O Databricks MVP Derar Alhussein destacou o suporte a múltiplos gatilhos (Beta) no Lakeflow Jobs: um job pode combinar até cinco triggers de tipos iguais ou diferentes, cada um pausável de forma independente, e qualquer um que disparar inicia a execução.
O Databricks MVP Hubert Dudek mostrou que o Databricks taskValues pode passar uma lista Python direto para um For Each loop no Lakeflow Jobs, permitindo gerar a lista de forma dinâmica e reaproveitar a mesma task para cada país, tabela ou arquivo.
O trigger on_bundle_deploy em job_runs faz um job rodar automaticamente assim que uma Databricks Asset Bundle é implantada, sem agendamento externo, útil para DDL e povoamento único de tabela logo após o deploy.
Lakeflow Jobs resolve orquestração sozinho quando a operação vive inteira dentro do Azure Databricks, mas perde força em branching complexo, infraestrutura fora da plataforma e recuperação automática de execução perdida, cenários em que Apache Airflow ainda vale a pena.
O Databricks MVP Bartosz Konieczny detalhou o suporte a script Python como tipo de tarefa no Lakeflow Jobs, uma opção mais leve que wheel ou notebook pra tarefa simples como sensor ou geração de parâmetro dinâmico.
O Databricks MVP Juan Diaz notou que o Lakeflow Jobs agora aceita alerta SQL como tipo de tarefa, expondo o estado da avaliação como saída pra tarefa seguinte decidir o próximo passo com um If/Else.