Mensagem de erro

“Could not start cluster. Cluster Start feature is currently disabled”

Por que esse erro acontece?

A versão Community Edition do Databricks possui funcionalidades limitadas quando comparada aos planos pagos. Essas restrições impactam diretamente o uso de clusters.

Principais limitações:

• 🚫 Sem controle de inicialização/parada de cluster
  Não é possível iniciar ou parar clusters manualmente.
• ⏳ Desligamento automático
  Os clusters são encerrados após cerca de 2 horas de inatividade e não podem ser reiniciados.
• 🔒 Recursos restritos
  Não há suporte para agendamento de jobs, múltiplos clusters ou integração com provedores de nuvem.

Essas limitações fazem com que o erro seja comum e esperado nesse ambiente.

Como resolver o problema?

Opção 1: Usar uma sessão ativa

A forma mais simples de contornar o erro é utilizar o cluster automático já disponibilizado pela plataforma.

Passos:

1. Crie um novo notebook
2. Conecte ao cluster provisionado automaticamente
3. Trabalhe dentro do limite de tempo disponível (aproximadamente 2 horas)
4. Salve seu progresso com frequência

Opção 2: Utilizar um plano com mais recursos

Se você precisa de maior controle e flexibilidade, a alternativa é utilizar uma versão com recursos completos.

Com isso, você poderá:

• Gerenciar clusters manualmente
• Criar múltiplos ambientes de processamento
• Integrar com serviços de nuvem
• Executar tarefas automatizadas

Opção 3: Configurar um ambiente local com Apache Spark

Outra alternativa é rodar o Spark localmente, evitando as limitações da versão gratuita.

Você pode:

1. Instalar o Apache Spark via pip install pyspark
2. Utilizar ferramentas como JupyterLab ou VSCode para desenvolvimento

Essa abordagem permite maior liberdade e controle sobre seus testes.

Limitações da versão Community Edition

Conclusão

O erro “Cluster Start Feature Disabled” é uma limitação natural da versão gratuita.

Para contornar esse problema, você pode:

• Utilizar o cluster automático disponível (com limite de tempo)
• Migrar para uma versão com mais recursos
• Ou configurar um ambiente local com Apache Spark

👉 Em resumo: não é um bug — é uma restrição da plataforma.