Notebook 文件运行依赖 远程内核（Remote Kernel） ：每个 Notebook 文件对应一个 Kernel，Kernel 在 Serverless 计算资源上启动。本节介绍 Kernel 的连接、新建、切换、释放，以及环境管理与运行结果处理。
概述
DataBuddy 中 Notebook 的运行模型如下：
一个 Notebook 文件对应一个 内核 （Kernel）。
Kernel 运行在工作空间的 作业集群类型计算资源 上，按量计费、动态扩缩容。
每个 Kernel 拥有独立的运行环境（Python 解释器、已安装依赖库 + Spark 配置）。
同一个 Notebook 文件新建 Kernel 会自动释放之前的 Kernel，原会话中的变量与缓存被清空。
运行结果以单元格为单位展示在单元格下方，支持表格化交互（排序、筛选、下载）。
前提条件
当前工作空间已绑定可用的 作业集群类型计算资源 。详见 计算资源概述。
您具备当前 Notebook 的「运行」「编辑」或「管理」权限。
如需访问 Catalog 中的库表，您需具备相应的数据访问权限。
操作步骤
步骤 1：连接 Kernel
1. 打开 Notebook 文件。
2. 在编辑器右上角单击 未连接 ，选择一个计算资源，采用默认环境配置进行连接。
3. 如需修改环境配置参数，点击 修改配置 ，在「环境」抽屉中填写参数（详见下方 新建 Kernel 参数）后进行连接。
4. 点击连接 后，会显示当前的 Kernel 连接进度。
5. 连接成功后，右上角状态为「计算资源名称（已连接）」。
步骤 2：运行单元格、全部运行
1. 单元格运行：单击单元格左侧的运行 ，或使用快捷键
⌘ + Enter。2. 全部运行：单击操作栏的 全部运行 ，按顺序执行所有单元格。
3. 部分运行：选中代码片段后使用
Ctrl + Shift + Enter 仅运行选中部分。4. 运行上方、下方所有单元格：使用
⌥ + Shift + ↑ / ⌥ + Shift + ↓。5. 停止运行：单击操作栏停止 ，立即终止当前正在运行的单元格。
步骤 3：处理运行结果
3.1 表格结果交互
调用
display(df) 或运行 pandas.DataFrame / pyspark.sql.DataFrame 时，下方以表格展示数据，支持：操作 | 说明 |
复制 | 选中单元格区域后右键复制，或使用 ⌘ + A / ⌘ + C 全选复制。 |
下载 | 单击右上角 下载 ，支持 CSV / Excel / TXT 三种格式。 |
排序 | 单击列名按升序 / 降序排序。 |
字段配置 | 选择显示 / 隐藏列、冻结列、调整列顺序。 |
数据检索 | 在结果区查找指定文本，高亮命中并支持上下条切换。 |
结果筛选 | 添加筛选条件（多个条件用 AND / OR 连接）。 |
3.2 隐藏与查看运行信息
单元格运行结束后，hover 输出区域可查看 运行人、运行时间、运行耗时 。
单击单元格折叠按钮，可隐藏运行结果。
步骤 4：管理环境
在 Notebook 文件左侧单击 环境管理 抽屉，可查看与调整运行环境：
区域 | 说明 |
资源模式 | 支持选择分布式 或单节点 。 如果选择分布式模式，则会分别启动一个 Driver 和多个 Executor 节点，适用于大数据的分布式处理。 如果选择单节点模式，则仅启动一个 Driver 作为单节点计算资源，适用于运行纯 Python 代码。注意：如果选择单节点模式，但代码中使用了 SQL 或者 Spark，则会自动转成分布式模式，分别启动一个所配规格的 Driver 和 Executor 节点。 |
基础环境 | 支持选择默认 或自定义 。 如果选择默认，则对应资源组内置镜像。 如果选择自定义，则支持选择一个声明依赖库列表的.yml/.yaml 文件，启动 Kernel 时会在内置镜像的基础上自动安装文件中的依赖库。 |
高级参数 | 支持自定义运行环境的规格参数（如 Spark Executor CU 数 （spark.executor.memory）、Spark Executor 个数 （spark.executor.number）等）。 |
依赖库 | 连接计算资源后，可以查看当前环境中所安装的依赖库列表，包括默认安装和自定义安装两种类型。 |
应用 | 修改后单击 应用 ，按新配置重建内核。会清空通过代码安装的依赖与定义的变量。 |
重置环境 | 单击 更多 > 重置环境 ，将运行环境恢复到基础环境状态，清空所有 pip install 的依赖与变量。 |
重置环境 | 单击 更多 > 导出环境 ，支持将当前运行环境导出为.yaml 文件并保存到 Studio 开发目录中，便于在不同文件复用环境配置。 |
注意
单击 应用 或 重置环境 后，会重建内核；通过
pip install 安装的依赖、dlcutils.widgets.text(...) 之外的变量都会被清空。通过 pip install 添加依赖
%pip install pandas==2.2.0 jieba
依赖安装后立即在当前会话生效；新建会话或重置环境后会被清空，需要重新安装。
步骤 5：重启或释放内核
重启内核 ：单击文件上方 重启内核 ，仅重启 Kernel， 不会创建已创建的 Spark APP。
断开连接 ：单击右上角资源组名称 → 断开连接 ，弹窗确认后释放当前 Spark APP，状态回到「未连接」。
自动释放机制 ：Kernel 在不活跃时间达到设定值（默认 10 分钟）后会自动释放，再次进入文件时需要重新连接。Spark APP 在不活跃时间达到设定值（默认 2 小时）后会自动释放，如果 Kernel 释放后，Spark APP 尚未释放，则下次连接时会直接连上已存在的 Spark APP。
使用限制
Kernel 仅支持连接 作业集群-Spark 类型 的计算资源 ，其他类型暂不支持。
通过代码
%pip install 安装的依赖在新建内核或重置环境后丢失；如需持久化，请使用自定义基础环境功能。运行结果仅支持展示前 1w 行，大小不超过 2M；结果集下载同样遵循此限制。
常见问题
Q2：运行卡住了怎么强制停止？
单击操作栏 停止 终止当前单元格。如仍未释放，可在右上角资源组下拉中 断开连接 ，再重新创建内核。
Q3：内存不足（OOM）怎么办？
单击 环境管理 > 高级参数 ，调高
spark.executor.memory / spark.driver.memory。
