dbx 0.8.19 配置参数详解

目标：逐项讲清 dbx 0.8.19 的三层配置体系——项目配置 .dbx/project.json、部署配置 conf/deployment.yml 与认证环境变量/profile——每一项均给出默认值、修改途径与实测回显（实测日期 2026-10-23，环境 Ubuntu 22.04 + Python 3.10.12，安装过程见《dbx Ubuntu 22.04 安装 dbx 0.8.19 指南》）。涉及 Databricks 云端生效的项均如实标注「需工作区凭据」。

一、环境信息

项目	值
操作系统	Ubuntu 22.04（x86_64）
dbx 版本	0.8.19（typer 0.7.0 / click 8.1.8 / databricks-cli 0.17.8 / mlflow-skinny 2.22.5）
实测项目	`dbx init --no-input` 生成的 python_basic 模板项目（目录名 cicd-sample-project）
配置文件	`.dbx/project.json`（项目配置）、`conf/deployment.yml`（部署配置）、`~/.databrickscfg`（认证 profile）
实测口径	全部修改途径（configure 命令、直接编辑文件、环境变量）与错误路径均本地实测；触发云端 API 的字段行为如实标注

二、前置条件

dbx 0.8.19 已安装且 dbx --version 可正常输出版本（见《dbx Ubuntu 22.04 安装 dbx 0.8.19 指南》）。
有一份 dbx 项目（没有的话一条命令生成，本地离线可完成）：

mkdir -p /opt/dbx-lab && cd /opt/dbx-lab
dbx init --no-input

实测回显：

[dbx][2026-10-23 08:17:44.060] Configuring new project from template python_basic ⚙
[dbx][2026-10-23 08:17:44.061] No template parameters were provided. Please follow the cookiecutter init dialogue to pass template parameters...
[dbx][2026-10-23 08:17:44.248] Configuring new environment with name default
[dbx][2026-10-23 08:17:44.250] Environment configuration successfully finished
[dbx][2026-10-23 08:17:45.291] Project configuration finished. You're all set to use dbx 🔥

进入 init 生成的项目目录（本文后续命令均在该目录执行）：

cd cicd-sample-project

三、参数查看与修改方式

dbx 的配置没有集中式 get 命令，实际可用的查看与修改途径有三种，全部实测有效：

dbx configure 命令：创建/修改 .dbx/project.json，全部选项见 dbx configure --help；
直接编辑文件：官方帮助原文明确「There is no strict requirement to configure project file via this command. You can also make changes in the project file via any file editor.」，直接编辑 .dbx/project.json 与 conf/deployment.yml 完全合法（本文实测直接编辑后立即生效）；
环境变量：认证相关的 DATABRICKS_HOST/DATABRICKS_TOKEN/DBX_CLI_PROFILE，作用于单次命令进程。

dbx configure --help

实测回显（选项与真实默认值，输出节选）：

╭─ Options ────────────────────────────────────────────────────────────────────╮
│ --environment                   -e      TEXT  Environment name.              │
│                                               [default: default]             │
│ --workspace-dir,--workspace-d…          TEXT  Workspace directory for MLflow │
│                                               experiment.                    │
│ --artifact-location                     TEXT  Artifact location in DBFS or   │
│                                               in the cloud storage           │
│ --profile                               TEXT  Databricks CLI profile to use. │
│                                               [default: DEFAULT]             │
│ --enable-inplace-jinja-support                Enables inplace jinja support  │
│                                               for deployment files.          │
│ --enable-failsafe-cluster-reu…                Enables failsafe behaviour for │
│                                               assets-based launches with     │
│                                               definitions that are based on  │
│                                               shared job clusters feature.   │
│ --enable-context-based-upload…                Enables failsafe behaviour for │
│                                               assets-based launches with     │
│                                               definitions that are based on  │
│                                               shared job clusters feature.   │
│ --help                                        Show this message and exit.    │
╰──────────────────────────────────────────────────────────────────────────────╯

四、参数总览

dbx 0.8.19 的全部配置参数按所在文件分四类：

配置层	文件/变量	关键参数	修改途径
项目配置	`.dbx/project.json`	`environments.<名>.profile`、`storage_type`、`properties.workspace_directory`、`properties.artifact_location`；顶层 `inplace_jinja_support`、`failsafe_cluster_reuse_with_assets`、`context_based_upload_for_execute`	`dbx configure` 或直接编辑
部署配置	`conf/deployment.yml`	`build` 段、`custom` 段（YAML 锚点）、`environments.<名>.workflows[]`（name/tasks/job_clusters、task_key、depends_on、spark_python_task/python_wheel_task/notebook_task、deployment_config.no_package、file:// 引用）	直接编辑（支持 .j2 模板）
认证	环境变量 / `~/.databrickscfg`	`DATABRICKS_HOST`、`DATABRICKS_TOKEN`、`DBX_CLI_PROFILE`；profile 文件 `[段名]` 下 `host`/`token`	export 或编辑 profile 文件
命令行参数	各子命令选项	`-e/--environment`（默认 default）、`--deployment-file`、`--workflows`、`--assets-only`、`--tags`、`--branch-name`、`--header/-H`、`--write-specs-to-file`、`--jinja-variables-file`、`--debug` 等	单次命令生效

💡 技术拓展：dbx 的「环境（environment）」不是系统环境变量，而是 project.json 中的一组目标工作区定义。同名概念在同类工具中的对应物：Databricks CLI Asset Bundles 叫 target（databricks bundle deploy -t <target>），Terraform 叫 workspace + tfvars。dbx 的环境模型最简单：一层 JSON 映射，环境名即 -e 参数取值。

五、核心参数分类详解

5.1 项目配置 `.dbx/project.json`

这是 dbx 的「项目身份证」，init 时自动生成。init 后的原始内容（实测）：

{
    "environments": {
        "default": {
            "profile": "DEFAULT",
            "storage_type": "mlflow",
            "properties": {
                "workspace_directory": "/Shared/dbx/cicd_sample_project",
                "artifact_location": "dbfs:/Shared/dbx/projects/cicd_sample_project"
            }
        }
    },
    "inplace_jinja_support": false,
    "failsafe_cluster_reuse_with_assets": false,
    "context_based_upload_for_execute": false
}

逐项说明：

字段	默认值	含义	云端生效点
`environments`	仅 `default`	环境名到工作区配置的映射，键名即 `-e` 参数取值	部署目标选择
`environments.<名>.profile`	`DEFAULT`	认证时使用的 `~/.databrickscfg` profile 名（官方注明仅建议本地开发使用，CI/CD 走环境变量）	API 认证
`environments.<名>.storage_type`	`mlflow`	部署资产的存储后端；dbx 借 MLflow tracking 机制存储 wheel 与文件资产	资产上传
`properties.workspace_directory`	`/Shared/dbx/<项目名>`	Databricks 工作区内的目录，存放 MLflow experiment 与工作流相关对象	deploy 时自动 `workspace/mkdirs` 创建（实测报错可见该 API 调用）
`properties.artifact_location`	`dbfs:/Shared/dbx/projects/<项目名>`	DBFS 路径，存放按版本上传的 wheel 与文件资产	deploy 时上传
`inplace_jinja_support`	`false`	允许在 deployment.yml 内直接写 Jinja2 表达式	部署文件解析
`failsafe_cluster_reuse_with_assets`	`false`	assets 模式 launch 时对共享 job cluster 定义的容错复用行为	launch
`context_based_upload_for_execute`	`false`	execute 时改用执行上下文上传代码（`--upload-via-context` 对应的项目级开关）	execute

5.1.1 新增环境（实测）

dbx configure --environment prod \
  --workspace-dir /Shared/dbx/prod \
  --artifact-location dbfs:/Shared/dbx/projects/prod

实测回显：

[dbx][2026-10-23 08:19:28.783] Configuring new environment with name prod
[dbx][2026-10-23 08:19:28.785] Environment configuration successfully finished

cat .dbx/project.json

实测回显（prod 环境已追加）：

{
    "environments": {
        "default": {
            "profile": "DEFAULT",
            "storage_type": "mlflow",
            "properties": {
                "workspace_directory": "/Shared/dbx/cicd_sample_project",
                "artifact_location": "dbfs:/Shared/dbx/projects/cicd_sample_project"
            }
        },
        "prod": {
            "profile": "DEFAULT",
            "storage_type": "mlflow",
            "properties": {
                "workspace_directory": "/Shared/dbx/prod",
                "artifact_location": "dbfs:/Shared/dbx/projects/prod"
            }
        }
    },
    "inplace_jinja_support": false,
    "failsafe_cluster_reuse_with_assets": false,
    "context_based_upload_for_execute": false
}

5.1.2 三个行为开关（实测）

dbx configure --enable-inplace-jinja-support
dbx configure --enable-failsafe-cluster-reuse-with-assets
dbx configure --enable-context-based-upload-for-execute

实测回显：

[dbx][2026-10-23 08:55:41.490] ✅ Enabling jinja support
[dbx][2026-10-23 08:55:42.598] ✅ Enabling failsafe cluster reuse with assets
[dbx][2026-10-23 08:55:43.640] ✅ Enabling context-based upload for execute

grep -E 'inplace_jinja|failsafe|context_based' .dbx/project.json

实测回显：

    "inplace_jinja_support": true,
    "failsafe_cluster_reuse_with_assets": true,
    "context_based_upload_for_execute": true

⚠️ 注意：这三个开关的帮助原文均注明「Project file should exist, otherwise command will fail」——必须在已有 project.json 的项目目录内运行，空目录会报错。

5.1.3 重跑 configure 的覆盖陷阱（排障实录）

对已有环境再次执行 dbx configure 而不指定 --workspace-dir/--artifact-location 时，dbx 会按默认规则重新计算并覆盖这两个属性。实测：对 init 生成的项目执行 dbx configure --profile demoprofile 后，workspace_directory 从 /Shared/dbx/cicd_sample_project 被改写为 /Shared/dbx/projects/cicd-sample-project，artifact_location 从 dbfs:/Shared/dbx/projects/cicd_sample_project 被改写为 dbfs:/dbx/cicd-sample-project：

dbx configure --profile demoprofile
cat .dbx/project.json

实测回显（default 环境部分）：

[dbx][2026-10-23 08:55:44.713] Environment configuration successfully finished

        "default": {
            "profile": "demoprofile",
            "storage_type": "mlflow",
            "properties": {
                "workspace_directory": "/Shared/dbx/projects/cicd-sample-project",
                "artifact_location": "dbfs:/dbx/cicd-sample-project"
            }
        },

结论：只想改 profile 时，直接编辑 project.json 更安全；或改完后把 properties 两个字段手工改回。profile 字段的直接影响是认证来源（见 5.3）。

5.2 部署配置 `conf/deployment.yml`

部署配置回答「部署什么、在哪跑」。模板生成的完整结构（实测内容）：

# Custom section is used to store configurations that might be repetative.
# Please read YAML documentation for details on how to use substitutions and anchors.
custom:
  basic-cluster-props: &basic-cluster-props
    spark_version: "11.3.x-cpu-ml-scala2.12"

  basic-static-cluster: &basic-static-cluster
    new_cluster:
      <<: *basic-cluster-props
      num_workers: 1
      node_type_id: "i3.xlarge"

environments:
  default:
    workflows:
      - name: "cicd-sample-project-sample-tests"
        tasks:
          - task_key: "main"
            <<: *basic-static-cluster
            spark_python_task:
                python_file: "file://tests/entrypoint.py"
                parameters: ["file:fuse://tests/integration", "--cov=cicd_sample_project"]
      - name: "cicd-sample-project-sample-etl"
        tasks:
          - task_key: "main"
            <<: *basic-static-cluster
            python_wheel_task:
              package_name: "cicd_sample_project"
              entry_point: "etl"
              parameters: [ "--conf-file", "file:fuse://conf/tasks/sample_etl_config.yml" ]
      - name: "cicd-sample-project-sample-multitask"
        job_clusters:
          - job_cluster_key: "default"
            <<: *basic-static-cluster
        tasks:
          - task_key: "etl"
            job_cluster_key: "default"
            spark_python_task:
              python_file: "file://cicd_sample_project/tasks/sample_etl_task.py"
              parameters: [ "--conf-file", "file:fuse://conf/tasks/sample_etl_config.yml" ]
          - task_key: "ml"
            depends_on:
              - task_key: "etl"
            job_cluster_key: "default"
            python_wheel_task:
              package_name: "cicd_sample_project"
              entry_point: "ml"
              parameters: [ "--conf-file", "file:fuse://conf/tasks/sample_ml_config.yml" ]
          - task_key: "notebook"
            deployment_config:
              no_package: true
            depends_on:
              - task_key: "ml"
            job_cluster_key: "default"
            notebook_task:
              notebook_path: "/Repos/Staging/cicd_sample_project/notebooks/sample_notebook"

逐项说明：

参数	层级	含义与实测要点
`custom`	顶层	自定义锚点区，非 dbx 保留字，纯 YAML 语法特性；`&basic-cluster-props` 定义锚点、`<<: *锚点` 合并复用，避免集群参数重复
`environments`	顶层	环境名映射；键必须与 project.json 的环境名一致（实测不一致时 `-e nosuchenv` 报 `NameError: Environment nosuchenv not found in the project file .dbx/project.json`）
`environments.<名>.workflows[]`	环境级	工作流数组，`name` 即 deploy/launch/destroy 的定位名
`name`	workflow	工作流名，也决定 Databricks Jobs UI 中的作业名
`tasks[].task_key`	task	任务键，多任务工作流中 execute 需用 `--task` 指定
`tasks[].depends_on`	task	任务依赖数组（Jobs API 2.1 编排语义）
`tasks[].spark_python_task`	task	以 spark_python 脚本方式执行，`python_file` 指向项目内文件
`tasks[].python_wheel_task`	task	以 wheel 入口点执行：`package_name` 对应 setup.py 的包名，`entry_point` 对应 setup.py `console_scripts` 中的入口（模板 setup.py 实测定义 `etl = cicd_sample_project.tasks.sample_etl_task:entrypoint`）
`tasks[].notebook_task`	task	Notebook 任务，`notebook_path` 指向工作区内路径（配合 Databricks Repos 使用）
`job_clusters` / `job_cluster_key`	workflow/task	多任务共享集群定义；单任务工作流可直接在 task 内写 `new_cluster`
`deployment_config.no_package`	task	设为 `true` 时该任务不自动挂载项目 wheel（官方帮助注明常用于纯 Notebook/纯 JVM 任务）
`file://` 引用	任意参数位	本地文件引用，deploy/execute 时按版本上传到 artifact_location（官方帮助第 6 步原文）
`file:fuse://` 引用	参数位	以 FUSE 挂载形式（`/dbfs/...`）传给任务，任务运行时直接读 DBFS 路径
`build`	顶层（可选）	构建行为控制（官方文档语义：可指定构建所用 Python 版本、禁用构建等）；0.8.19 模板默认不含此段，`dbx deploy --help` 中 `--no-rebuild` 选项的说明原文即「This option is deprecated. Please use build configuration section in the deployment file.」

⚠️ 时序实测：dbx deploy 的执行顺序是「部署文件发现（打印 Auto-discovery 日志）→ 认证校验 → 工作区目录初始化（workspace/mkdirs API）→ 部署文件解析」。因此 YAML 语法错误要在凭据有效、网络可达之后才会暴露——实测把 deployment.yml 改成坏 YAML 并配上可达凭据时，仍先报 API 连接错误。排障时若怀疑部署文件格式问题，请先确认认证配置正确。

任务级参数文件（file:fuse://conf/tasks/sample_etl_config.yml 引用）实测内容：

output:
  database: "default"
  table: "sklearn_housing"

这类文件内容格式完全由任务代码自己解析，dbx 只负责按版本上传，是「部署配置」与「业务参数」的解耦点。

5.3 认证配置

dbx 0.8.19 实测支持三种认证方式（未配置任何凭据时 dbx deploy 的真实报错原文列出了全部三种）：

Exception: No valid authentication information was provided.
Please use one of the authentication methods:    * Via environment variables DATABRICKS_HOST and DATABRICKS_TOKEN
         * Via specifying the profile name in the env variable DBX_CLI_PROFILE
* Via providing the profile in the .dbx/project.json file

方式	配置项	适用场景	实测备注
环境变量	`DATABRICKS_HOST` + `DATABRICKS_TOKEN`	CI/CD 推荐（官方 configure --help 原文）	实测设置后即可通过认证校验，进入 API 调用阶段
profile 环境变量	`DBX_CLI_PROFILE=<profile 名>`	本机多 profile 切换	指向不存在的 profile 时仍报同一认证错误
项目内 profile	project.json 的 `environments.<名>.profile`（默认 `DEFAULT`）	本地开发（官方原文注明）	`~/.databrickscfg` 缺 `[DEFAULT]` 段时报认证错误

~/.databrickscfg 格式（databricks-cli 标准 INI）：

[DEFAULT]
host = https://adb-<org-id>.<region-id>.azuredatabricks.net
token = dapi<你的访问令牌>

认证后的真实网络行为（本地实测，凭据指向不可达地址）：

DATABRICKS_HOST=http://127.0.0.1:9999 DATABRICKS_TOKEN=dapidemo1234 dbx deploy

实测报错（节选）：

ConnectionError: HTTPConnectionPool(host='127.0.0.1', port=80): Max retries
exceeded with url: /api/2.0/workspace/mkdirs (Caused by
NewConnectionError('<urllib3.connection.HTTPConnection object at
0x751b4132d060>: Failed to establish a new connection: [Errno 111] Connection
refused'))

两个有价值的实测结论：

第一个 API 调用是 /api/2.0/workspace/mkdirs（初始化 workspace_directory），排障时网络不通/令牌无权限最先在这里暴露；
dbx 会对 host 做规范化并丢弃端口：输入 http://127.0.0.1:9999，实际请求打到 127.0.0.1:80（回显 port=80）——给非标准端口的自建网关配 host 时要留意这一点。

⚠️ 注意：dbx sync 命令族不走上述认证体系，它直接读 ~/.databrickscfg，缺 profile 时报 Could not find a databricks-cli config for profile DEFAULT（实测回显），这是 sync 与其他子命令的差异点。

5.4 命令行级参数（默认值实测）

以下默认值取自各子命令 --help 实测输出（完整命令行为见《dbx 0.8.19 常用 CLI 命令详解》）：

参数	所属命令	默认值	说明
`-e/--environment`	deploy/launch/execute/destroy/sync	`default`	选择 project.json 中的环境
`--deployment-file`	deploy/destroy	None（自动发现 conf 目录下 .json/.yaml/.yml/.j2）	指定部署文件路径
`--workflows`	deploy/destroy	None	逗号分隔的工作流名列表
`--assets-only`	deploy	关闭	只上传资产不创建/更新 Job
`--no-package`	deploy/execute	关闭	不自动挂载项目 wheel
`--tags`	deploy/launch	None	附加部署标签（可重复多次），仅作用于 artifact_location 不作用于 Job UI Tags
`--branch-name`	deploy/launch	None（自动探测 Git 分支）	分支隔离标识
`--header`/`-H`	deploy/launch/execute/destroy	None	附加 API 请求头（可重复），服务主体未加入工作区场景
`--write-specs-to-file`	deploy	None	把最终作业定义写到本地文件（会覆盖已存在文件）
`--jinja-variables-file`	deploy/launch/execute/destroy	None	Jinja 变量文件路径（仅 .j2 部署文件或已开启 inplace jinja 时生效）
`--mode`	destroy	`all`（可选 assets-only/workflows-only）	删除范围
`--dry-run`	destroy/sync dbfs	关闭	只打印将执行的操作
`--trace`	launch	关闭	跟踪运行直到结束
`--existing-runs`	launch	`pass`（可选 wait/cancel/pass）	存在活跃运行时的策略
`--include-output`	launch	None（可选 stdout/stderr）	把运行输出回显到控制台（Jobs 2.x+）
`--cluster-name`/`--cluster-id`	execute	None	交互集群定位，二者互斥
`--task`	execute	None	多任务工作流中指定 task_key
`--parameters`	launch/execute	None	JSON 格式参数覆盖
`--debug`	deploy/launch/execute	关闭	HTTP 调试输出

六、生产配置模板

以下是一份「default 开发 + prod 生产」双环境的实战模板（16GB 内存级开发机即可运行 dbx 本身；Databricks 侧集群规格由 node_type_id 决定，与本机无关），可直接作为 conf/deployment.yml 起步：

custom:
  dev-cluster: &dev-cluster
    new_cluster:
      spark_version: "11.3.x-cpu-ml-scala2.12"
      num_workers: 1
      node_type_id: "i3.xlarge"

  prod-cluster: &prod-cluster
    new_cluster:
      spark_version: "11.3.x-cpu-ml-scala2.12"
      num_workers: 4
      node_type_id: "i3.xlarge"
      autoscale:
        min_workers: 2
        max_workers: 8

environments:
  default:
    workflows:
      - name: "myproject-etl-dev"
        tasks:
          - task_key: "main"
            <<: *dev-cluster
            python_wheel_task:
              package_name: "myproject"
              entry_point: "etl"
              parameters: [ "--conf-file", "file:fuse://conf/tasks/etl_dev.yml" ]

  prod:
    workflows:
      - name: "myproject-etl-prod"
        tasks:
          - task_key: "main"
            <<: *prod-cluster
            python_wheel_task:
              package_name: "myproject"
              entry_point: "etl"
              parameters: [ "--conf-file", "file:fuse://conf/tasks/etl_prod.yml" ]

配套 project.json（生产语义：prod 环境独立 profile、独立 DBFS 资产目录）：

{
    "environments": {
        "default": {
            "profile": "DEFAULT",
            "storage_type": "mlflow",
            "properties": {
                "workspace_directory": "/Shared/dbx/myproject",
                "artifact_location": "dbfs:/Shared/dbx/projects/myproject"
            }
        },
        "prod": {
            "profile": "PROD",
            "storage_type": "mlflow",
            "properties": {
                "workspace_directory": "/Shared/dbx/myproject-prod",
                "artifact_location": "dbfs:/Shared/dbx/projects/myproject-prod"
            }
        }
    },
    "inplace_jinja_support": false,
    "failsafe_cluster_reuse_with_assets": false,
    "context_based_upload_for_execute": false
}

要点解读：

dev/prod 工作流名不同（-dev/-prod 后缀），避免同名 Job 在不同环境互相覆盖引发误触发；
prod 的 profile 单独命名（PROD），与开发者的 [DEFAULT] 隔离，CI/CD 上则用 DATABRICKS_HOST/DATABRICKS_TOKEN 环境变量注入；
custom 锚点把集群参数集中一处，改 Spark 版本只动两行；
inplace_jinja_support 保持关闭，环境差异靠显式 YAML 而非模板变量，可读性与可审计性更好；确有强模板诉求时再开启。

七、常见问题

Q1：dbx deploy -e nosuchenv 报 NameError: Environment nosuchenv not found in the project file .dbx/project.json？ -e 取值必须是 project.json environments 的键。先 cat .dbx/project.json 核对环境名，或用 dbx configure --environment <新环境名> ... 新增（此错误在认证之前报出，属于纯本地校验，可直接复现）。

Q2：只想改 profile，为什么 workspace_directory 和 artifact_location 也变了？ 重跑 dbx configure 不带 --workspace-dir/--artifact-location 时，dbx 按默认规则重算并覆盖这两个属性（5.1.3 实录）。建议：改 profile 直接编辑 project.json；或每次 configure 都显式带上两个属性参数。

Q3：配置了正确的 YAML，为什么 dbx deploy 不报格式错误而是先报连接/认证错误？ deploy 的解析时序是「发现文件 → 认证 → mkdirs 初始化 → 解析」（5.2 时序实测）。部署文件语法错误要在认证与网络均正常后才暴露。

Q4：DATABRICKS_HOST 指向带端口的自建地址，为什么请求打到了 80 端口？ dbx 内部对 host 做 URL 规范化时丢弃端口（5.3 实测回显 port=80）。需要非标准端口时，请在反代层用标准 443/80 收口。

Q5：dbx sync 明明 export 了 DATABRICKS_HOST/TOKEN 还是报 Could not find a databricks-cli config for profile DEFAULT？ sync 命令族只读 ~/.databrickscfg，不支持环境变量认证（5.3 实测）。为 sync 建好 profile 文件即可。

Q6：deployment.yml 里 <<: *basic-static-cluster 是什么语法？ 标准 YAML 锚点合并（merge key），与 dbx 无关：&名 定义锚点，<<: *名 把锚点内容并入当前映射，后写的键覆盖锚点同名键。dbx 借此实现集群参数复用（5.2 模板即实测样例）。

Q7：--assets-only 部署的工作流怎么启动？ 只能用 dbx launch --from-assets 启动（官方 deploy --help 原文明确：「the only way to launch a workflow that has been deployed with --assets-only option Is to use the dbx launch --from-assets」）；这类运行是一次性运行（RunSubmit API），不进 Jobs UI。

八、参考链接

Databricks 官方文档 dbx 归档章节（部署文件结构权威定义）：https://docs.databricks.com/en/archive/dev-tools/dbx/deployment.html
GitHub 仓库与官方帮助（各选项原文）：https://github.com/databrickslabs/dbx
Jobs API 2.1（workflows/tasks 编排语义来源）：https://docs.databricks.com/api/azure/workspace/jobs/create
MLflow tracking（storage_type 机制背景）：https://mlflow.org/docs/latest/tracking.html

本系列其余篇目：《dbx 介绍与选型指南》《dbx Ubuntu 22.04 安装 dbx 0.8.19 指南》《dbx 0.8.19 常用 CLI 命令详解》。

dbx 0.8.19 配置参数详解

dbx 0.8.19 配置参数详解

一、环境信息

二、前置条件

三、参数查看与修改方式

四、参数总览

五、核心参数分类详解

5.1 项目配置 .dbx/project.json

5.1.1 新增环境（实测）

5.1.2 三个行为开关（实测）

5.1.3 重跑 configure 的覆盖陷阱（排障实录）

5.2 部署配置 conf/deployment.yml

5.3 认证配置

5.4 命令行级参数（默认值实测）

六、生产配置模板

七、常见问题

八、参考链接

5.1 项目配置 `.dbx/project.json`

5.2 部署配置 `conf/deployment.yml`