Azure Databricks release notesの2026年4月更新で最初に確認すべきポイントは、Unity Catalogを中心にしたガバナンス強化、Lakeflowによるデータ取り込みの拡張、Databricks Runtime 18.2 Beta、AI・BI関連機能の実務投入です。特にdata engineers、DBAs、analytics leadersは、ABACの一般提供、governed tags、Scoped PAT、Power BIコネクタ変更、Lakeflow Connectの新機能を優先して確認する必要があります。なお、Azure Databricksのリリースは段階的に展開されるため、公式リリースノートに掲載されていても、自社ワークスペースへの反映が遅れる場合があります。(Microsoft Learn)
本記事では、2026年4月23日に確認されたMicrosoft Learnの「Azure Databricks release notes」を起点に、2026年4月下旬までに追加された主要更新も含め、実務でどう判断すべきかを整理します。公式ページでは、Databricks Runtime、プラットフォーム更新、Databricks SQL、Lakeflow、serverless computeなど、リリース種別ごとに情報が整理されています。(Microsoft Learn)
Azure Databricks release notesの2026年4月更新で重要な変更点
2026年4月のAzure Databricks更新は、単なる機能追加ではなく、データ基盤の運用ルールを見直すきっかけになる変更が多い月です。特にUnity Catalog、認証、BI連携、ETL、Runtime更新は、既存ワークロードに影響する可能性があります。
| 領域 | 主な更新 | 実務での確認ポイント |
|---|---|---|
| データガバナンス | ABACのGA、governed tagsのGA、Data ClassificationのGA | タグ設計、列マスク、行フィルタ、権限設計を見直す |
| セキュリティ | Scoped PATのGA、CMK対応拡張、コンプライアンス制御 | 既存PATの棚卸し、OAuth移行、暗号化要件の確認 |
| データ取り込み | Lakeflow Connectのquery-based connectors、Confluence/Zendesk連携 | CDCが使えないDBからの取り込み方式を再検討する |
| BI・分析 | 5X-Large SQL warehouse、Power BIコネクタ変更、Google Sheets Connector GA | 大規模SQL処理、metric views利用レポートの影響を確認する |
| Runtime | Databricks Runtime 18.2 Beta、メンテナンス更新 | Beta検証、SELECT *依存、Delta tableの挙動変更を確認する |
| AI・アプリ | ai_parse_document GA、ai_prep_search Beta、Supervisor API、Git-backed app deployments | RAG、エージェント、アプリ運用のPoC対象を選定する |
優先順位を付けるなら、まずは「既存環境に影響する変更」を確認します。具体的には、Power BIコネクタの変更、ABACの評価主体変更、Scoped PAT、Runtimeの挙動変更です。その後、LakeflowやAI関連の新機能を検証テーマとして扱うと、運用リスクを抑えながら新機能を取り込めます。(Microsoft Learn)
Unity Catalogのガバナンス強化：ABACとgoverned tagsが本格導入フェーズへ
2026年4月更新で最も重要なのは、Unity Catalogまわりのガバナンス強化です。ABAC、governed tags、Data Classificationが実務で使いやすくなり、テーブル単位の権限管理から、属性ベースの動的なアクセス制御へ移行しやすくなりました。
ABACがGA：タグを使った行フィルタ・列マスクを大規模に適用可能に
Attribute-based access control、つまりABACは、Unity Catalog上のデータ資産に付与されたgoverned tagsをもとに、行フィルタや列マスクポリシーを動的に適用するアクセス制御モデルです。ポリシーはcatalog、schema、tableレベルに設定でき、条件に一致するテーブル、materialized views、streaming tablesに自動適用されます。(Microsoft Learn)
例えば、顧客データに sensitivity=personal、region=jp のようなタグを付け、営業部門には担当地域の行だけを見せ、メールアドレスや電話番号は役割に応じてマスクする、といった設計ができます。従来のようにテーブルごとに個別のrow filterやcolumn maskを設定するより、ポリシーの再利用性が高くなります。
ただし、2026年4月のABAC GAには注意点があります。ABACで保護されたテーブルにviewやfunction経由でアクセスする場合、row filterやcolumn maskの評価に使われるIDが、viewまたはfunctionの所有者ではなく、クエリを実行するセッションユーザーのIDに変わります。これは既存設計によっては結果が変わる可能性があるため、該当環境では検証が必要です。(Microsoft Learn)
governed tagsは「命名ルールの統一」だけでなくアクセス制御の土台になる
governed tagsは、アカウントレベルで管理される統制済みタグです。許可された値、付与できるユーザー、タグの定義管理権限を制御できるため、メタデータの表記揺れを防げます。たとえば PII、PersonalData、personal_info のようなばらつきをなくし、アクセス制御やコスト管理に使える状態へ整えられます。(Microsoft Learn)
実務では、いきなり全データ資産へタグを付けるより、次の順で進めるのが現実的です。
| ステップ | 作業内容 | 失敗しやすいポイント |
|---|---|---|
| タグ設計 | 機密区分、業務ドメイン、所有部門、コストセンターを定義する | 値を増やしすぎて運用できなくなる |
| 権限設計 | 誰がタグを作成・付与・変更できるかを決める | データ所有者と管理者の責任範囲が曖昧になる |
| 小規模適用 | 重要なcatalogまたはschemaから試す | いきなり全社適用してクエリ結果の確認が追いつかない |
| ABAC連携 | 行フィルタ・列マスクの条件に使う | タグ変更がアクセス制御へ与える影響を周知しない |
| 監査 | タグ変更、ポリシー変更、アクセス結果を確認する | 監査ログを見る担当者が決まっていない |
重要な注意点として、governed tagsのタグ名や値には個人情報や機密情報そのものを入れるべきではありません。Microsoft Learnでは、タグデータは平文で保存され、グローバルに複製される可能性があるため、セキュリティを損なう情報をタグ名や値に含めないよう警告しています。(Microsoft Learn)
Data ClassificationのGAで、機密データ検出からタグ付けまでの流れが作りやすくなる
Databricks Data Classificationは、Unity Catalog内の機密データを自動分類し、タグ付けに活用できる機能です。2026年4月更新ではGAとなり、機密データ管理を手作業だけに頼らない体制を作りやすくなりました。(Microsoft Learn)
analytics leadersにとっては、これは単なる便利機能ではありません。データ民主化を進めるほど、どのデータが誰に見えてよいのかを継続的に判断する必要があります。Data Classification、governed tags、ABACを組み合わせることで、データ利用を止めずにリスクを下げる設計が可能になります。
認証とセキュリティ：Scoped PATは便利だがOAuth移行も検討する
2026年4月には、Scoped personal access tokens、いわゆるScoped PATがGAになりました。Scoped PATでは、トークンを特定のAPI操作スコープに制限できます。従来の広い権限を持つPATを使い回している環境では、権限最小化のために見直す価値があります。(Microsoft Learn)
ただし、PATを増やせば安全になるわけではありません。Microsoft Learnでは、ユーザー認証には可能な限りOAuthの利用が推奨されています。また、authentication スコープを持つトークンは新しいトークンを作成できるため、必要な用途に限定して付与する必要があります。(Microsoft Learn)
実務での見直しポイントは次の通りです。
| 対象 | 確認内容 | 推奨アクション |
|---|---|---|
| CI/CD | PATをリポジトリや環境変数で使っていないか | サービスプリンシパルやOAuthベースの認証へ移行を検討する |
| 個人開発 | 長期間有効なPATを使っていないか | 有効期限を短くし、用途別にスコープを分ける |
| 管理API | 不要に広い権限を持つPATがないか | APIスコープを限定し、利用実績のないトークンを削除する |
| 監査 | 誰がどのトークンを使っているか追跡できるか | トークン名、所有者、用途、期限を台帳化する |
また、2026年4月にはModel Servingのコンテナイメージとモデル成果物にcustomer-managed keysを利用できる更新、Lakebase AutoscalingプロジェクトデータへのCMK対応、C5・TISAX・K-FSIのコンプライアンス制御のGAも含まれています。規制産業やグローバル展開している組織では、クラウド暗号化要件や監査要件と照らして確認すべき更新です。(Microsoft Learn)
Lakeflow関連の更新：CDCが使えないデータソースの取り込み選択肢が広がる
data engineersとDBAsにとって、Lakeflow関連の更新は実務インパクトが大きい領域です。2026年4月には、Lakeflow Connectのquery-based connectorsがPublic Previewになり、Oracle、Teradata、SQL Server、MySQL、MariaDB、PostgreSQLなどから、CDC設定なしでデータを取り込める選択肢が追加されました。(Microsoft Learn)
query-based connectorsは、ソースDBへ直接クエリを実行し、単調増加するtimestampまたはintegerのcursor columnを使って、新規・更新行を取得します。CDC用のbinlogやゲートウェイが使えない環境では有効ですが、ソースDBに直接負荷がかかる点、スケジュール実行であり中間状態をすべて捕捉するわけではない点に注意が必要です。(Microsoft Learn)
| 取り込み方式 | 向いているケース | 注意点 |
|---|---|---|
| CDC connector | 変更履歴を継続的に取得したい | CDC設定、binlog、ゲートウェイなどの準備が必要 |
| query-based connector | CDCが使えないDBから定期取得したい | cursor columnが必要。ソースDBへのクエリ負荷を考慮する |
| foreign catalog ingestion | Lakehouse Federation経由で取り込みたい | 対象データソースとネットワーク接続を確認する |
| APPEND_ONLY | 履歴を単純に追記したい | 重複や更新扱いを下流でどう処理するか決める |
例えば、基幹DBの updated_at をcursor columnにして、1時間ごとに売上マスタや顧客マスタを取り込む用途には向いています。一方で、監査証跡として「途中のすべての変更状態」を残したい場合は、CDC方式の方が適している場合があります。
そのほか、Lakeflow Spark Declarative Pipelinesの更新履歴保持期間が30日から60日に延長されました。障害調査や月次レビューで、以前のpipeline更新履歴を確認したいチームには地味ですが重要な改善です。(Microsoft Learn)
さらに、Lakeflow DesignerがPublic Previewになり、ドラッグ&ドロップのキャンバスと自然言語でデータ変換ワークフローを作成できるようになりました。SQLやSparkに詳しくない分析担当者が下処理の流れを理解する補助として有効ですが、本番適用前には生成された処理内容、スキーマ変換、エラー時の再実行方針をデータエンジニアが確認すべきです。(Microsoft Learn)
BIとSQL warehouse：Power BI利用者は互換モード削除を必ず確認する
2026年4月更新で見落としやすいのが、Power BI Azure Databricks connectorからBI compatibility modeオプションが削除された点です。このオプションを使ってUnity Catalog metric viewsをクエリしていたレポートは機能しなくなると公式リリースノートに記載されています。BI compatibility modeは他のBIツールでは引き続き利用可能とされていますが、Power BI利用組織では影響調査が必要です。(Microsoft Learn)
確認すべき対象は、次のようなレポートです。
- Power BIからAzure Databricks connectorを使っている
- Unity Catalog metric viewsを参照している
- 以前にBI compatibility modeを有効化していた
- 経営ダッシュボードや月次レポートなど、停止時の影響が大きい
analytics leadersは、レポート所有者、データセット、接続方式、更新スケジュールを棚卸しし、影響があるものから代替クエリや接続方式を検討してください。特に、経営指標をmetric viewsで統一している組織では、単なるコネクタ設定の問題ではなく、BI配信設計全体に関わる可能性があります。
SQL warehouseでは、serverlessおよびpro SQL warehouses向けに5X-LargeサイズがPublic Previewとして追加されました。5X-Largeは512 workersを提供し、workspace adminがPreviewsページから利用制御できます。大規模な同時実行や重い分析クエリを抱える環境では検証候補になりますが、Preview機能であること、コスト、キューイング、実際のワークロード特性を確認してから使うべきです。(Microsoft Learn)
また、Databricks Connector for Google SheetsがGAになりました。軽量な部門分析や、Unity Catalogのデータをスプレッドシートで確認したいケースでは便利ですが、重要データを扱う場合は、誰がどのデータをGoogle Sheetsへ取り出せるのかをUnity Catalogの権限や監査とセットで考える必要があります。(Microsoft Learn)
Databricks Runtime 18.2 Beta：検証すべきだが本番移行は慎重に
2026年4月にはDatabricks Runtime 18.2とDatabricks Runtime 18.2 MLがBetaとして公開されました。Databricks Runtime 18.2はApache Spark 4.1.0を含みますが、Betaのため、サポート環境に含まれるパッケージやバージョンが変わる可能性があります。(Microsoft Learn)
本番ワークロードでは、LTS版を基準にする判断が安全です。Microsoft Learnの互換性ページでは、長期サポート版として17.3 LTS、16.4 LTS、15.4 LTS、14.3 LTS、13.3 LTSなどが掲載されており、最適な寿命を重視する場合はLTS版の利用が推奨されています。(Microsoft Learn)
一方で、18.2 Betaには検証すべき重要な挙動変更があります。特にDelta tableでVOID列を含む場合、これまで出力されなかった列がクエリ結果に含まれるケースがあり、SELECT * や列位置に依存した INSERT INTO ... SELECT * が影響を受ける可能性があります。(Microsoft Learn)
| 確認対象 | リスク | 対策 |
|---|---|---|
SELECT * を使うETL | 列数や列順の変化で下流処理が壊れる | 本番ETLでは列名を明示する |
| schema evolution付きのINSERT/MERGE | NULL structやVOID列の扱いが変わる | テストデータで差分検証する |
| NATURAL JOIN | 大文字小文字の扱い修正で結果が変わる | JOIN条件を明示する |
| Auto Loader | listing性能改善によりAPI呼び出し頻度が変わる可能性 | ProcessingTime triggerを明示する |
| Unity Catalog SQL UDF | 依存関係の検証強化で実行できなくなる可能性 | UDFの参照権限と依存先を確認する |
Runtime更新では「新しいから上げる」ではなく、既存ジョブのクエリパターンを確認することが重要です。特に、列順に依存する処理、スキーマ進化を使う処理、NATURAL JOINを含むSQL、Auto Loaderの継続ストリームは、ステージング環境で実行結果とコストを比較してから移行してください。
AI・RAG・エージェント関連：PoCから業務利用へ進めやすくなった領域
2026年4月のAzure Databricks更新では、AI関連機能も目立ちます。ai_parse_document がGAになり、PDF、画像、Word、PowerPointなどの非構造化ドキュメントから構造化コンテンツを抽出できるようになりました。公式リリースノートでは、ドキュメントは最大500ページ、100MBまでとされています。(Microsoft Learn)
さらに、ai_prep_search がBetaとして追加されました。これは ai_parse_document の構造化出力を、vector searchやRAGパイプライン向けの検索しやすいチャンクへ変換するSQL関数です。社内規程、契約書、問い合わせ履歴、技術文書をRAG化したいチームにとって、実装の前処理を標準化しやすくなります。(Microsoft Learn)
ただし、RAG用途では「取り込める」ことと「業務で使える」ことは別です。以下の観点で検証すると、PoC止まりになりにくくなります。
| 観点 | 確認すべきこと |
|---|---|
| 入力品質 | OCRが必要なPDF、表、図、手書き注記の扱い |
| 分割単位 | チャンクが短すぎて文脈が失われないか |
| 権限 | 検索結果に閲覧権限のない文書が混ざらないか |
| 評価 | Vector Search retrieval qualityで検索戦略を比較できるか |
| 監査 | 誰がどの文書を検索・参照したか追跡できるか |
エージェント関連では、Supervisor APIのBeta、Databricks SDK for PythonによるSupervisor Agent管理、AI GatewayによるMCPサーバーのガバナンスなどが追加されています。AI GatewayはLLM endpoints、coding agents、MCP serversに対するアクセス制御、利用状況監視、監査の中心レイヤーとして位置付けられています。(Microsoft Learn)
Mosaic AI Model Servingでは、CPU_MEDIUM と CPU_LARGE のworkload typesがBetaになりました。標準のCPU workload typeより多くのメモリが必要なモデルでは検証候補になりますが、同じCPUハードウェア上で同時実行性とメモリをトレードオフする性質があるため、レイテンシ、同時実行数、コストをセットで測定する必要があります。(Microsoft Learn)
アプリ開発と運用：Git連携、base environments、SSH reverse tunnelを確認する
Databricks Appsでは、Git-backed app deploymentsがGAになりました。GitリポジトリからDatabricks appsを直接デプロイでき、workspace単位でGit-only deploymentsを強制することも可能です。アプリ開発を属人的な手動デプロイから、レビュー可能なGitベース運用へ移行しやすくなります。(Microsoft Learn)
serverless notebooks向けには、workspace base environmentsがGAになりました。workspace adminが事前にビルド・キャッシュされた環境を管理できるため、ノートブック実行時の環境差分やセットアップ時間を抑える効果が期待できます。なお、compliance security profileが有効なワークスペースでは2026年5月下旬からロールアウト予定とされています。(Microsoft Learn)
オンプレミス接続では、Azure Databricks classic computeおよびserverless computeから、Azure上のproxy VMを使ったSSH reverse tunnelにより、インバウンドファイアウォールを開けずにオンプレミスリソースへ接続できる更新が追加されました。DBAsやネットワーク管理者は、既存のVPN、Private Link、ファイアウォール運用と比較し、どの接続方式が監査・運用・セキュリティ要件に合うかを判断する必要があります。(Microsoft Learn)
2026年4月更新後に取るべき実務アクション
Azure Databricks release notesを読むだけで終わらせないために、次の順で確認すると実務に落とし込みやすくなります。
| 優先度 | 対象 | 具体的なアクション |
|---|---|---|
| 高 | Power BI connector | metric viewsとBI compatibility modeを使うレポートを棚卸しする |
| 高 | ABAC・governed tags | タグ設計、ポリシー、view/function経由の権限評価を検証する |
| 高 | PAT | 既存PATの用途、期限、スコープを確認し、OAuth移行方針を決める |
| 高 | Runtime | 18.2 Betaの検証環境を作り、SELECT *やschema evolution依存のジョブを確認する |
| 中 | Lakeflow Connect | CDCが難しいDBをquery-based connectorsの候補として評価する |
| 中 | SQL warehouse | 5X-Largeを高負荷分析ワークロードで検証する |
| 中 | Data Classification | 重要catalogで分類精度とタグ付け運用を試す |
| 低〜中 | AI/RAG | ai_parse_document、ai_prep_search、Vector Search評価を小規模文書で検証する |
リリースノートの継続監視には、DatabricksドキュメントのRSS feedも活用できます。公式ページでは、リリース日、概要、リンク、詳細説明、カテゴリなどを含むfeedが提供され、feed readerやSlack、Microsoft Teamsなどで更新通知を受け取れると説明されています。(Microsoft Learn)
まとめ：2026年4月更新は「守りのガバナンス」と「攻めのAI・ETL」を同時に進める内容
2026年4月のAzure Databricks release notesは、ガバナンス、セキュリティ、データ取り込み、BI、AI、Runtimeの各領域にまたがる重要な更新です。特に、ABACとgoverned tagsのGAは、Unity Catalogを中心にしたデータ管理を本格化させる転換点です。
一方で、Power BI connectorの変更やDatabricks Runtime 18.2 Betaの挙動変更は、既存ワークロードに影響する可能性があります。新機能を試す前に、まずは既存のレポート、権限設計、PAT、ETL、Runtime依存を棚卸ししてください。
次に取るべき行動は明確です。自社のAzure Databricks環境で、次の4点を優先確認してください。
- Power BIでmetric viewsを使っているレポートがないか
- Unity Catalogのタグ設計とABAC適用方針が決まっているか
- PATが過剰権限・長期運用になっていないか
- Runtime更新で壊れやすい
SELECT *、schema evolution、NATURAL JOINがないか
この確認を済ませたうえで、Lakeflow Connect、Data Classification、RAG関連機能、5X-Large SQL warehouseを検証すれば、2026年4月の更新を安全かつ実務的に活用できます。
コメント