, Spark) que será executada no cluster.

2\. Definir a camada de serviço (SERVICE TIER):

• Escolha entre as camadas Premium e Standard do serviço, considerando os recursos e o desempenho necessários para a carga de trabalho.

3\. Definir o tipo de instância da máquina virtual (CATEGORY, INSTANCE SERIES):

• Escolha o tipo e a série da instância de máquina virtual que atendam aos requisitos de desempenho do cluster.

4\. Pagamento antecipado por reserva de recurso (SAVING OPTIONS, RESERVED RESOURCE):

• Avalie as opções de economia, como reservar recursos antecipadamente para obter descontos significativos.

5\. Custo mensal da máquina virtual do Azure Databricks (ESTIMATED MONTHLY COST):

• Estime o custo mensal com base nas escolhas feitas para região, carga de trabalho, camada de serviço e tipo de instância.

6\. Criar cluster no Azure Databricks (CLUSTER MODE):

• Provisão de um cluster no ambiente do Azure Databricks para executar cargas de trabalho de processamento distribuído, como Spark.

7\. Criar primeiro notebook de linguagem Python (NOTEBOOK):

• Desenvolva um notebook utilizando a linguagem Python para realizar tarefas de análise de dados, machine learning ou outras operações. Exemplo de código Python para iniciantes:

Exemplo de código Python para somar dois números

num1 = 5

num2 = 10

soma = num1 + num2

Exibir o resultado

print("A soma de {} e {} é: {}".format(num1, num2, soma))

Este é um exemplo simples para começar a trabalhar com um notebook Python no ambiente do Azure Databricks. É possível realizar operações mais avançadas conforme a familiaridade com o ambiente e as necessidades do projeto aumentam.