Microsoft Fabric
Microsoft Fabric Runtime 2.0 vs 1.3 vs 1.2: qué cambió y si deberías migrar
Compara Microsoft Fabric Runtime 2.0, 1.3 y 1.2 en Spark, Python, Java, Scala, Delta Lake, rendimiento, ciclo de vida y riesgo.
En este artículo
Microsoft Fabric Runtime 2.0 es un cambio mucho mayor de lo que su número sugiere.
Pasar de Runtime 1.3 a 2.0 implica pasar de Apache Spark 3.5.5 a Spark 4.1, de Python 3.11 a 3.13, de Java 11 a 21, de Scala 2.12.17 a 2.13.16 y de Delta Lake 3.2 a 4.2. Desde Runtime 1.2, el salto es aún mayor.
No es una actualización rutinaria de plataforma, sino una migración de runtime. La pregunta útil es:
¿Aporta Runtime 2.0 suficiente rendimiento, soporte y valor para justificar las pruebas de compatibilidad?
Esta guía compara las tres versiones desde esa perspectiva de ingeniería de producción.
La respuesta corta
Para cargas nuevas de producción, Microsoft recomienda el runtime GA más reciente: Runtime 2.0.
Runtime 1.2 dejó de recibir soporte el 31 de marzo de 2026 y ya no recibe las correcciones habituales, incluidas las de seguridad.
Runtime 1.3 está en estado EOSA. Su fecha anunciada de fin de soporte es el 30 de septiembre de 2026 y entra en Long Term Support del 1 de octubre de 2026 hasta marzo de 2027.
Runtime 2.0 es GA y su fecha actual de fin de soporte es el 31 de agosto de 2028.
Desde 1.2, migrar es un requisito operativo. Desde 1.3, la cuestión es con qué rapidez puedes validar las cargas en 2.0.
Comparación rápida
| Componente | Runtime 1.2 | Runtime 1.3 | Runtime 2.0 |
|---|---|---|---|
| Estado | Fin de soporte | EOSA / transición LTS | GA |
| Apache Spark | 3.4.1 | 3.5.5 | 4.1 |
| Python | 3.10 | 3.11 | 3.13 |
| Java | 11 | 11 | 21 |
| Scala | 2.12.17 | 2.12.17 | 2.13.16 |
| Delta Lake | 2.4 | 3.2 | 4.2 |
| Sistema operativo | Mariner 2.0 | Mariner 2.0 | Azure Linux 3.0 |
| Native Execution Engine | No | Sí | Sí |
| Recomendación | Migrar | Retirada progresiva | Runtime GA preferido |
| Horizonte | Finalizado | Transición LTS | 31 de agosto de 2028 |
- Runtime 1.2Spark 3.4 / Python 3.10 / Delta 2.4
- ActualizaciónRuntime 1.3Spark 3.5 / Python 3.11 / Delta 3.2 / Native Execution Engine
- MigraciónRuntime 2.0Spark 4.1 / Python 3.13 / Java 21 / Scala 2.13 / Delta 4.2
La decisión no afecta solo a Spark, sino a toda la pila.
Runtime 1.2: la base antigua
Runtime 1.2 combina Spark 3.4.1, Delta Lake 2.4, Python 3.10, Java 11 y Scala 2.12.17. Puede parecer estable para cargas creadas al principio de Fabric Data Engineering.
Pero Microsoft indica que el soporte terminó el 31 de marzo de 2026. Ya no recibe correcciones, actualizaciones de seguridad ni remediaciones, y la desactivación gradual de jobs sigue a esa fecha. Que una carga aún se ejecute no la convierte en una base válida para seguir diseñando.
Runtime 1.3: un gran avance
Runtime 1.3 llevó Fabric a Spark 3.5.5, Delta Lake 3.2 y Python 3.11, manteniendo Java 11 y Scala 2.12.17. También se convirtió en una plataforma importante para Native Execution Engine.
Sigue siendo capaz. La razón para migrar no es que sea tecnología vieja, sino que su ciclo termina mientras 2.0 establece la siguiente base.
Runtime 2.0: el salto generacional
Runtime 2.0 cambia a la vez Spark 4.1, Python 3.13, Java 21, Scala 2.13, Delta Lake 4.2 y Azure Linux 3.0. Un notebook PySpark sencillo puede migrar sin mucho trabajo; una plataforma con paquetes, JAR, dependencias binarias, funciones Delta y conectores requiere un ciclo de validación deliberado.
Apache Spark 4.1
Spark 4.1 es el mayor cambio. Valida:
- cambios de comportamiento SQL;
- API de Spark modificadas o eliminadas;
- valores de configuración;
- comportamientos heredados que Spark 4.x ya no conserva;
- conectores compilados para versiones anteriores;
- bibliotecas Scala y Java;
- serialización, UDF, esquemas y timestamps.
Que el notebook compile no demuestra que el resultado sea correcto. Compara también las salidas.
Python 3.13
El riesgo suele estar en los paquetes: versiones fijadas, wheels binarios, extensiones compiladas, bibliotecas internas o abandonadas y paquetes de Fabric Environment. Reconstruye el entorno; no des por válido en Python 3.13 lo que funcionaba en 3.11.
Java 21
El salto de Java 11 a 21 afecta a JAR personalizados, extensiones Spark, agentes JVM, conectores de proveedores y dependencias Java. Comprueba la compilación y el comportamiento en ejecución.
Scala 2.13
Runtime 1.3 usa Scala 2.12.17 y Runtime 2.0, Scala 2.13.16. La versión binaria aparece en muchos nombres de artefactos Spark: una dependencia _2.12 no debe copiarse sin más a 2.13.
Identifica la versión objetivo de cada JAR, consigue o recompila el artefacto 2.13, compílalo con las dependencias Spark 4.x correctas y pruébalo en un Fabric Environment.
Delta Lake 4.2
Las funciones Delta pueden cambiar el protocolo de tabla. Algunas actualizaciones son irreversibles y motores anteriores pueden no entenderlas. Antes de habilitar una función, comprueba todos los motores que leen la tabla OneLake.
Las funciones específicas de Delta Lake 4.2 son experimentales y se limitan a experiencias Spark. No las actives en tablas compartidas por varios workloads sin revisar la matriz de interoperabilidad. Trata la migración del runtime y la del protocolo como decisiones relacionadas pero separadas.
Native Execution Engine
Native Execution Engine funciona en Runtime 1.3 y 2.0. Los operadores compatibles pasan de la JVM a una ruta C++ vectorizada basada en Apache Gluten y Velox, con procesamiento columnar y SIMD.
Microsoft publica ganancias representativas de hasta seis veces en algunos benchmarks TPC-DS frente a Spark open source; su guía de monitoreo cita hasta cuatro veces en TPC-DS de 1 TB. No son garantías para todos los notebooks. Dependen de operadores, formatos, forma de consulta, fallback a JVM y de si la carga está limitada por CPU o I/O.
Mide tu propia carga, especialmente joins, agregaciones, ordenaciones y transformaciones sobre Parquet o Delta.
Análisis CSV vectorizado
Runtime 2.0 incluye un parser CSV vectorizado en la ruta nativa. Las arquitecturas con grandes capas de aterrizaje CSV deberían comparar la ingestión con el runtime actual.
¿Qué rendimiento deberías probar?
No midas solo la duración del notebook. Registra duración de notebook, jobs y stages, shuffle leído y escrito, tamaños de entrada y salida, CPU de executors, fallback nativo, reintentos y consumo de capacidad disponible. Usa volúmenes representativos.
El test debe responder si termina antes y si utiliza la plataforma con mayor eficiencia.
El ciclo de vida importa
| Runtime | Estado | Fin de soporte |
|---|---|---|
| Runtime 1.2 | No compatible | 31 de marzo de 2026 |
| Runtime 1.3 | EOSA / transición LTS | 30 de septiembre de 2026, LTS hasta marzo de 2027 |
| Runtime 2.0 | GA | 31 de agosto de 2028 |
Microsoft recomienda el runtime GA más reciente en producción. El soporte determina correcciones de seguridad, remediaciones, bug fixes y asistencia de plataforma.
Una nota sobre los valores predeterminados
Runtime 2.0 es GA y recomendado, pero la documentación aún indica que no necesariamente es el runtime predeterminado. Microsoft había previsto un despliegue gradual para la interfaz, los nuevos workspaces y los Environment items a partir de finales de septiembre de 2026. Verifica la selección explícitamente.
Puedes controlar el runtime en el workspace o en un Fabric Environment.
Cómo comprobar el runtime
En el workspace, abre Workspace settings → Data Engineering/Science → Spark settings → Environment y revisa la versión. Para producción, los Fabric Environments suelen ser mejores unidades de control porque hacen explícitos y repetibles el runtime y las bibliotecas.
Si estás empezando, sigue el tutorial de notebooks de Fabric y crea un Lakehouse. Después aplica al cambio el mismo proceso de CI/CD de Fabric que al resto de configuración.
¿Deberías migrar desde Runtime 1.2?
Sí. Ya no tiene soporte. Cambia el runtime, valida Python y Delta, revisa los cambios de Spark, vuelve a probar notebooks y jobs críticos y sustituye paquetes incompatibles. Que un notebook 1.2 aún arranque no justifica esperar.
¿Deberías migrar desde Runtime 1.3?
En la mayoría de entornos, deberías validar activamente Runtime 2.0 ahora. Ofrece más soporte, Spark 4.1, Python 3.13, Java 21, Scala 2.13, Delta 4.2 y mejoras de plataforma. El riesgo de compatibilidad justifica pruebas más largas, no evitar las pruebas.
Riesgos que comprobar primero
- Paquetes Python: reconstruir en Python 3.13.
- Artefactos Scala y Java: sustituir los 2.12 y validar Java 21.
- Spark SQL: ejecutar regresión sobre reglas importantes.
- Tablas Delta: validar protocolo y lectores.
- Conectores: probar JAR, JDBC, API y bibliotecas de proveedor.
- Rendimiento: medir jobs representativos.
- Environments: clonar o crear uno 2.0, no mutar primero producción.
Un proceso de migración seguro
- Inventaría las cargas 1.3.
- Identifica dependencias Python, Java y Scala.
- Identifica funciones Delta y consumidores.
- Crea un Fabric Environment 2.0 separado.
- Instala bibliotecas equivalentes.
- Ejecuta pruebas unitarias y notebooks.
- Prueba entradas de tamaño productivo.
- Compara rendimiento y resultados.
- Revisa Native Execution Engine y fallbacks.
- Valida tablas y consumidores posteriores.
- Migra desarrollo, pruebas y producción mediante el proceso habitual.
- Mantén instrucciones de reversión durante la ventana de validación.
Usa el monitoreo de notebooks y pipelines para comparar producción y revisa la arquitectura Medallion antes de activar funciones Delta 4.x sobre tablas Bronze, Silver o Gold compartidas.
Matriz de decisión
| Situación | Recomendación |
|---|---|
| Nueva carga Spark de Fabric | Empezar con Runtime 2.0 |
| Carga Runtime 1.2 | Migrar urgentemente |
| Producción Runtime 1.3 | Validar y planificar 2.0 |
| Mucho PySpark | Medir 2.0 y compatibilidad de paquetes |
| JAR Scala propios | Recompilar para Scala 2.13 y Spark 4.x |
| Integraciones Java | Validar en Java 21 |
| Tablas Delta compartidas | Validar protocolo antes de nuevas funciones |
| Joins/agregaciones/ordenaciones grandes | Medir Native Execution Engine |
| Ingesta CSV | Medir el parser vectorizado |
| Conector de proveedor | Confirmar certificación |
Mi recomendación
Para una carga nueva de Fabric Data Engineering, empieza con Runtime 2.0. Para 1.2, migra urgentemente. Para 1.3, no hagas un cambio ciego, pero convierte la validación de 2.0 en una tarea activa.
El criterio no es solo «¿arranca el notebook?», sino:
¿Produce la carga el mismo resultado correcto, con dependencias compatibles y un rendimiento igual o mejor, sobre el runtime que Fabric mantendrá en el futuro?
Referencias oficiales
Esta comparación utiliza Microsoft Learn: runtime Apache Spark en Fabric, páginas de Runtime 2.0, 1.3 y 1.2, ciclo de vida, Native Execution Engine, prácticas de monitoreo y diagnóstico de Spark SQL. Las versiones, valores predeterminados y fechas pueden cambiar.
¿Te resultó útil este contenido?
¿Qué podríamos mejorar?
Gracias — esto me ayuda a mejorar Javi Builds.
Sigue aprendiendo
- Guía rápidaContenido en inglésMicrosoft Fabric Workspace Settings Cheat SheetThe Microsoft Fabric workspace settings that change how a data engineering workspace behaves: Spark pools, environments and jobs, domain assignment, OneLake shortcut caching and diagnostics, and data workflow (Apache Airflow job) runtime pools, with what to verify for each.Abrir guía rápida
- ArtículoContenido en inglésIncremental Loads in Microsoft Fabric: Watermarks, CDC and MERGE Without Reprocessing EverythingStop full reloads in Microsoft Fabric without losing correctness: bounded watermark windows, Change Tracking vs CDC, Delta MERGE, deletes, late data and safe reruns.Leer artículo
¿Qué debería crear después?
Estoy construyendo Javi Builds alrededor de problemas reales que enfrentan los ingenieros de datos. Dime qué tema te gustaría ver después.
Mantente al día
Recibe solo las novedades de Javi Builds que realmente te interesan.
Revisa tu bandeja de entrada
Te he enviado un enlace de confirmación. Tu suscripción se activará cuando la confirmes.