データベース

Databricks Appsの使い方:Streamlitアプリのデプロイ手順・認証・料金【2026年11月】

Databricks Appsの使い方:Streamlitアプリのデプロイ手順・認証・料金【2026年11月】

Databricks Appsは、StreamlitやDashで書いた社内向けのデータアプリを、Databricksのワークスペース上でそのまま動かせる機能です。サーバーを別に用意せず、Unity Catalogのテーブルと権限をアプリから直接使えます。この記事では2026年11月時点の公式ドキュメントをもとに、app.yamlの書き方、SQLウェアハウスからテーブルを読むStreamlitのコード、CLIでのデプロイ、利用者本人の権限で動かすユーザー認可、コンピュートサイズ別の料金と停止忘れの試算までを、コード付きで整理します。

まとめ:Databricks Appsは社内データアプリ向け、Mediumで0.5 DBU毎時

Databricks Appsが合うのは、Unity Catalogの権限で守られたテーブルを、社内の利用者に画面から見せたり書き戻させたりするアプリです。作業は3つに絞れます。app.yamlで起動コマンドとSQLウェアハウスを渡す、app.pyでSQL Connectorから読む、CLIのdatabricks apps deployで反映する、の3つです。

料金は稼働中(Running)の時間に対してかかり、既定のMediumで毎時0.5 DBUです。利用者がいなくても止めない限り課金は続くので、夜間と休日に止める運用を最初から決めておきます。社外向けの公開サービスや、BIツールで足りる集計画面には使いません。Databricks全体の機能とDBU単価の考え方は、親記事のDatabricksとは?できること・DBU課金の料金と業種別の費用・導入事例にまとめています。

Databricks Appsの仕組み:サーバーレス実行・専用サービスプリンシパル・URL

手を動かす前に、アプリがどこで、誰の権限で動くのかを押さえておきます。ここを取り違えると、デプロイは通るのに画面でテーブルが読めない、という詰まり方をします。

Streamlit・Dash・Gradio・Reactに対応するサーバーレス実行環境

公式の概要ページに載っている対応フレームワークは、PythonのStreamlit・Dash・Gradio、Node.jsのReact・Angular・Svelte・Expressです。アプリはDatabricksのサーバーレス基盤上のコンテナで動き、アプリごとに専用の計算資源が割り当てられます。

実行環境のページによると、Pythonは3.11の専用仮想環境で動きます。DATABRICKS_HOST、DATABRICKS_APP_PORT、DATABRICKS_CLIENT_IDなど7つの環境変数は実行環境が自動で設定する変数です。FlaskやDashのように自分でサーバーを起動するアプリは、DATABRICKS_APP_PORTのポートで待ち受けるように書きます。

アプリ専用サービスプリンシパルの自動作成とCAN_USE・CAN_MANAGEの共有

アプリを作ると、Databricksがそのアプリ専用のサービスプリンシパルを自動で作ります。Key conceptsの説明では、テーブルの読み書きは既定でこのサービスプリンシパルの権限で行われ、作った人の権限ではありません。サービスプリンシパルは差し替えも他のアプリとの共有もできず、アプリを消すと一緒に消えます。

利用者への共有権限はCAN_USEとCAN_MANAGEの2段階です。共有できるのは同じDatabricksアカウントに属する人だけで、社外の取引先にURLを渡しても開けません。

作成後に変えられないアプリURLと、再起動で消えるメモリ上の状態

アプリのURLはhttps://<アプリ名>-<ワークスペースID>.aws.databricksapps.comの形で、作成後は変更できません。別のURLにしたいときは、別名でアプリを作り直します。社内ポータルにリンクを貼る前に、アプリ名を決め切っておく必要があります。

もう1つの前提は、メモリ上の状態が再起動で消えることです。Streamlitのst.session_stateに入力途中のデータを溜める作りは、デプロイのたびに消えます。残す必要があるデータは、Unity Catalogのテーブル、ボリューム、Lakebaseのいずれかへ書き込みます。

Databricks AppsへのStreamlitデプロイ手順と設定コード

ここからは、app.yamlの設定コードと、SQLウェアハウス経由でUnity Catalogのテーブルを読んで表示するStreamlitアプリを例に、ファイルの中身とデプロイのコマンドを示します。土台は公式のStreamlitチュートリアル(2026年11月12日更新)です。

app.yamlのvalueFromによるSQLウェアハウスIDの設定

requirements.txtで依存ライブラリを指定し、app.yamlで接続先を設定します。公式チュートリアルはウェアハウスのHTTPパスを画面から入力させていますが、利用者に毎回入力させるのは現実的ではありません。アプリのリソースにSQLウェアハウスを追加しておき、app.yamlのvalueFromで受け取る形にします。環境変数のページのとおり、valueFrom: sql-warehouseはウェアハウスIDに置き換わります。

# requirements.txt
databricks-sdk
databricks-sql-connector
streamlit
pandas

# app.yaml
command: ['streamlit', 'run', 'app.py']
env:
  - name: WAREHOUSE_ID
    valueFrom: sql-warehouse    # アプリのリソースに付けたキー
  - name: TABLE_NAME
    value: 'main.sales.orders'  # 固定値はvalueで渡す

リソースはアプリの作成画面か編集画面で、App resourcesの「+ Add resource」からSQL warehouseを選び、権限をCan useにして追加します。リソースのページによると、SQLウェアハウスの既定のキーはsql-warehouseです。同じ仕組みでシークレット、ジョブ、モデルサービングのエンドポイント、Genie Agentなども渡せます。

SQL ConnectorでUnity Catalogを読むapp.pyの実装

import os

import streamlit as st
from databricks import sql
from databricks.sdk.core import Config

# DATABRICKS_HOST・CLIENT_ID・CLIENT_SECRETは実行環境が自動で入れる
cfg = Config()
HOST = cfg.host.replace("https://", "")
HTTP_PATH = f"/sql/1.0/warehouses/{os.getenv('WAREHOUSE_ID')}"
TABLE_NAME = os.getenv("TABLE_NAME", "main.sales.orders")


@st.cache_data(ttl=300)  # 5分間は同じ結果を使い回し、ウェアハウスへの問い合わせを減らす
def load_orders(limit: int):
    # アプリ専用サービスプリンシパルの権限で接続する
    with sql.connect(
        server_hostname=HOST,
        http_path=HTTP_PATH,
        credentials_provider=lambda: cfg.authenticate,
    ) as conn, conn.cursor() as cur:
        cur.execute(f"SELECT * FROM {TABLE_NAME} LIMIT {int(limit)}")
        return cur.fetchall_arrow().to_pandas()


st.title("受注データの照会")
limit = st.slider("表示件数", 100, 5000, 1000, step=100)
st.dataframe(load_orders(limit), use_container_width=True)

app.pyはDatabricks SQL ConnectorからUnity Catalogのテーブルを読み取る実装です。接続部分は公式チュートリアルと同じで、Config()が環境変数からワークスペースのホストと認証情報を読み取ります。テーブル名は利用者の入力から組み立てず、app.yamlの固定値から受け取ります。画面の入力をそのままSQLに埋め込むと、利用者が任意のテーブルを読めてしまうためです。

CLIのsyncとapps deployで反映し、logsとstopで運用する手順

デプロイのページとapps コマンドのリファレンスにあるコマンドを、初回の作成から停止まで並べると次のとおりです。CLIは0.205以上の新しい版を使います。

# アプリを作る(既定のサイズはMedium)
databricks apps create sales-viewer --description "受注データの照会"

# 手元のファイルをワークスペースへ送る(--watchを付けると変更を送り続ける)
databricks sync . "/Workspace/Users/${DBX_USER}/sales-viewer"

# 送ったフォルダを指定してデプロイする
databricks apps deploy sales-viewer \
  --source-code-path "/Workspace/Users/${DBX_USER}/sales-viewer"

# 起動ログを追う。エラーだけ絞るなら --search "error"
databricks apps logs sales-viewer --follow

# 使わない時間帯は止める。再開は start
databricks apps stop sales-viewer
databricks apps start sales-viewer

DBX_USERにはワークスペースのユーザー名(メールアドレス)を入れます。起動に失敗した場合の状態はCrashedで、この状態は課金の対象外です。原因の多くはrequirements.txtの漏れか、ウェアハウスへの権限不足なので、logsの出力から先に確かめます。CLIのインストールと認証プロファイルの作り方はDatabricks CLIの使い方:インストール・OAuth認証・バンドルでのCI/CD設定で扱っています。

Gitのブランチ・タグ指定でデプロイする構成とプライベートリポジトリの認証

本番のアプリは、ワークスペースのフォルダではなくGitリポジトリから直接デプロイする構成にすると、どのコミットが動いているかを追えます。databricks apps create sales-viewer --git-url https://github.com/org/repo --git-provider gitHubでリポジトリを結び付け、databricks apps deploy sales-viewer --git-tag v1.0.0のように参照を指定してデプロイします。

ブランチやタグを指定すると、その時点の最新コミットが使われます。決まったコミットに固定したいときにSHAを渡す引数は、--git-commitです。プライベートリポジトリでは、databricks git-credentials createでアプリのサービスプリンシパルにGitの認証情報を登録しておく必要があります。

アプリ認可とユーザー認可の使い分けとx-forwarded-access-tokenの実装

認可のページ(2026年11月12日更新)では、認可の方式は2つです。全員が同じ権限で見るならアプリ認可、利用者ごとに見えるデータを変えるならユーザー認可を使います。

サービスプリンシパルにSELECTとCAN USEを付与するアプリ認可の設定

アプリ認可では、アプリのサービスプリンシパルに必要な権限だけを付けます。読み取りのアプリならテーブルのSELECTとウェアハウスのCAN USE、書き戻すならMODIFYを足します。サービスプリンシパルのアプリケーションIDの確認先は、アプリの詳細画面です。

-- アプリのサービスプリンシパル(アプリケーションID)に読み取りだけを許す
GRANT USE CATALOG ON CATALOG main TO `00000000-0000-0000-0000-000000000000`;
GRANT USE SCHEMA ON SCHEMA main.sales TO `00000000-0000-0000-0000-000000000000`;
GRANT SELECT ON TABLE main.sales.orders TO `00000000-0000-0000-0000-000000000000`;

この方式では、アプリを開ける人は全員、サービスプリンシパルが読めるデータをすべて見られます。部署ごとに見えてよい範囲が違うデータを、アプリ認可のまま1つのアプリで出すのは避けるべき構成です。カタログとスキーマの権限の継承はUnity Catalogとは?3レベル名前空間と権限継承・移行判断で解説しています。

user_api_scopesにsqlを足し、利用者本人の権限でクエリするユーザー認可

ユーザー認可では、利用者のアクセストークンがx-forwarded-access-tokenヘッダーでアプリに届きます。Unity Catalogの行フィルターや列マスクが利用者ごとに効くので、アプリ側に権限の判定を書く必要はない仕組みです。有効にするには、アプリのSettingsのUser authorizationでsqlスコープを追加するか、作成時にdatabricks apps create sales-viewer --json '{"user_api_scopes": ["sql"]}'と指定します。

# 前のapp.pyのload_ordersを、利用者本人の権限で動く形に置き換える
user_token = st.context.headers.get("x-forwarded-access-token")

def load_orders_as_user(limit: int):
    with sql.connect(
        server_hostname=HOST,
        http_path=HTTP_PATH,
        access_token=user_token,  # サービスプリンシパルではなく利用者のトークン
    ) as conn, conn.cursor() as cur:
        cur.execute(f"SELECT * FROM {TABLE_NAME} LIMIT {int(limit)}")
        return cur.fetchall_arrow().to_pandas()

Streamlitではst.context.headersで最初のリクエストのヘッダーを読めます。キーの大文字と小文字は区別されません。利用者ごとに結果が変わるので、この関数にはst.cache_dataを付けません。付けると、先に開いた人の結果が別の人に表示されるおそれがあります。トークンはログに出さず、スコープも必要なものだけに絞ります。

Databricks Appsの料金:サイズ別のDBU消費と停止忘れで膨らむ月額

Databricks Appsの課金は、稼働中の時間とコンピュートサイズで決まります。Stopped・Deploying・Crashedの状態では課金されません。

Medium・Large・XLargeのvCPU・メモリ・DBU毎時の比較と既定値

コンピュートサイズのページ(2026年11月12日更新)の値です。

サイズ vCPU(最大) メモリ 消費量
Medium(既定) 2 6GB 0.5 DBU毎時
Large 4 12GB 1 DBU毎時
XLarge 12 48GB 3 DBU毎時

公式の推奨は、まずMediumで動かし、性能に問題が出たときだけ上げる進め方です。XLargeは一部のリージョンでしか選べません。作成時にCLIで指定するなら--compute-size LARGEを付けます。1 DBUあたりの単価は契約とクラウドで変わるため、Databricks Appsの料金ページで自社の条件を選んで確かめます。

利用者ゼロでもRunning中は課金される前提での月間DBU試算と止め方

Mediumを24時間・30日動かし続けると、0.5 DBU×720時間で月360 DBUです。平日の9時から18時だけ動かせば、0.5 DBU×9時間×20日で月90 DBUとなり、4分の1に減ります。Largeなら同じ条件でそれぞれ720 DBUと180 DBUです。

差が出るのは、アプリの数が増えたときです。部署ごとに10個のアプリを常時稼働させると、Mediumでも月3,600 DBUになります。夜間の停止はジョブからdatabricks apps stopを呼ぶ形で組めるので、アプリを公開する時点で止める時間帯を決めておきます。

ワークスペース100個の上限とFree Editionの3個・24時間停止の制限

Resource limits(2026年11月13日更新)では、アプリの数はワークスペースあたり100個までで、引き上げはできない固定の上限です。部署ごとに試作アプリを作らせる運用では、使わなくなったアプリを消すルールが要ります。

Free Editionの制限ページでは、作れるアプリは3つまでで、起動から24時間で自動停止します。手順の練習には十分ですが、社内に常設する用途には使えません。Free Editionのそのほかの上限はDatabricks Free Editionの使い方にまとめています。

Databricks Appsを採用する条件と、StreamlitやBIツールで足りる場面

判断の軸は、データがすでにDatabricksのUnity Catalogにあるかどうかと、使う人が社内に閉じているかどうかの2つです。

Unity Catalogの権限を使う社内アプリでのApps採用判断

採用すべきなのは、Unity Catalogのテーブルを社内の利用者に見せたり、入力フォームから書き戻させたりするアプリです。別のクラウドでStreamlitを動かすと、ウェアハウスへの接続情報の管理、利用者の認証、行単位の権限制御を自分で作ることになります。Databricks Appsならユーザー認可でUnity Catalogの権限がそのまま効き、ログインもDatabricksのアカウントで済みます。

RAGのチャット画面や、Genieに質問を投げる画面を社内向けに作る場合も同じ判断です。自然言語でデータに質問する機能そのものはDatabricks Genieの使い方で解説しています。

社外公開や既存BIで足りる場面ではDatabricks Appsを見送る判断

次のどれかに当てはまる場合は、Databricks Appsを使いません。

  • 取引先や一般の顧客に公開する(同じDatabricksアカウントの人しか開けない)
  • 集計とグラフを見せるだけで、入力や書き戻しが無い(AI/BIダッシュボードやBIツールで足りる)
  • データの大半がSnowflakeなどDatabricksの外にある
  • 常時多数のアクセスを受ける、応答速度に厳しい要件がある

Snowflakeにデータがあるなら、同じStreamlitでもStreamlit in Snowflakeの料金・課金体系の方が素直な構成になります。Streamlit自体のデメリットとできないことは、Streamlitとは?読み方・デメリットとできないことに整理済みです。データ基盤の設計から社内アプリの開発、権限設計までまとめて任せたい場合は、一創のデータ分析基盤構築・MLOps構築支援で引き受けています。

Databricks Appsの開発と運用で詰まりやすい点のよくある質問

databricks apps でStreamlitアプリを動かすときによく聞かれる質問に、2026年11月15日時点の公式ドキュメントをもとに答えます。

Databricks Appsは使っていない時間も料金がかかりますか?

かかります。課金の対象は利用者の数ではなく、アプリが稼働中(Running)の時間です。誰も開いていなくても、止めない限り既定のMediumで毎時0.5 DBUを消費します。止めたアプリは課金されず、設定と環境は残るため、再設定なしの再開に使うコマンドはdatabricks apps startです。夜間と休日に止めるだけで、24時間稼働の4分の1程度まで消費量を減らせます。

Dashや自作のFlaskアプリもDatabricks Appsで動きますか?

動きます。公式の対応フレームワークにはStreamlit・Dash・Gradioが挙がっており、PythonのWebアプリなら同じ仕組みで載せられる対象です。注意点は待ち受けるポートで、自分でサーバーを起動するアプリは環境変数DATABRICKS_APP_PORTのポートを使います。起動コマンドの記述先は、app.yamlのcommandです。依存ライブラリはrequirements.txt、またはpyproject.tomlとuv.lockで指定します。

社外の取引先にDatabricks Appsのアプリを公開できますか?

できません。アプリを共有できる相手は、同じDatabricksアカウントに属するユーザーに限られます。ユーザー認可を使う場合も、利用者がそのアカウントに所属していることが利用の条件です。取引先向けのポータルや一般公開のWebサービスは、別のクラウド上のWebアプリとして作り、Databricksのデータは裏側のAPI経由で渡す構成にします。

アプリのURLやアプリ名を後から変えられますか?

変えられません。URLはhttps://<アプリ名>-<ワークスペースID>.aws.databricksapps.comの形で決まり、作成後は変更できないと公式ドキュメントに書かれています。別のURLが必要になったときの手順は、別名で新しいアプリを作り、同じコードをデプロイし直す方法です。社内ポータルやメールでURLを配る前に、アプリ名を確定させておきます。

Free EditionでもDatabricks Appsを試せますか?

試せます。Free Editionでは作れるアプリが3つまでで、起動から24時間たつと自動で止まります。この記事のapp.yamlやapp.pyを動かして、デプロイの流れや認可の設定を練習する用途には十分な環境です。ただし商用利用は認められていないため、業務データを入れた試作は無料トライアルか有償のワークスペースで行います。

関連記事

お気に入りに入れた記事の一覧

一創の公式 SNS

X では毎朝の新着記事と IT ニュースの速報を、YouTube・TikTok・Instagram・LinkedIn・Facebook では記事の解説動画を配信しています。

この記事は以下の記事からリンクされています

資料請求

今日のトレンド記事 直近 24 時間で、いつもより多く読まれている記事

  1. 2026.11.13 テックブログ 宝くじ公式サイト不正アクセス:4,436名の対象確認とパスワード再設定、変更された仕組み
  2. 2026.01.30 テックブログ Xで「人間であることを確認」と顔認証が出る理由と対処|ライブネスチェックとOpenAIの生体認証SNS構想
  3. 2026.11.13 テックブログ KARTEの不正アクセス:全機能停止で利用企業がタグ・配信・データ連携を確かめる手順
  4. 2026.11.09 テックブログ あきゅらいず不正アクセス:最大約90万件の対象確認とパスワード変更、退会者データの消し方
  5. 2026.03.18 テックブログ Base44とは?Wix傘下のAIアプリ開発ツールの料金・日本語対応・安全性【2026年10月】

RELATED POSTS 関連記事

目次