Databricks Runtime 14.0 (EoS)

Poznámka:

Podpora této verze Databricks Runtime skončila. Datum ukončení podpory najdete v tématu Konec podpory a historie ukončení životnosti. Pro všechny podporované verze Databricks Runtime vizte poznámky k vydání Databricks Runtime - verze a kompatibilita.

Následující poznámky k verzi obsahují informace o modulu Databricks Runtime 14.0, který využívá Apache Spark 3.5.0.

Databricks vydala tuto verzi v září 2023.

Nové funkce a vylepšení

Sledování řádků je obecně dostupné.

Sledování řádků pro Delta Lake je nyní obecně dostupné. Viz sledování řádků v Azure Databricks.

Prediktivní vstupně-výstupní operace pro aktualizace jsou obecně dostupné.

Prediktivní vstupně-výstupní operace pro aktualizace jsou teď obecně dostupné. Podívejte se na co je prediktivní I/O?

Vektory odstranění jsou GA.

Vektory odstranění jsou teď obecně dostupné. Podívejte se na vektory odstranění v Databricks.

Spark 3.5.0 je obecně dostupný

Apache Spark 3.5.0 je teď obecně dostupný. Viz Spark Release 3.5.0.

Verze Public Preview pro uživatelem definované funkce tabulek pro Python

Uživatelem definované funkce tabulek (UDTFs) umožňují registrovat funkce, které vracejí tabulky místo skalárních hodnot. Viz Python uživatelem definované funkce tabulek (UDF).

Veřejná verze souběžnosti na úrovni řádků

Souběžnost na úrovni řádků snižuje konflikty mezi souběžnými operacemi zápisu tím, že detekuje změny na úrovni řádku a automaticky přeloží konkurenční změny v souběžných zápisech, které aktualizují nebo odstraní různé řádky ve stejném datovém souboru. Viz souběžnost na úrovni řádků.

Výchozí aktuální pracovní adresář se změnil.

Výchozí aktuální pracovní adresář (CWD) pro kód spuštěný místně je teď adresář obsahující poznámkový blok nebo skript, který se spouští. To zahrnuje kód, například %sh a Python nebo kód R, který nepoužívá Spark. Viz Co je výchozí aktuální pracovní adresář?.

Známý problém s sparklyr

Nainstalovaná verze sparklyr balíčku (verze 1.8.1) není kompatibilní s Modulem Databricks Runtime 14.0. Pokud chcete použít sparklyr, nainstalujte verzi 1.8.3 nebo vyšší.

Představujeme Spark Connect ve sdílené architektuře clusteru

Od Databricks Runtime 14.0 a výše nyní sdílené clustery ve výchozím nastavení používají Spark Connect s ovladačem Spark ze Python REPL. Interní rozhraní API Sparku už nejsou přístupná z uživatelského kódu.

Spark Connect teď komunikuje s ovladačem Sparku z REPL místo starší integrace REPL.

Výpis dostupných aktualizací rozhraní API pro verze Sparku

Povolte Photon nastavením runtime_engine = PHOTONa povolte aarch64 tak, že zvolíte typ instance gravitonu. Azure Databricks nastaví správnou verzi databricks Runtime. Rozhraní API verze Spark dříve vracelo runtimy specifické pro implementaci každé verze. Viz GET /api/2.0/clusters/spark-versions v referenčních informacích k rozhraní REST API.

Zásadní změny

V Databricks Runtime 14.0 a novějších používají clustery se standardním režimem přístupu (dříve sdílený režim přístupu) ke komunikaci mezi klientem a serverem Spark Connect. To zahrnuje následující změny.

Další informace o omezeních standardního přístupového režimu naleznete v Požadavky na standardní výpočetní prostředky a omezení.

Python v clusterech se standardním režimem přístupu (dříve sdílený režim přístupu)

  • sqlContext není k dispozici. Azure Databricks doporučuje použít proměnnou spark pro instanci SparkSession.
  • Spark Context (sc) už není k dispozici v Noteboocích nebo při použití Databricks Connect v clusteru se standardním režimem přístupu. sc Následující funkce už nejsou k dispozici:
    • emptyRDD, range, init_batched_serializerparallelizepickleFiletextFilewholeTextFilesbinaryFilesbinaryRecordssequenceFilenewAPIHadoopFilenewAPIHadoopRDDhadoopFilehadoopRDDunionrunJobsetSystemPropertyuiWebUrlstopsetJobGroupsetLocalPropertygetConf
  • Funkce Informace o datové sadě se už nepodporuje.
  • Neexistuje již závislost na JVM při dotazování Apache Sparku, a v důsledku toho již nejsou podporována interní rozhraní API související s JVM, jako _jsc, _jconf, _jvm, _jsparkSession, _jreader, _jc, _jseq, _jdf, _jmap a _jcols.
  • Při přístupu k hodnotám konfigurace pomocí spark.conf jsou přístupné pouze hodnoty konfigurace dynamického modulu runtime.
  • Deklarativní kanály Sparku v příkazech analýzy Lakeflow se zatím ve sdílených clusterech nepodporují.

Rozdíl v clusterech se standardním režimem přístupu (dříve sdílený režim přístupu)

  • V Python už při dotazování Apache Sparku není závislost na prostředí JVM. Interní rozhraní API související s prostředím JVM, například DeltaTable._jdt, DeltaTableBuilder._jbuilderDeltaMergeBuilder._jbuilder, a DeltaOptimizeBuilder._jbuilder již nejsou podporována.

SQL v clusterech se standardním režimem přístupu (dříve režim sdíleného přístupu)

  • DBCACHE a DBUNCACHE příkazy se už nepodporují.
  • Vzácné případy použití, jako je cache table db as show databases, se už nepodporují.

Upgrady knihoven

  • Upgradované knihovny Python:
    • asttokens od 2.2.1 do 2.0.5
    • attrs od 21.4.0 do 22.1.0
    • botocore od 1.27.28 do 1.27.96
    • Certifikát od 14. 9. 2022 do 7. 12. 2022
    • kryptografie od 37.0.1 do 39.0.1
    • debugpy od 1.6.0 do 1.6.7
    • docstring-to-markdown od 0.12 do 0.11
    • provádění od 1.2.0 do 0.8.3
    • přehled aspektů od 1.0.3 do 1.1.1
    • googleapis-common-protos od 1.56.4 do 1.60.0
    • grpcio od 1.48.1 do 1.48.2
    • idna od 3.3 do 3.4
    • ipykernel od 6.17.1 do 6.25.0
    • ipython od 8.10.0 do 8.14.0
    • Jinja2 od 2.11.3 do 3.1.2
    • jsonschema od 4.16.0 do 4.17.3
    • jupyter_core od 4.11.2 do 5.2.0
    • kiwisolver od 1.4.2 do 1.4.4
    • MarkupSafe od 2.0.1 do 2.1.1
    • matplotlib od 3.5.2 do 3.7.0
    • nbconvert od 6.4.4 do 6.5.4
    • nbformat od 5.5.0 do 5.7.0
    • nest-asyncio od 1.5.5 do 1.5.6
    • poznámkový blok od 6.4.12 do 6.5.2
    • numpy od 1.21.5 do 1.23.5
    • balení od 21.3 do 22.0
    • Pandas od 1.4.4 do 1.5.3
    • pathspec od 0.9.0 do 0.10.3
    • patsy z verze 0.5.2 na verzi 0.5.3
    • Polštář od 9.2.0 do 9.4.0
    • pip od 22.2.2 do 22.3.1
    • protobuf od 3.19.4 do 4.24.0
    • pytoolconfig od 1.2.2 do 1.2.5
    • pytz od 2022.1 do 2022.7
    • s3transfer z 0.6.0 do 0.6.1
    • seaborn od 0.11.2 do 0.12.2
    • instalační nástroje od 63.4.1 do 65.6.3
    • soupsieve od 2.3.1 do 2.3.2.post1
    • stack-data od 0.6.2 na 0.2.0
    • statsmodels od verze 0.13.2 do verze 0.13.5
    • terminado od 0.13.1 do 0.17.1
    • vlastnosti od 5.1.1 do 5.7.1
    • typing_extensions od 4.3.0 do 4.4.0
    • urllib3 od 1.26.11 do 1.26.14
    • virtualenv od 20.16.3 do 20.16.7
    • kolo od 0.37.1 do 0.38.4
  • Upgradované knihovny jazyka R:
    • šipka od 10.0.1 do 12.0.1
    • základ od 4.2.2 do 4.3.1
    • blob z 1.2.3 do 1.2.4
    • broom od 1.0.3 do 1.0.5
    • bslib od 0.4.2 do 0.5.0
    • cachem od 1.0.6 do 1.0.8
    • Caret od 6.0-93 do 6.0-94
    • Chron od 2.3-59 do 2.3-61
    • třída od 7.3-21 do 7.3-22
    • cli od 3.6.0 do 3.6.1
    • hodiny od 0.6.1 do 0.7.0
    • commonmark od 1.8.1 do 1.9.0
    • kompilátor z verze 4.2.2 do 4.3.1
    • cpp11 od 0.4.3 do 0.4.4
    • curl od 5.0.0 do 5.0.1
    • data.table od 1.14.6 do 1.14.8
    • datové sady od 4.2.2 do 4.3.1
    • dbplyr od 2.3.0 do 2.3.3
    • shrnutí od 0.6.31 do 0.6.33
    • downlit od 0.4.2 do 0.4.3
    • dplyr od 1.1.0 do 1.1.2
    • dtplyr od 1.2.2 do 1.3.1
    • vyhodnotit od 0.20 do 0.21
    • fastmap od 1.1.0 do 1.1.1
    • fontawesome od 0.5.0 do 0.5.1
    • fs od 1.6.1 do 1.6.2
    • verze od 1.31.0 do 1.33.0
    • future.apply od verze 1.10.0 do verze 1.11.0
    • gargle (software balíček) od verze 1.3.0 do 1.5.1
    • ggplot2 od 3.4.0 do 3.4.2
    • gh od 1.3.1 do 1.4.0
    • glmnet od 4.1-6 do 4.1-7
    • googledrive od 2.0.0 do 2.1.1
    • googlesheets4 od 1.0.1 do 1.1.1
    • grafika od 4.2.2 do 4.3.1
    • grDevices od 4.2.2 do 4.3.1
    • mřížka od 4.2.2 do 4.3.1
    • gtable od 0.3.1 do 0.3.3
    • hardhat od 1.2.0 do 1.3.0
    • útočiště od 2.5.1 do 2.5.3
    • hms od 1.1.2 do 1.1.3
    • htmltools od 0.5.4 do 0.5.5
    • htmlwidgets od 1.6.1 do 1.6.2
    • httpuv od 1.6.8 do 1.6.11
    • httr od 1.4.4 do 1.4.6
    • ipred z 0.9-13 do 0.9-14
    • jsonlite od 1.8.4 do 1.8.7
    • KernSmooth od 2.23-20 do 2.23-21
    • knitr od 1.42 do 1.43
    • později od 1.3.0 do 1.3.1
    • mřížka od 0,20-45 do 0,21-8
    • láva od 1.7.1 do 1.7.2.1
    • lubridate od 1.9.1 do 1.9.2
    • Markdown od 1,5 do 1,7
    • HMOTNOST od 7.3-58.2 do 7.3-60
    • Matice od 1,5-1 do 1,5-4.1
    • metody od 4.2.2 do 4.3.1
    • mgcv od 1,8-41 do 1,8-42
    • modelr od 0.1.10 do 0.1.11
    • nnet od 7.3-18 do 7.3-19
    • openssl od 2.0.5 do 2.0.6
    • paralelně od 4.2.2 do 4.3.1
    • paralelně od 1.34.0 do 1.36.0
    • pilíř od 1.8.1 do 1.9.0
    • pkgbuild od 1.4.0 do 1.4.2
    • pkgload od 1.3.2 do 1.3.2.1
    • pROC od 1.18.0 do 1.18.4
    • processx od 3.8.0 do 3.8.2
    • prodlim od 13.11.2019 do 31.03.2023
    • profvis od 0.3.7 do 0.3.8
    • ps od 1.7.2 do 1.7.5
    • Rcpp od 1.0.10 do 1.0.11
    • readr od 2.1.3 do 2.1.4
    • readxl od 1.4.2 do 1.4.3
    • recepty od 1.0.4 do 1.0.6
    • rlang od 1.0.6 do 1.1.1
    • rmarkdown od 2.20 do 2.23
    • Rserve od 1.8-12 do 1.8-11
    • RSQLite od 2.2.20 do 2.3.1
    • rstudioapi od 0.14 do 0.15.0
    • sass od 0.4.5 do 0.4.6
    • lesklý od 1.7.4 do 1.7.4.1
    • sparklyr od 1.7.9 do 1.8.1
    • SparkR od 3.4.1 do 3.5.0
    • splines od 4.2.2 do 4.3.1
    • Statistiky od 4.2.2 do 4.3.1
    • Statistiky 4 od 4.2.2 do 4.3.1
    • přežití od 3,5-3 do 3,5-5
    • sys z 3.4.1 do 3.4.2
    • tcltk od 4.2.2 do 4.3.1
    • testthat od verze 3.1.6 do verze 3.1.10
    • tibble od 3.1.8 do 3.2.1
    • Tidyverse od 1.3.2 do 2.0.0
    • tinytex od 0,44 do 0,45
    • nástroje od 4.2.2 do 4.3.1
    • tzdb od 0.3.0 do 0.4.0
    • usethis z verze 2.1.6 na verzi 2.2.2
    • nástroje od 4.2.2 do 4.3.1
    • vctrs od 0.5.2 do 0.6.3
    • viridisLite od 0.4.1 do 0.4.2
    • vroom od 1.6.1 do 1.6.3
    • waldo od 0.4.0 do 0.5.1
    • xfun od 0.37 do 0.39
    • xml2 od 1.3.3 do 1.3.5
    • zip od 2.2.2 do 2.3.0
  • Upgradované knihovny Java:
    • com.fasterxml.jackson.core.jackson-annotations od 2.14.2 na 2.15.2
    • com.fasterxml.jackson.core.jackson-core od 2.14.2 do 2.15.2
    • com.fasterxml.jackson.core.jackson-databind od 2.14.2 do 2.15.2
    • com.fasterxml.jackson.dataformat.jackson-dataformat-cbor od 2.14.2 do 2.15.2
    • com.fasterxml.jackson.datatype.jackson-datatype-joda od 2.14.2 do 2.15.2
    • com.fasterxml.jackson.datatype.jackson-datatype-jsr310 od 2.13.4 do 2.15.1
    • com.fasterxml.jackson.module.jackson-module-paranamer od 2.14.2 do 2.15.2
    • com.fasterxml.jackson.module.jackson-module-scala_2.12 od 2.14.2 do 2.15.2
    • com.github.luben.zstd-jni od 1.5.2-5 do 1.5.5-4
    • com.google.code.gson.gson od 2.8.9 do 2.10.1
    • com.google.crypto.tink.tink od 1.7.0 do 1.9.0
    • commons-codec.commons-codec z verze 1.15 na 1.16.0
    • commons-io.commons-io od 2.11.0 do 2.13.0
    • io.airlift.aircompressor od 0.21 do 0.24
    • io.dropwizard.metrics.metrics-core od 4.2.10 do 4.2.19
    • io.dropwizard.metrics.metrics-graphite od 4.2.10 do 4.2.19
    • io.dropwizard.metrics.metrics-healthchecks z 4.2.10 na 4.2.19
    • io.dropwizard.metrics.metrics-jetty9 od 4.2.10 do 4.2.19
    • io.dropwizard.metrics.metrics-jmx od 4.2.10 do 4.2.19
    • io.dropwizard.metrics.metrics-json od 4.2.10 do 4.2.19
    • io.dropwizard.metrics.metrics-jvm od 4.2.10 do 4.2.19
    • io.dropwizard.metrics.metrics-servlets z verze 4.2.10 na 4.2.19
    • io.netty.netty-all od 4.1.87.Final do 4.1.93.Final
    • io.netty.netty-buffer od 4.1.87.Final do 4.1.93.Final
    • io.netty.netty-codec od 4.1.87.Final do 4.1.93.Final
    • io.netty.netty-codec-http od 4.1.87.Final do 4.1.93.Final
    • io.netty.netty-codec-http2 od 4.1.87.Final do 4.1.93.Final
    • io.netty.netty-codec-socks od 4.1.87.Final do 4.1.93.Final
    • io.netty.netty-common od 4.1.87.Final do 4.1.93.Final
    • io.netty.netty-handler z verze 4.1.87.Final do 4.1.93.Final
    • io.netty.netty-handler-proxy z verze 4.1.87.Final do 4.1.93.Final
    • io.netty.netty-resolver od 4.1.87.Final do 4.1.93.Final
    • io.netty.netty-transport z verze 4.1.87.Final do 4.1.93.Final
    • io.netty.netty-transport-classes-epoll od 4.1.87.Final do 4.1.93.Final
    • io.netty.netty-transport-classes-kqueue od 4.1.87.Final do 4.1.93.Final
    • io.netty.netty-transport-native-epoll od 4.1.87.Final-linux-x86_64 do 4.1.93.Final-linux-x86_64
    • io.netty.netty-transport-native-kqueue od verze 4.1.87.Final-osx-x86_64 do verze 4.1.93.Final-osx-x86_64
    • io.netty.netty-transport-native-unix-common od 4.1.87.Final do 4.1.93.Final
    • org.apache.arrow.arrow-format od 11.0.0 na 12.0.1
    • org.apache.arrow.arrow-memory-core od 11.0.0 do 12.0.1
    • org.apache.arrow.arrow-memory-netty od 11.0.0 do 12.0.1
    • org.apache.arrow.arrow-vector od 11.0.0 do 12.0.1
    • org.apache.avro.avro od 1.11.1 do 1.11.2
    • org.apache.avro.avro-ipc od 1.11.1 do 1.11.2
    • org.apache.avro.avro-mapred od 1.11.1 do 1.11.2
    • org.apache.commons.commons-compress z verze 1.21 na 1.23.0
    • org.apache.hadoop.hadoop-client-runtime od 3.3.4 do 3.3.6
    • org.apache.logging.log4j.log4j-1.2-api od 2.19.0 do 2.20.0
    • org.apache.logging.log4j.log4j-api od 2.19.0 do 2.20.0
    • org.apache.logging.log4j.log4j-core od 2.19.0 do 2.20.0
    • org.apache.logging.log4j.log4j-slf4j2-impl od 2.19.0 do 2.20.0
    • org.apache.orc.orc-core verze 1.8.4-shaded-protobuf na verzi 1.9.0-shaded-protobuf
    • org.apache.orc.orc-mapreduce z verze 1.8.4-shaded-protobuf na verzi 1.9.0-shaded-protobuf
    • org.apache.orc.orc-shims od 1.8.4 do 1.9.0
    • org.apache.xbean.xbean-asm9-shaded od 4.22 do 4.23
    • org.checkerframework.checker-qual od 3.19.0 do 3.31.0
    • org.glassfish.jersey.containers.jersey-container-servlet od 2.36 do 2.40
    • org.glassfish.jersey.containers.jersey-container-servlet-core od 2.36 do 2.40
    • org.glassfish.jersey.core.jersey-client od 2.36 do 2.40
    • org.glassfish.jersey.core.jersey-common od 2.36 do 2.40
    • org.glassfish.jersey.core.jersey-server od 2.36 do 2.40
    • org.glassfish.jersey.inject.jersey-hk2 od 2.36 do 2.40
    • org.javassist.javassist od 3.25.0-GA do verze 3.29.2-GA
    • org.mariadb.jdbc.mariadb-java-client od 2.7.4 do 2.7.9
    • org.postgresql.postgresql od 42.3.8 do 42.6.0
    • org.roaringbitmap.RoaringBitmap od 0.9.39 do 0.9.45
    • org.roaringbitmap.shims od 0.9.39 do 0.9.45
    • org.rocksdb.rocksdbjni od 7.8.3 do 8.3.2
    • org.scala-lang.modules.scala-collection-compat_2.12 od 2.4.3 do 2.9.0
    • org.slf4j.jcl-over-slf4j od 2.0.6 do 2.0.7
    • org.slf4j.jul-to-slf4j od 2.0.6 do 2.0.7
    • org.slf4j.slf4j-api od 2.0.6 do 2.0.7
    • org.xerial.snappy.snappy-java od 1.1.10.1 do 1.1.10.3
    • org.yaml.snakeyaml od 1.33 do 2.0

Apache Spark

Databricks Runtime 14.0 Tato verze zahrnuje všechny opravy a vylepšení Sparku, která jsou součástí Databricks Runtime 13.3 LTS, a také následující další opravy chyb a vylepšení Sparku:

  • [SPARK-45109] [DBRRM-462][sc-142247][SQL][connect] Oprava funkcí aes_decrypt a ln v connect
  • [SPARK-44980] [DBRRM-462][sc-141024][PYTHON][connect] Opravit zděděné namedtuples pro práci v createDataFrame
  • [SPARK-44795] [DBRRM-462][sc-139720][CONNECT] Mezipaměť CodeGeneratoru by měla být specifická pro načítání tříd.
  • [SPARK-44861] [DBRRM-498][sc-140716][CONNECT] jsonignore SparkListenerConnectOperationStarted.planRequest
  • [SPARK-44794] [DBRRM-462][sc-139767][CONNECT] Umožnit fungování dotazů pro streamování s řešením správy artefaktů Connect
  • [SPARK-44791] [DBRRM-462][sc-139623][CONNECT] Udělejte ArrowDeserializer funkční s vygenerovanými třídami REPL
  • [SPARK-44876] [DBRRM-480][sc-140431][PYTHON] Oprava Arrow-optimalizovaného Python UDF v Spark Connect
  • [SPARK-44877] [DBRRM-482][sc-140437][CONNECT][python] Podpora funkcí protobuf pythonu pro Spark Connect
  • [SPARK-44882] [DBRRM-463][sc-140430][PYTHON][connect] Odebrání funkce uuid/random/chr z PySpark
  • [SPARK-44740] [DBRRM-462][sc-140320][CONNECT][follow] Oprava hodnot metadat artefaktů
  • [SPARK-44822] [DBRRM-464][python][SQL] Python UDTF jsou standardně nedeterministické
  • [SPARK-44836] [DBRRM-468][sc-140228][PYTHON] Refaktoring šipky Python UDTF
  • [SPARK-44738] [DBRRM-462][sc-139347][PYTHON][connect] Přidání chybějících metadat klienta do volání
  • [SPARK-44722] [DBRRM-462][sc-139306][CONNECT] ExecutePlanResponseReattachableIterator._call_iter: AttributeError: objekt typu NoneType nemá žádný atribut 'message'.
  • [SPARK-44625] [DBRRM-396][sc-139535][CONNECT] SparkConnectExecutionManager ke sledování všech spuštění
  • [SPARK-44663] [SC-139020][dbrrm-420][PYTHON] Zakázání optimalizace Arrow jako výchozího nastavení pro uživatelem definované tabulkové funkce (UDTF) Pythonu
  • [SPARK-44709] [DBRRM-396][sc-139250][CONNECT] Spusťte ExecuteGrpcResponseSender ve znovu připojitelném prostředí v novém vlákně, aby se opravilo řízení toku.
  • [SPARK-44656] [DBRRM-396][sc-138924][CONNECT] Nastavit všechny iterátory jako uzavíratelné iterátory
  • [SPARK-44671] [DBRRM-396][sc-138929][PYTHON][connect] Opakovat ExecutePlan v případě, že počáteční požadavek nedosáhl serveru v Python klientu
  • [SPARK-44624] [DBRRM-396][sc-138919][CONNECT] Opakovat ExecutePlan v případě, že počáteční požadavek nedorazil na server
  • [SPARK-44574] [DBRRM-396][sc-138288][SQL][connect] Chyby přesunuté do rozhraní sq/API by také měly používat analysisException.
  • [SPARK-44613] [DBRRM-396][sc-138473][CONNECT] Přidat objekt kodérů
  • [SPARK-44626] [DBRRM-396][sc-138828][SS][connect] Následné kroky pro ukončení streamovacího dotazu při vypršení časového limitu relace klienta pro Spark Connect
  • [SPARK-44642] [DBRRM-396][sc-138882][CONNECT] ReleaseExecute v ExecutePlanResponseReattachableIterator po přijetí chyby ze serveru
  • [SPARK-41400] [DBRRM-396][sc-138287][CONNECT] Odstranění závislosti Connect Client na Catalyst
  • [SPARK-44664] [DBRRM-396][python][CONNECT] Uvolnění spuštění při zavření iterátoru v klientovi Python
  • [SPARK-44631] [DBRRM-396][sc-138823][CONNECT][core][14.0.0] Odebrání adresáře založeného na relaci při vyřazení izolované mezipaměti relací
  • [SPARK-42941] [DBRRM-396][sc-138389][SS][connect] Python StreamingQueryListener
  • [SPARK-44636] [DBRRM-396][sc-138570][CONNECT] Nezanechávejte žádné visící iterátory
  • [SPARK-44424] [DBRRM-396][connect][PYTHON][14.0.0] Python klienta pro opětovné připojení k existujícímu spuštění ve Spark Connect
  • [SPARK-44637] [SC-138571] Synchronizace přístupu k ExecuteResponseObserver
  • [SPARK-44538] [SC-138178][connect][SQL] Obnovení Row.jsonValue a podobných funkcí
  • [SPARK-44421] [SC-138434][spark-44423][CONNECT] Znovu připojitelné spuštění ve Spark Connect
  • [SPARK-44418] [SC-136807][python][CONNECT] Upgrade protobuf z verze 3.19.5 na verzi 3.20.3
  • [SPARK-44587] [SC-138315][sql][CONNECT] Zvýšení limitu rekurze protobuf marshaller
  • [SPARK-44591] [SC-138292][connect][SQL] Přidání značek úloh do SparkListenerSQLExecutionStart
  • [SPARK-44610] [SC-138368][sql] DeduplicateRelations by při vytváření nové instance měly uchovávat metadata aliasů.
  • [SPARK-44542] [SC-138323][core] Okamžitě načtěte třídu SparkExitCode v obslužné rutině výjimek
  • [SPARK-44264] [SC-138143][python]E2E testování pro Deepspeed
  • [SPARK-43997] [SC-138347][connect] Přidat podporu pro uživatelsky definované funkce v Java
  • [SPARK-44507] [SQL][connect][14.x][14.0] Přesun analysisException do sql/api
  • [SPARK-44453] [SC-137013][python] Použití knihovny difflib pro zobrazení chyb v assertDataFrameEqual
  • [SPARK-44394] [SC-138291][connect][WEBUI][14.0] Přidání stránky uživatelského rozhraní Sparku pro Spark Connect
  • [SPARK-44611] [SC-138415][connect] Nevylučujte scala-xml
  • [SPARK-44531] [SC-138044][connect][SQL][14.x][14.0] Přesun vyvozování kodéru do sql/api
  • [SPARK-43744] [SC-138289][connect][14.x][14.0] Oprava problému načítání třídy způsobe…
  • [SPARK-44590] [SC-138296][sql][CONNECT] Odebrání limitu dávkových záznamů se šipkami pro SqlCommandResult
  • [SPARK-43968] [SC-138115][python] Zlepšení chybových zpráv pro Python UDF s nesprávným počtem výstupů
  • [SPARK-44432] [SC-138293][ss][CONNECT] Ukončete dotazy streamování v případě vypršení časového limitu relace ve Spark Connect.
  • [SPARK-44584] [SC-138295][connect] Nastavení client_type informací pro AddArtifactsRequest a ArtifactStatusesRequest v klientovi Scala
  • [SPARK-44552] [14.0][sc-138176][SQL] Odebrání definice private object ParseState z IntervalUtils
  • [SPARK-43660] [SC-136183][connect][PS] Povolení resample pomocí Spark Connect
  • [SPARK-44287] [SC-136223][sql] Použijte rozhraní API PartitionEvaluator v operátorech RowToColumnarExec & ColumnarToRowExec SQL.
  • [SPARK-39634] [SC-137566][sql] Povolit rozdělení souborů v kombinaci s generováním indexu řádků
  • [SPARK-44533] [SC-138058][python] Přidat podporu pro akumulátor, vysílač a Spark soubory v analýze Python UDTF.
  • [SPARK-44479] [SC-138146][python] Oprava arrowStreamPandasUDFSerializer pro přijetí datového rámce pandas bez sloupce
  • [SPARK-44425] [SC-138177][connect] Ověřte, že uživatelem poskytnutý sessionId je UUID.
  • [SPARK-44535] [SC-138038][connect][SQL] Přesun požadovaného rozhraní API streamování do sql/api
  • [SPARK-44264] [SC-136523][ml][PYTHON] Vytvoření třídy Deepspeed Distributed Learning DeepspeedTorchDistributor
  • [SPARK-42098] [SC-138164][sql] Oprava ResolveInlineTables nedokáže zpracovat výraz RuntimeReplaceable
  • [SPARK-44060] [SC-135693][sql] Generování kódu pro vnější proložené hash spojení na straně vytváření
  • [SPARK-44496] [SC-137682][sql][CONNECT] Přesunout rozhraní potřebná pro SCSC do sql/api
  • [SPARK-44532] [SC-137893][connect][SQL] Přesun ArrowUtils do sql/api
  • [SPARK-44413] [SC-137019][python] Vysvětlení chyby pro nepodporovaný datový typ arg v assertDataFrameEqual
  • [SPARK-44530] [SC-138036][core][CONNECT] Přesun SparkBuildInfo do common/util
  • [SPARK-36612] [SC-133071][sql] Podpora sestavení levého vnějšího spojení vlevo nebo sestavení pravého vnějšího spojení v přeuspořádaném hash spojení
  • [SPARK-44519] [SC-137728][connect] SparkConnectServerUtils vygeneroval nesprávné parametry pro soubory JAR
  • [SPARK-44449] [SC-137818][connect] Povýšení typu pro přímou deserializaci Arrow
  • [SPARK-44131] [SC-136346][sql] Přidání call_function a vyřazení call_udf pro rozhraní Scala API
  • [SPARK-44541] [SQL] Odebrání zbytečné funkce hasRangeExprAgainstEventTimeCol z UnsupportedOperationChecker
  • [SPARK-44523] [SC-137859][sql] Hodnota maxRows/maxRowsPerPartition filtru je 0, pokud je podmínka FalseLiteral.
  • [SPARK-44540] [SC-137873][ui] Odebrání nepoužívaných šablon stylů a souborů javascriptu jsonFormatter
  • [SPARK-44466] [SC-137856][sql] Vyloučit konfigurace začínající SPARK_DRIVER_PREFIX a SPARK_EXECUTOR_PREFIX z upravených konfigurací
  • [SPARK-44477] [SC-137508][sql] Považovat TYPE_CHECK_FAILURE_WITH_HINT za podtřídu chyby
  • [SPARK-44509] [SC-137855][python][CONNECT] Přidání rozhraní API pro zrušení úlohy nastavené v klientovi Spark Connect Python
  • [SPARK-44059] [SC-137023] Přidání podpory analyzátoru pojmenovaných argumentů pro předdefinované funkce
  • [SPARK-38476] [SC-136448][core] Použijte třídu chyb v org.apache.spark.storage
  • [SPARK-44486] [SC-137817][python][CONNECT] Implementace funkce PyArrow self_destruct pro toPandas
  • [SPARK-44361] [SC-137200][sql] Použití rozhraní API PartitionEvaluatoru v MapInBatchExec
  • [SPARK-44510] [SC-137652][ui] Aktualizace datových tabulek na verzi 1.13.5 a odebrání některých souborů PNG, které nejsou nedostupné
  • [SPARK-44503] [SC-137808][sql] Přidání gramatiky SQL pro PARTITION BY a ORDER BY klauzule za TABLE argumenty pro volání TVF
  • [SPARK-38477] [SC-136319][core] Použití třídy chyb v org.apache.spark.shuffle
  • [SPARK-44299] [SC-136088][sql] Přiřaďte názvy ke třídě chyb _LEGACY_ERROR_TEMP_227[4-6,8]
  • [SPARK-44422] [SC-137567][connect] Detailní přerušení Spark Connect
  • [SPARK-44380] [SC-137415][sql][PYTHON] Podpora pro analýzu Python UDTF v Python
  • [SPARK-43923] [SC-137020][connect] Odeslání událostí listenerBus během...
  • [SPARK-44303] [SC-136108][sql] Přiřaďte názvy ke třídě chyb LEGACY_ERROR_TEMP[2320-2324]
  • [SPARK-44294] [SC-135885][ui] Oprava, kdy se sloupec HeapHistogram neočekávaně zobrazuje s políčkem pro vybrání všeho
  • [SPARK-44409] [SC-136975][sql] Zajištění podpory pro char/varchar v metodě Dataset.to, aby byla zachována konzistence s ostatními
  • [SPARK-44334] [SC-136576][sql][UI] Stav v odpovědi REST API pro neúspěšné DDL/DML bez úloh by měl být "NEÚSPĚŠNÉ" místo "DOKONČENO".
  • [SPARK-42309] [SC-136703][sql] Představit INCOMPATIBLE_DATA_TO_TABLE a podtřídy.
  • [SPARK-44367] [SC-137418][sql][UI] Zobrazit chybovou zprávu v uživatelském rozhraní pro každý neúspěšný dotaz
  • [SPARK-44474] [SC-137195][connect] Opětovné povolení „Testovat sledování odezvy“ ve SparkConnectServiceSuite
  • [SPARK-44320] [SC-136446][sql] Přiřaďte názvy ke třídě chyb LEGACY_ERROR_TEMP[1067 1150 1220,1265,1277]
  • [SPARK-44310] [SC-136055][connect] Spouštěcí protokol serveru Connect Server by měl zobrazit název hostitele a port.
  • [SPARK-44309] [SC-136193][ui] Zobrazit čas přidání/odebrání Executorů na kartě Exekutory
  • [SPARK-42898] [SC-137556][sql] Uvést, že přetypování řetězců a dat nepotřebuje ID časového pásma
  • [SPARK-44475] [SC-137422][sql][CONNECT] Přemístění datového typu a analyzátoru do sql/api
  • [SPARK-44484] [SC-137562][ss]Přidat batchDuration do metody jsonu StreamingQueryProgress
  • [SPARK-43966] [SC-137559][sql][PYTHON] Podpora ne deterministických tabulkových funkcí
  • [SPARK-44439] [SC-136973][connect][SS]Opraveno listListeners pro odeslání pouze ID zpět klientovi
  • [SPARK-44341] [SC-137054][sql][PYTHON] Definujte výpočetní logiku prostřednictvím rozhraní PartitionEvaluator API a použijte ji v okně WindowExec a WindowInPandasExec.
  • [SPARK-43839] [SC-132680][sql] Převod _LEGACY_ERROR_TEMP_1337 na UNSUPPORTED_FEATURE.TIME_TRAVEL
  • [SPARK-44244] [SC-135703][sql] Přiřaďte názvy ke třídě chyb LEGACY_ERROR_TEMP[2305-2309]
  • [SPARK-44201] [SC-136778][connect][SS]Přidat podporu pro Streaming Listener ve Scale pro Spark Connect
  • [SPARK-44260] [SC-135618][sql] Přiřaďte názvy ke třídě chyb LEGACY_ERROR_TEMP[1215-1245-2329] & Použijte checkError() k ověření výjimky v _CharVarchar_Suite
  • [SPARK-42454] [SC-136913][sql] SPJ: Zapouzdření všech souvisejících parametrů SPJ ve službě BatchScanExec
  • [SPARK-44292] [SC-135844][sql] Přiřaďte názvy ke třídě chyb LEGACY_ERROR_TEMP[2315-2319]
  • [SPARK-44396] [SC-137221][connect] Přímá deserializace šipky
  • [SPARK-44324] [SC-137172][sql][CONNECT] Move CaseInsensitiveMap na sql/api
  • [SPARK-44395] [SC-136744][sql] Přidání testu zpět do StreamingTableSuite
  • [SPARK-44481] [SC-137401][connect][PYTHON] Vytvoření pyspark.sql.is_remote rozhraní API
  • [SPARK-44278] [SC-137400][connect] Implementujte zachycovač serveru GRPC, který vyčistí místní vlastnosti vlákna.
  • [SPARK-44264] [SC-137211][ml][PYTHON] Podpora distribuovaného trénování funkcí pomocí deepspeedu
  • [SPARK-44430] [SC-136970][sql] Přidejte příčinu k AnalysisException, když je volba neplatná
  • [SPARK-44264] [SC-137167][ml][PYTHON] Začlenění FunctionPickler do TorchDistributor
  • [SPARK-44216] [SC-137046] [PYTHON] Zpřístupnit rozhraní API assertSchemaEqual veřejnosti
  • [SPARK-44398] [SC-136720][connect] Scala foreachBatch API
  • [SPARK-43203] [SC-134528][sql] Převést všechny případy operace Drop Table na DataSource V2
  • [SPARK-43755] [SC-137171][connect][MINOR] Otevřete AdaptiveSparkPlanHelper.allChildren místo kopírování v MetricGenerator
  • [SPARK-44264] [SC-137187][ml][PYTHON] Refaktor TorchDistributor umožňující vlastní ukazatel funkce run_training_on_file
  • [SPARK-43755] [SC-136838][connect] Přesunutí spuštění mimo SparkExecutePlanStreamHandler a do jiného vlákna
  • [SPARK-44411] [SC-137198][sql] Použít API PartitionEvaluator v ArrowEvalPythonExec a BatchEvalPythonExec
  • [SPARK-44375] [SC-137197][sql] Použití rozhraní API PartitionEvaluatoru v DebugExec
  • [SPARK-43967] [SC-137057][python] Podpora běžných Python UDF s prázdnými návratovými hodnotami
  • [SPARK-43915] [SC-134766][sql] Přiřaďte názvy ke třídě chyb LEGACY_ERROR_TEMP[2438-2445]
  • [SPARK-43965] [SC-136929][python][CONNECT] Podpora Python UDTF ve Spark Connect
  • [SPARK-44154] [SC-137050][sql] Přidání dalších testů jednotek do BitmapExpressionUtilsSuite a menší vylepšení bitmapových agregačních výrazů
  • [SPARK-44169] [SC-135497][sql] Přiřaďte názvy ke třídě chyb LEGACY_ERROR_TEMP[2300-2304]
  • [SPARK-44353] [SC-136578][connect][SQL] Remove StructType.toAttributes
  • [SPARK-43964] [SC-136676][sql][PYTHON] Podpora Python UDTF funkcí optimalizovaných pomocí Arrow
  • [SPARK-44321] [SC-136308][connect] Odpojení výjimky ParseException od výjimky AnalysisException
  • [SPARK-44348] [SAS-1910][sc-136644][CORE][connect][PYTHON] Opětovné povolení test_artifact s relevantními změnami
  • [SPARK-44145] [SC-136698][sql] Zpětné volání, když je připraveno ke spuštění
  • [SPARK-43983] [SC-136404][python][ML][connect] Povolení testu estimátoru křížového validátoru
  • [SPARK-44399] [SC-136669][pyhton][CONNECT] Import SparkSession v Python UDF pouze v případech, kdy useArrow je None
  • [SPARK-43631] [SC-135300][connect][PS] Povolit funkci Series.interpolate pomocí Spark Connect
  • [SPARK-44374] [SC-136544][python][ML] Přidání ukázkového kódu pro distribuované strojové učení pro spark connect
  • [SPARK-44282] [SC-135948][connect] Příprava parsování datových typů pro použití v klientovi Spark Connect Scala
  • [SPARK-44052] [SC-134469][connect][PS] Přidejte nástroj pro získání správné třídy sloupce nebo datového rámce pro Spark Connect.
  • [SPARK-43983] [SC-136404][python][ML][connect] Implementujte estimátor křížového validátoru.
  • [SPARK-44290] [SC-136300][connect] Soubory a archivy založené na relacích ve Spark Connect
  • [SPARK-43710] [SC-134860][ps][CONNECT] Podpora functions.date_part pro Spark Connect
  • [SPARK-44036] [SC-134036][connect][PS] Vyčištění & sloučení lístků pro zjednodušení úloh.
  • [SPARK-44150] [SC-135790][python][CONNECT] Explicitní přetypování pomocí Arrow pro neshodný návratový typ v Python UDF
  • [SPARK-43903] [SC-134754][python][CONNECT] Zlepšení podpory vstupu ArrayType v nástroji Arrow Python UDF
  • [SPARK-44250] [SC-135819][ml][PYTHON][connect] Implementovat klasifikační evaluátor
  • [SPARK-44255] [SC-135704][sql] Přemístění úrovně úložiště do běžných/utilů
  • [SPARK-42169] [SC-135735] [SQL] Implementace generování kódu pro funkci to_csv (StructsToCsv)
  • [SPARK-44249] [SC-135719][sql][PYTHON] Refaktorování PythonUDTFRunner pro samostatné odeslání návratového typu
  • [SPARK-43353] [SC-132734][python] Migrace zbývajících chyb relace do třídy chyb
  • [SPARK-44133] [SC-134795][python] Upgrade MyPy z 0.920 na 0.982
  • [SPARK-42941] [SC-134707][ss][CONNECT][1/2] StreamingQueryListener – Událost Serde ve formátu JSON
  • [SPARK-43353] Vrátit zpět [SC-132734][es-729763][PYTHON] Migrovat zbývající chyby relace do třídy chyb
  • [SPARK-44100] [SC-134576][ml][CONNECT][python] Přesun oboru názvů z pyspark.mlv2 na pyspark.ml.connect
  • [SPARK-44220] [SC-135484][sql] Přesun StringConcat do sql/api
  • [SPARK-43992] [SC-133645][sql][PYTHON][connect] Přidání volitelného vzoru pro Catalog.listFunctions
  • [SPARK-43982] [SC-134529][ml][PYTHON][connect] Implementujte odhadovač pipeline pro ML na Spark Connect
  • [SPARK-43888] [SC-132893][jádro] Přemístění protokolování do common/utils
  • [SPARK-42941] Revert "[SC-134707][ss][CONNECT][1/2] StreamingQueryListener – Event Serde ve formátu JSON"
  • [SPARK-43624] [SC-134557][ps][CONNECT] Přidejte EWM do SparkConnectPlanneru.
  • [SPARK-43981] [SC-134137][python][ML] Základní ukládání a načítání pro ML při připojení Sparku
  • [SPARK-43205] [SC-133371][sql] oprava SQLQueryTestSuite
  • [SPARK-43376] Vrátit zpět “[SC-130433][sql] Zlepšit opakované použití poddotazů s mezipamětí tabulky”
  • [SPARK-44040] [SC-134366][sql] Opravit výpočetní statistiky, když je uzel AggregateExec nad QueryStageExec
  • [SPARK-43919] [SC-133374][sql] Extrahování funkcí JSON z řádku
  • [SPARK-42618] [SC-134433][python][PS] Upozornění na změny chování související s knihovnou pandas v příští hlavní verzi
  • [SPARK-43893] [SC-133381][python][CONNECT] Podpora ne atomických datových typů v Python UDF optimalizované pro šipky
  • [SPARK-43627] [SC-134290][spark-43626][PS][connect] Povolte pyspark.pandas.spark.functions.{kurt, skew} v nástroji Spark Connect.
  • [SPARK-43798] [SC-133990][sql][PYTHON] Podpora funkcí Python uživatelem definovaných tabulek
  • [SPARK-43616] [SC-133849][ps][CONNECT] Povolení pyspark.pandas.spark.functions.mode v nástroji Spark Connect
  • [SPARK-43133] [SC-133728] Podpora Scala Client DataStreamWriter Foreach
  • [SPARK-43684] [SC-134107][spark-43685][SPARK-43686][spark-43691][CONNECT][ps] Oprava (NullOps|NumOps).(eq|ne) pro Spark Connect.
  • [SPARK-43645] [SC-134151][spark-43622][PS][connect] Povolení pyspark.pandas.spark.functions.{var, stddev} v nástroji Spark Connect
  • [SPARK-43617] [SC-133893][ps][CONNECT] Povolení pyspark.pandas.spark.functions.product v nástroji Spark Connect
  • [SPARK-43610] [SC-133832][connect][PS] Povolte InternalFrame.attach_distributed_column v nástroji Spark Connect.
  • [SPARK-43621] [SC-133852][ps][CONNECT] Povolení pyspark.pandas.spark.functions.repeat v nástroji Spark Connect
  • [SPARK-43921] [SC-133461][protobuf] Generování souborů popisovače Protobuf v době sestavení
  • [SPARK-43613] [SC-133727][ps][CONNECT] Povolení pyspark.pandas.spark.functions.covar v nástroji Spark Connect
  • [SPARK-43376] [SC-130433][sql] Vylepšení opětovného použití poddotazu s cache tabulky
  • [SPARK-43612] [SC-132011][connect][PYTHON] Implementujte SparkSession.addArtifact(s) v klientovi Python
  • [SPARK-43920] [SC-133611][sql][CONNECT] Vytvoření modulu sql/api
  • [SPARK-43097] [SC-133372][ml] Nový estimátor logistické regrese pyspark ML implementovaný nad distributorem
  • [SPARK-43783] [SC-133240][spark-43784][SPARK-43788][ml] Zajistit, že MLv2 (ML na spark connect) podporuje pandas >= 2.0
  • [SPARK-43024] [SC-132716][python] Upgrade pandas na verzi 2.0.0
  • [SPARK-43881] [SC-133140][sql][PYTHON][connect] Přidání volitelného vzoru pro Catalog.listDatabases
  • [SPARK-39281] [SC-131422][sql] Urychlí se odvození typu časového razítka ve starším formátu ve zdroji dat JSON/CSV.
  • [SPARK-43792] [SC-132887][sql][PYTHON][connect] Přidání volitelného vzoru pro Catalog.listCatalogs
  • cs-CZ: [SPARK-43132] [SC-131623] [SS] [CONNECT] API klienta Pythonu DataStreamWriter foreach()
  • [SPARK-43545] [SC-132378][sql][PYTHON] Podpora vnořeného typu časového razítka
  • [SPARK-43353] [SC-132734][python] Migrace zbývajících chyb relace do třídy chyb
  • [SPARK-43304] [SC-129969][connect][PYTHON] Migrace NotImplementedError do PySparkNotImplementedError
  • [SPARK-43516] [SC-132202][ml][PYTHON][connect] Základní rozhraní SparkML pro spark3.5: estimator/transformer/model/vyhodnocovač
  • [SPARK-43128] Vrátit zpět “[SC-131628][connect][SS] Udělat recentProgress a lastProgress vracející StreamingQueryProgress konzistentní s nativním rozhraním Scala API”
  • [SPARK-43543] [SC-131839][python] Oprava chování vnořeného typu MapType v pandas UDF
  • [SPARK-38469] [SC-131425][core] Použít třídu chyb v org.apache.spark.network
  • [SPARK-43309] [SC-129746][spark-38461][CORE] Rozšíření INTERNAL_ERROR kategoriemi a přidání INTERNAL_ERROR_BROADCAST třídy chyb
  • [SPARK-43265] [SC-129653] Přesun rámce pro chyby do společného modulu nástrojů
  • [SPARK-43440] [SC-131229][python][CONNECT] Podpora registrace Python UDF optimalizované pomocí Apache Arrow
  • [SPARK-43528] [SC-131531][sql][PYTHON] Podpora duplicitních názvů polí v createDataFrame s pandas DataFrame
  • [SPARK-43412] [SC-130990][python][CONNECT] Zavedení SQL_ARROW_BATCHED_UDF EvalType pro Arrow-optimalizované uživatelsky definované Python UDF zásuvné moduly
  • [SPARK-40912] [SC-130986][jádro]Zátěž výjimek v KryoDeserializationStream
  • [SPARK-39280] [SC-131206][sql] Urychlí se odvození typu časového razítka pomocí formátu poskytnutého uživatelem ve zdroji dat JSON/CSV.
  • [SPARK-43473] [SC-131372][python] Podpora typu struktury v createDataFrame z datového rámce pandas
  • [SPARK-43443] [SC-131024][sql] Přidání srovnávacího testu pro odvození typu časového razítka při použití neplatné hodnoty
  • [SPARK-41532] [SC-130523][CONNECT][CLIENT] Přidání kontroly operací, které zahrnují více datových rámců
  • [SPARK-43296] [SC-130627][connect][PYTHON] Převedení chyb relace Spark Connect do třídy chyb
  • [SPARK-43324] [SC-130455][sql] Zpracování příkazů UPDATE pro rozdílové zdroje
  • [SPARK-43347] [SC-130148][python] Odebrání podpory Python 3.7
  • [SPARK-43292] [SC-130525][core][CONNECT] Přesuňte ExecutorClassLoader do modulu core a zjednodušte Executor#addReplClassLoaderIfNeeded
  • [SPARK-43081] [SC-129900] [ML] [CONNECT] Přidejte torch distributor data loader, který načítá data ze Spark oddílů
  • [SPARK-43331] [SC-130061][connect] Přidání Spark Connect SparkSession.interruptAll
  • [SPARK-43306] [SC-130320][python] Migrace ValueError z typů Spark SQL do třídy chyb
  • [SPARK-43261] [SC-129674][python] Migrujte TypeError z typů Spark SQL do třídy chyb.
  • [SPARK-42992] [SC-129465][python] Zavedení chyby PySparkRuntimeError
  • [SPARK-16484] [SC-129975][sql] Přidání podpory pro Datasketches HllSketch
  • [SPARK-43165] [SC-128823][sql] Přesunout canWrite do DataTypeUtils
  • cs-CZ: [SPARK-43082] [SC-129112][connect][PYTHON] Python UDF optimalizované pomocí Arrow ve Spark Connect
  • [SPARK-43084] [SC-128654] [SS] Přidání podpory applyInPandasWithState pro připojení Sparku
  • [SPARK-42657] [SC-128621][connect] Podpora nalezení a přenosu klientských souborů tříd REPL na server jako artefaktů
  • [SPARK-43098] [SC-77059][sql] Oprava chyby funkce COUNT, když má skalární poddotaz klauzuli GROUP BY
  • [SPARK-42884] [SC-126662][connect] Přidání integrace Ammonite REPL
  • [SPARK-42994] [SC-128333][ml][CONNECT] Podpora místního režimu PyTorch Distributor
  • [SPARK-41498] [SC-125343]Vrátit zpět "Šíření metadat prostřednictvím sjednocení"
  • [SPARK-42993] [SC-127829][ml][CONNECT] Zajištění kompatibility distributora PyTorch se Spark Connect
  • [SPARK-42683] [LC-75] Automaticky přejmenovat konfliktní sloupce metadat
  • [SPARK-42874] [SC-126442][sql] Povolit nový rámec pro testování zlatých souborů pro analýzu všech vstupních souborů
  • [SPARK-42779] [SC-126042][sql] Povolit zápisům v2 indikovat doporučenou velikost oddílu pro přeskupování
  • [SPARK-42891] [SC-126458][connect][PYTHON] Implementace rozhraní API pro mapování CoGrouped
  • [SPARK-42791] [SC-126134][sql] Vytvoření nové zlaté architektury pro testování souborů pro analýzu
  • [SPARK-42615] [SC-124237][connect][PYTHON] Přepracování RPC AnalyzePlan a přidání session.version
  • [SPARK-41302] Vrátit zpět "[VŠECHNY TESTY][sc-122423][SQL] Přiřadit název _LEGACY_ERROR_TEMP_1185"
  • [SPARK-40770] [SC-122652][python] Vylepšené chybové zprávy pro použitíInPandas kvůli neshodě schématu
  • [SPARK-40770] Vrátit “[VŠECHNY TESTY][sc-122652][PYTHON] Vylepšené chybové zprávy pro applyInPandas při neshodě schématu”
  • [SPARK-42398] [SC-123500][sql] Upřesnit výchozí hodnotu sloupce DS v2 rozhraní
  • [SPARK-40770] [VŠECHNY TESTY][sc-122652][PYTHON] Vylepšené chybové zprávy pro applyInPandas při neshodě schématu
  • [SPARK-40770] Vrátit zpět “[SC-122652][python] Vylepšené chybové zprávy pro applyInPandas pro neshodu schématu”
  • [SPARK-40770] [SC-122652][python] Vylepšené chybové zprávy pro použitíInPandas kvůli neshodě schématu
  • [SPARK-42038] [VŠECHNY TESTY] Vrátit zpět "[SC-122533][sql] SPJ: Podpora částečně clusterované distribuce".
  • [SPARK-42038] Vrátit zpět "[SC-122533][sql] SPJ: Podpora částečně clusterované distribuce
  • [SPARK-42038] [SC-122533][sql] SPJ: Podpora částečně clusterované distribuce
  • [SPARK-40550] [SC-120989][sql] DataSource V2: Zpracování příkazů DELETE pro zdroje založené na delta
  • [SPARK-40770] Vrátit zpět “[SC-122652][python] Vylepšené chybové zprávy pro applyInPandas pro neshodu schématu”
  • [SPARK-40770] [SC-122652][python] Vylepšené chybové zprávy pro použitíInPandas kvůli neshodě schématu
  • [SPARK-41302] Vrátit zpět [SC-122423][sql] Přiřadit název _LEGACY_ERROR_TEMP_1185
  • [SPARK-40550] Zrušit „[SC-120989][sql] Zdroj dat V2: Zpracování příkazů DELETE pro rozdílové zdroje“
  • [SPARK-42123] Vrátit zpět [SC-121453][sql] Zahrnout výchozí hodnoty sloupce do funkce DESCRIBE a SHOW CREATE TABLE výstupu
  • [SPARK-42146] [SC-121172][core] Refaktorovat Utils#setStringField, aby maven build prošel, když sql modul použije tuto metodu.
  • [SPARK-42119] Vrátit zpět "[SC-121342][sql] Přidání vestavěných funkcí tabulka-hodnoty inline a inline_outer"

Zvýraznění

  • Oprava aes_decrypt a ln funkcí v Connect SPARK-45109
  • Oprava zděděných pojmenovaných řazených kolekcí členů pro práci v createDataFrame SPARK-44980
  • Mezipaměť CodeGenerator je teď specifická pro spouštěč tříd [SPARK-44795]
  • Přidáno SparkListenerConnectOperationStarted.planRequest[SPARK-44861]
  • Zprovozněte dotazy streamování ve správě artefaktů Connectu [SPARK-44794]
  • ArrowDeserializer pracuje s vygenerovanými třídami REPL [SPARK-44791]
  • Opravené Python UDF optimalizované pomocí Arrow ve Spark Connect [SPARK-44876]
  • Podpora klienta Scala a Go ve Spark Connect SPARK-42554SPARK-43351
  • Podpora distribuovaného strojového učení založeného na PyTorchu pro Spark Connect SPARK-42471
  • Podpora strukturovaného streamování pro Spark Connect v Python a Scala SPARK-42938
  • Podpora rozhraní Pandas API pro klienta Python Spark Connect SPARK-42497
  • Zavedení Arrow Python UDF SPARK-40307
  • Podpora Python uživatelem definovaných funkcí tabulky SPARK-43798
  • Migrace chyb PySpark do tříd chyb SPARK-42986
  • PySpark Test Framework SPARK-44042
  • Přidání podpory pro Datasketches HllSketch SPARK-16484
  • Vylepšení vestavěné funkce SQL SPARK-41231
  • klauzule IDENTIFIERSPARK-43205
  • Přidání funkcí SQL do scaly, Python a R API SPARK-43907
  • Přidání podpory pojmenovaných argumentů pro funkce SQL SPARK-43922
  • Pokud byla migrovaná zamíchaná data SPARK-41469 přemístěna, vyhněte se opětovnému spuštění nepotřebných úloh při ztrátě vyřazeného exekutoru.
  • Distribuované strojové učení <> připojení Spark SPARK-42471
  • DeepSpeed Distributor SPARK-44264
  • Implementace kontrolních bodů protokolu změn pro úložiště stavů RocksDB SPARK-43421
  • Zavést propagaci vodoznaku mezi operátory SPARK-42376
  • Zavedení funkce dropDuplicatesWithinWatermark v rámci SPARK-42931
  • Vylepšení správy paměti poskytovatele úložiště stavů RocksDB – Spark-43311

Spark Connect

  • Refaktorizace modulu SQL do SQL a SQL-API s cílem vytvořit minimální sadu závislostí, které lze sdílet mezi klientem Scala Spark Connect a Sparkem a zabránit vyžadování všech tranzitivních závislostí Sparku. SPARK-44273
  • Představujeme klienta Scala pro Spark Connect SPARK-42554
  • Podpora rozhraní Pandas API pro klienta Python Spark Connect SPARK-42497
  • Podpora distribuovaného strojového učení založeného na PyTorchu pro Spark Connect SPARK-42471
  • Podpora strukturovaného streamování pro Spark Connect v Python a Scala SPARK-42938
  • Počáteční verze klienta Go SPARK-43351
  • Hodně vylepšení kompatibility mezi nativním Sparkem a klienty Spark Connect v Python a Scala
  • Vylepšená možnost ladění a zpracování požadavků v klientských aplikacích (asynchronní zpracování, opakované pokusy, dlouhotrvající dotazy)

Spark SQL

Features

  • Přidání počátečního a dlouhého bloku souboru metadat spark-42423
  • Podpora pozičních parametrů v jazyce Scala/Java sql() SPARK-44066
  • Přidání podpory pojmenovaných parametrů pro volání funkcí v analyzátoru SPARK-43922
  • Podpora SELECT DEFAULT s ORDER BY, LIMIT, OFFSET pro INSERT zdrojové relace SPARK-43071
  • Přidat gramatiku SQL pro klauzuli PARTITION BY a klauzuli ORDER BY, následující po argumentech TABLE, pro volání TVF SPARK-44503
  • Zahrňte výchozí hodnoty sloupců ve výstupu DESCRIBE a SHOW CREATE TABLESPARK-42123
  • Přidání volitelného vzoru pro Catalog.listCatalogs SPARK-43792
  • Přidání volitelného vzoru pro Catalog.listDatabases SPARK-43881
  • Zpětné volání, když je připraveno ke spuštění SPARK-44145
  • Podpora pro příkaz Insert By Name SPARK-42750
  • Přidání call_function pro Scala API SPARK-44131
  • Stabilní odvozené aliasy sloupců SPARK-40822
  • Podpora obecných konstantních výrazů jako hodnoty CREATE/REPLACE TABLE OPTIONS SPARK-43529
  • Podpora poddotazů s korelací prostřednictvím INTERSECT/EXCEPT SPARK-36124
  • klauzule IDENTIFIERSPARK-43205
  • REŽIM ANSI: Pokud vnitřní převod přeteče, Conv by měl vrátit chybu SPARK-42427

Functions

  • Přidání podpory pro Datasketches HllSketch SPARK-16484
  • Podpora režimu CBC pomocí aes_encrypt()/aes_decrypt() SPARK-43038
  • Podpora pravidla analyzátoru argumentů TABLE pro TableValuedFunction SPARK-44200
  • Implementace rastrových funkcí SPARK-44154
  • Přidání funkce try_aes_decrypt() SPARK-42701
  • array_insert by měl selhat s 0 indexem SPARK-43011
  • Přidání aliasu to_varchar pro to_char SPARK-43815
  • Funkce s vysokým pořadím: array_compact implementace SPARK-41235
  • Přidání podpory analyzátoru pojmenovaných argumentů pro předdefinované funkce SPARK-44059
  • Přidat NULL hodnoty pro INSERT pomocí uživatelsky zadaných seznamů s menším počtem sloupců než cílová tabulka SPARK-42521
  • Přidává podporu pro aes_encrypt IV a AAD SPARK-43290
  • Funkce DECODE vrací nesprávné výsledky při předání NULL SPARK-41668
  • Podpora udf 'luhn_check' SPARK-42191
  • Podpora implicitního vyhodnocení aliasů bočního sloupce na Aggregate SPARK-41631
  • Podpora implicitního laterálního aliasu sloupce v dotazech s Window SPARK-42217
  • Přidání aliasů pro funkce s tří argumenty DATE_ADD a DATE_DIFF SPARK-43492

Zdroje dat

  • Podpora char/varchar pro katalog JDBC SPARK-42904
  • Podpora dynamického získávání klíčových slov SQL prostřednictvím rozhraní JDBC API a TVF SPARK-43119
  • Zdroj dat V2: Zpracování příkazů MERGE pro deltaové zdroje SPARK-43885
  • Zdroj dat V2: Zpracování příkazů MERGE pro zdroje založené na skupinách SPARK-43963
  • Zdroj dat V2: Řešení příkazů UPDATE pro skupinové zdroje SPARK-43975
  • Zdroj dat V2: Umožnit reprezentaci aktualizací jako odstranění a vkládání SPARK-43775
  • Povolit dialektům jdbc přepsat dotaz použitý k vytvoření tabulky SPARK-41516
  • SPJ: Podpora částečně clusterované distribuce SPARK-42038
  • DSv2 umožňuje CTAS/RTAS zajištění nullovatelnosti schématu SPARK-43390
  • Přidejte spark.sql.files.maxPartitionNum SPARK-44021
  • Zpracovat příkazy UPDATE pro rozdílové zdroje SPARK-43324
  • Povolit zápisům verze 2 indikovat velikost doporučeného přerozdělovacího oddílu SPARK-42779
  • Podpora kodeku komprese lz4raw pro Parquet SPARK-43273
  • Avro: Psaní komplexních unií SPARK-25050
  • Zrychlení odvozování typu časového razítka pomocí uživatelského formátu ve zdroji dat JSON/CSV SPARK-39280
  • Avro podporuje typ desetinného čísla založený na Long SPARK-43901
  • Vyhněte se přeuspořádání v Storage-Partitioned Join při neshodě klíčů oddílů, ale výrazy spojení jsou kompatibilní SPARK-41413
  • Změna binárního souboru na nepodporovaný datový typ ve formátu CSV SPARK-42237
  • Povolit Avru převést sjednocovací typ na SQL se stabilním názvem pole s typem SPARK-43333
  • Zrychlete odvození typu časového razítka s použitím starého formátu pro zdroj dat JSON/CSV SPARK-39281

Optimalizace dotazů

  • Odstranění dílčího výrazu podporuje zkratkový výraz SPARK-42815
  • Vylepšit odhad statistik spojení, pokud může jedna strana zachovat jedinečnost SPARK-39851
  • Zaveďte skupinový limit pro okno filtrace na základě pořadí, aby se optimalizoval výpočet top-k SPARK-37099
  • Oprava chování null IN (prázdný seznam) v pravidlech optimalizace SPARK-44431
  • Odvození a optimalizace limitu okna přes funkci okna, pokud je partitionSpec prázdný SPARK-41171
  • Odeberte vnější spojení, pokud jsou to všechny jedinečné agregační funkce spark-42583
  • Spojit dvě sousední okna se stejným oddílem/pořadím v poddotazu SPARK-42525
  • Nasdílení limitu přes Python UDF SPARK-42115
  • Optimalizace pořadí predikátů filtrování spark-40045

Generování kódu a spouštění dotazů

  • Filtr za běhu by měl podporovat vícestupňovou shuffle join stranu jako stranu pro vytvoření filtru SPARK-41674
  • Podpora Codegenu pro HiveSimpleUDF SPARK-42052
  • Podpora Codegenu pro HiveGenericUDF SPARK-42051
  • Podpora generování kódu pro při sestavení vnějšího náhodného spojení hash SPARK-44060
  • Implementace generování kódu pro funkci to_csv (StructsToCsv) SPARK-42169
  • Zajistit podporu AQE pro InMemoryTableScanExec SPARK-42101
  • Podpora sestavení levého vnějšího spojení doleva nebo pravého vnějšího spojení v náhodném spojení hash SPARK-36612
  • Dodržení RequiresDistributionAndOrdering v CTAS/RTAS SPARK-43088
  • Sloučení segmentů ve spojení na straně streamu použitého pro broadcastové spojení SPARK-43107
  • Správně nastavte hodnotu null u sloučeného spojovacího klíče v úplném vnějším spojení USING SPARK-44251
  • Oprava nulovatelnosti dotazů IN v ListQuery SPARK-43413

Další významné změny

  • Správně nastavit vlastnost nullable pro klíče ve spojení USING SPARK-43718
  • Oprava chyby, kdy je COUNT(*) null v korelovaném skalárním poddotazu SPARK-43156
  • Objekt DataFrame.joinWith s outer-join by měl vrátit hodnotu null pro neodpovídající řádek SPARK-37829
  • Automatické přejmenování konfliktních sloupců metadat spark-42683
  • Zdokumentujte třídy chyb Spark SQL v uživatelské dokumentaci SPARK-42706

PySpark

Features

Další významné změny

  • Přidání podpory automatického dokončování pro df[|] v pyspark.sql.dataframe.DataFrame [SPARK-43892]
  • Vyřazení & odebrání rozhraní API, která budou odebrána v knihovně pandas 2.0 [SPARK-42593]
  • Nastavte Python jako první kartu pro příklady kódu – Průvodce Spark SQL DataFrames a Datasets SPARK-42493
  • Aktualizace zbývajících příkladů kódu v dokumentaci Sparku, aby ve výchozím nastavení používaly Python SPARK-42642
  • Použijte deduplikované názvy polí při vytváření Arrow RecordBatch [SPARK-41971]
  • Podpora duplicitních názvů polí v createDataFrame s datovým rámcem pandas [SPARK-43528]
  • Povolit parametr sloupců při vytváření datového rámce s řadou [SPARK-42194]

Core

  • Naplánovat mergeFinalize při opakovaném pokusu o spojení shuffleMapStage, ale žádné spuštěné úlohy SPARK-40082
  • Zavedení PartitionEvaluatoru pro provádění operátoru SQL SPARK-43061
  • Umožnit komponentě ShuffleDriverComponent oznámit, zda jsou shuffle data spolehlivě uložená SPARK-42689
  • Přidání maximálního omezení počtu pokusů o fáze, aby se zabránilo potenciálnímu nekonečnému opakování SPARK-42577
  • Podpora konfigurace úrovně protokolování pomocí statické Spark konfigurace SPARK-43782
  • Optimalizace PercentileHeapu SPARK-42528
  • Přidat argument důvodu do TaskScheduler.cancelTasks SPARK-42602
  • Pokud byla migrovaná zamíchaná data SPARK-41469 přemístěna, vyhněte se opětovnému spuštění nepotřebných úloh při ztrátě vyřazeného exekutoru.
  • Oprava snížení počtu akumulátorů v případě úlohy opakovaného pokusu s mezipamětí rdd SPARK-41497
  • Použití RocksDB pro spark.history.store.hybridStore.diskBackend ve výchozím nastavení SPARK-42277
  • Obálka NonFateSharingCache pro Guava Cache SPARK-43300
  • Vylepšení výkonu MapOutputTracker.updateMapOutput SPARK-43043
  • Povolení aplikacím kontrolovat, zda jejich metadata jsou ukládána do databáze pomocí externí služby Shuffle Service SPARK-43179
  • Přidání proměnné SPARK_DRIVER_POD_IP env do podů exekutoru SPARK-42769
  • Připojí mapu konfigurace hadoop na pod exekutoru SPARK-43504.

Strukturované streamování

  • Přidání podpory pro sledování využití paměti připnutých bloků pro stavové úložiště RocksDB SPARK-43120
  • Přidání vylepšení správy paměti zprostředkovatele úložiště stavu RocksDB SPARK-43311
  • Zavedení funkce dropDuplicatesWithinWatermark v rámci SPARK-42931
  • Zavedení nového zpětného volání onQueryIdle() do StreamingQueryListener SPARK-43183
  • Přidat možnost pro přeskočení commit koordinátora jako součást rozhraní API StreamingWrite pro zdroje/sinky DSv2 SPARK-42968
  • Zaveďte nové zpětné volání „onQueryIdle“ pro StreamingQueryListener SPARK-43183
  • Implementace kontrolních bodů založených na protokolu změn pro poskytovatele úložiště stavů RocksDB SPARK-43421
  • Přidání podpory pro WRITE_FLUSH_BYTES pro RocksDB používané ve streamovaných stavových operátorech SPARK-42792
  • Přidat podporu pro nastavení max_write_buffer_number a write_buffer_size pro RocksDB používané ve streamování SPARK-42819
  • Získání zámku pro StateStore v RocksDB by se mělo provést po získání vstupního iterátoru z inputRDD SPARK-42566
  • Zavést propagaci vodoznaku mezi operátory SPARK-42376
  • Vyčištění osamocených souborů sst a souborů protokolu v adresáři kontrolního bodu RocksDB SPARK-42353
  • Rozšiřte QueryTerminatedEvent tak, aby obsahoval třídu chyb, pokud existuje ve výjimce SPARK-43482

ML

  • Podpora distribuovaného trénování funkcí pomocí Deepspeed SPARK-44264
  • Základní rozhraní sparkML pro Spark3.5: odhadovač/transformátor/model/vyhodnocovač SPARK-43516
  • Zajistit, aby MLv2 (ML na spark connect) podporovalo pandas >= 2.0 SPARK-43783
  • Aktualizace rozhraní MLv2 Transformer SPARK-43516
  • Nová pyspark ML logistická regrese implementovaná nad distributorem SPARK-43097
  • Přidejte Classifier.getNumClasses zpět SPARK-42526
  • Napiš třídu Deepspeed Distributed Learning DeepspeedTorchDistributor SPARK-44264
  • Základní implementace ukládání / načítání pro ML na Spark connect SPARK-43981
  • Vylepšení ukládání logistického regresního modelu SPARK-43097
  • Implementace estimátoru potrubí pro ML ve Spark connect SPARK-43982
  • Implementace estimátoru křížového validátoru SPARK-43983
  • Implementujte vyhodnocovač klasifikace SPARK-44250
  • Zajištění kompatibility distributora PyTorch se Spark Connect SPARK-42993

uživatelské rozhraní

  • Přidání stránky uživatelského rozhraní Sparku pro Spark Connect SPARK-44394
  • Sloupec podpory histogramu haldy na kartě Exekutoři SPARK-44153
  • Zobrazit chybovou zprávu v uživatelském rozhraní pro každý neúspěšný dotaz SPARK-44367
  • Zobrazení času přidání/odebrání exekutorů na záložce Exekutoři SPARK-44309

Vytváření a další

Odebrání, změny chování a vyřazení

Nadcházející odebrání

Následující funkce se odeberou v příští hlavní verzi Sparku.

  • Podpora Java 8 a Java 11 a minimální podporovaná verze Java bude Java 17.
  • Podpora pro Scala 2.12 a minimální podporovaná verze Scala bude 2.13

Průvodci migrací

Podpora ovladačů Databricks ODBC/JDBC

Databricks podporuje ovladače ODBC/JDBC vydané v posledních 2 letech. Stáhněte si nedávno vydané ovladače a upgradujte (stáhněte rozhraní ODBC, stáhněte JDBC).

Systémové prostředí

  • Operační systém: Ubuntu 22.04.3 LTS
  • Java: Zulu 8.70.0.23-CA-linux64
  • Scala: 2.12.15
  • Python: 3.10.12
  • R: 4.3.1
  • Delta Lake: 2.4.0

Nainstalované knihovny Python

Knihovna Version Knihovna Version Knihovna Version
anyio 3.5.0 argon2-cffi 21.3.0 argon2-cffi-bindings 21.2.0
asttokens 2.0.5 attrs 22.1.0 zpětný hovor 0.2.0
BeautifulSoup4 4.11.1 černý 22.6.0 bělidlo 4.1.0
blikač 1.4 boto3 1.24.28 botocore 1.27.96
certifikát 2022.12.7 cffi 1.15.1 chardet 4.0.0
nástroj pro normalizaci znakové sady 2.0.4 klikni 8.0.4 Komunikace 0.1.2
ContourPy 1.0.5 kryptografie 39.0.1 cyklista 0.11.0
Cython 0.29.32 Databricks SDK 0.1.6 dbus-python 1.2.18
debugpy 1.6.7 dekoratér 5.1.1 defusedxml 0.7.1
distlib 0.3.7 převod docstringu do formátu markdown 0.11 vstupní body 0,4
provedení 0.8.3 přehled aspektů 1.1.1 fastjsonschema 2.18.0
filelock 3.12.2 nástroje pro písma 4.25.0 Knihovna běhového prostředí GCC 1.10.0
googleapis-common-protos 1.60.0 grpcio 1.48.2 grpcio-status 1.48.1
httplib2 0.20.2 IDNA 3.4 importlib-metadata 4.6.4
ipykernel 6.25.0 ipython 8.14.0 ipython-genutils 0.2.0
ipywidgets 7.7.2 Jedi 0.18.1 Jeepney 0.7.1
Jinja2 3.1.2 jmespath 0.10.0 joblib 1.2.0
jsonschema 4.17.3 klient Jupyter 7.3.4 Server Jupyter 1.23.4
jupyter_core 5.2.0 jupyterlab-pygments 0.1.2 JupyterLab widgets 1.0.0
klíčenka 23.5.0 kiwisolver 1.4.4 launchpadlib 1.10.16
lazr.restfulclient 0.14.4 lazr.uri 1.0.6 lxml 4.9.1
MarkupSafe 2.1.1 matplotlib 3.7.0 matplotlib-inline 0.1.6
Mccabe 0.7.0 špatné naladění 0.8.4 more-itertools 8.10.0
mypy-extensions 0.4.3 nbclassic 0.5.2 nbclient 0.5.13
nbconvert 6.5.4 nbformat 5.7.0 nest-asyncio 1.5.6
nodeenv 1.8.0 poznámkový blok 6.5.2 notebook_shim 0.2.2
numpy (knihovna pro numerické výpočty v Pythonu) 1.23.5 oauthlib 3.2.0 balení 22.0
pandas 1.5.3 pandocfilters 1.5.0 parso 0.8.3
pathspec 0.10.3 bábovka 0.5.3 pexpect 4.8.0
PickleShare 0.7.5 Polštář 9.4.0 pip 22.3.1
platformdirs 2.5.2 plotly 5.9.0 Pluggy (nástroj pro správu pluginů v Pythonu) 1.0.0
prometheus-client 0.14.1 nástroj "prompt-toolkit" 3.0.36 protobuf 4.24.0
psutil 5.9.0 psycopg2 2.9.3 ptyprocess 0.7.0
pure-eval 0.2.2 pyarrow 8.0.0 pycparser 2.21
pydantic 1.10.6 pyflakes 3.0.1 Pygments 2.11.2
PyGObject 3.42.1 PyJWT 2.3.0 pyodbc 4.0.32
pyparsing 3.0.9 pyright 1.1.294 pyrsistent 0.18.0
python-dateutil 2.8.2 python-lsp-jsonrpc 1.0.0 python-lsp-server 1.7.1
Pytoolconfig 1.2.5 knihovna pytz pro zpracování časových zón v Pythonu 2022.7 pyzmq 23.2.0
požadavky 2.28.1 lano 1.7.0 s3transfer 0.6.1
scikit-learn 1.1.1 narozený v moři 0.12.2 SecretStorage 3.3.1
Send2Trash 1.8.0 setuptools (nástroj pro vytváření a distribuci Python projektů) 65.6.3 šest 1.16.0
sniffio 1.2.0 sítko na polévku 2.3.2.post1 ssh-import-id 5.11
datová hromádka 0.2.0 statsmodels 0.13.5 houževnatost 8.1.0
dokončeno 0.17.1 threadpoolctl 2.2.0 tinycss2 1.2.1
tokenize-rt 4.2.1 tomli 2.0.1 tornádo 6.1
drobné vlastnosti 5.7.1 typing_extensions 4.4.0 ujson 5.4.0
bezobslužné aktualizace 0,1 urllib3 1.26.14 virtualenv 20.16.7
wadllib 1.3.6 wcwidth (šířka znaků) 0.2.5 webová kódování 0.5.1
websocket-klient 0.58.0 whatthepatch 1.0.2 wheel 0.38.4
widgetsnbextension 3.6.1 yapf 0.31.0 zipový uzávěr 1.0.0

Nainstalované knihovny jazyka R

Knihovny R jsou instalovány ze snímku CRAN z Posit Správce balíčkůu k 13. červenci 2023.

Knihovna Version Knihovna Version Knihovna Version
šíp 12.0.1 žádost o heslo 1.1 ověřit, že 0.2.1
zpětné portování 1.4.1 báze 4.3.1 base64enc 0,1-3
bit 4.0.5 64bit 4.0.5 objekt blob 1.2.4
bootování 1.3-28 připravovat nápoje 1.0-8 elán 1.1.3
koště 1.0.5 bslib 0.5.0 kašmír 1.0.8
volající 3.7.3 caret 6.0-94 cellranger 1.1.0
cron 2.3-61 třída 7.3-22 CLI 3.6.1
Clipr 0.8.0 hodiny 0.7.0 cluster 2.1.4
codetools 0.2-19 barevný prostor 2.1-0 commonmark 1.9.0
kompilátor 4.3.1 config 0.3.1 konfliktní 1.2.0
cpp11 0.4.4 pastelka 1.5.2 přihlašovací údaje 1.3.2
kroucení 5.0.1 datová tabulka 1.14.8 datové sady 4.3.1
DBI 1.1.3 dbplyr 2.3.3 Popis 1.4.2
devtools 2.4.5 schéma 1.6.5 diffobj 0.3.5
hodnota hash 0.6.33 dolní osvětlení 0.4.3 dplyr 1.1.2
dtplyr 1.3.1 e1071 1.7-13 tři tečky 0.3.2
hodnotit 0.21 fanoušci 1.0.4 barvy 2.1.1
Fastmap (rychlé mapování) 1.1.1 fontawesome 0.5.1 pro kočky 1.0.0
foreach 1.5.2 zahraničí 0,8-82 kovárna 0.2.0
fs 1.6.2 budoucnost 1.33.0 budoucnost.použít 1.11.0
kloktání 1.5.1 obecné typy 0.1.3 Gert 1.9.2
ggplot2 3.4.2 gh 1.4.0 gitcreds 0.1.2
glmnet 4.1-7 globální 0.16.2 lepidlo 1.6.2
googledrive 2.1.1 googlesheets4 1.1.1 Gower 1.0.1
Grafika 4.3.1 grDevices 4.3.1 mřížka 4.3.1
gridExtra 2.3 gsubfn 0.7 gtable 0.3.3
ochranná přilba 1.3.0 útočiště 2.5.3 vyšší 0.10
HMS 1.1.3 htmlové nástroje 0.5.5 htmlwidgets (interaktivní HTML prvky) 1.6.2
httpuv 1.6.11 httr 1.4.6 httr2 0.2.3
identifikátory 1.0.1 ini 0.3.1 ipred 0.9-14
isoband 0.2.7 Iterátory 1.0.14 jquerylib 0.1.4
jsonlite 1.8.7 KernSmooth 2.23-21 knitr 1,43
značení 0.4.2 později 1.3.1 mřížka 0.21-8
láva 1.7.2.1 životní cyklus 1.0.3 poslouchej 0.9.0
lubridate 1.9.2 magrittr 2.0.3 Markdown 1.7
Hmotnost 7.3-60 *Matrix* 1.5-4.1 zapamatujte si 2.0.1
metody 4.3.1 mgcv 1.8-42 mim 0.12
miniUI 0.1.1.1 ModelMetrics 1.2.2.2 modelář 0.1.11
munsell 0.5.0 nlme 3.1-162 nnet (neuronová síť) 7.3-19
numDeriv (Numerická derivace) 2016.8 - 1.1 OpenSSL 2.0.6 rovnoběžný 4.3.1
paralelně 1.36.0 pilíř 1.9.0 pkgbuild 1.4.2
pkgconfig 2.0.3 pkgdown 2.0.7 pkgload 1.3.2.1
plogr 0.2.0 plyr 1.8.8 pochvala 1.0.0
prettyunits 1.1.1 pROC 1.18.4 processx 3.8.2
prodlim 2023.03.31 profvis 0.3.8 pokrok 1.2.2
progressr 0.13.0 promisy 1.2.0.1 proto 1.0.0
proxy 0,4-27 p.s. 1.7.5 purrr 1.0.1
r2d3 0.2.6 R6 2.5.1 ragg 1.2.5
"randomForest" 4.7-1.1 rappdirs 0.3.3 rcmdcheck 1.4.0
RColorBrewer 1.1-3 Rcpp 1.0.11 RcppEigen 0.3.3.9.3
čtenář 2.1.4 readxl 1.4.3 recepty 1.0.6
odvetný zápas 1.0.1 odvetný zápas 2 2.1.2 dálková ovládání 2.4.2
reprodukovatelný příklad 2.0.2 reshape2 1.4.4 rlang 1.1.1
rmarkdown 2.23 RODBC 1.3-20 roxygen2 7.2.3
rpart 4.1.19 rprojroot 2.0.3 Rserve 1.8-11
RSQLite 2.3.1 rstudioapi 0.15.0 rversions 2.1.2
rvest 1.0.3 Sass 0.4.6 váhy 1.2.1
selektor 0.4-2 informace o sezení 1.2.2 obrazec 1.4.6
lesklý 1.7.4.1 sourcetools 0.1.7-1 sparklyr 1.8.1
SparkR 3.5.0 prostorový 7.3-15 spline 4.3.1
sqldf 0.4-11 SQUAREM 2021.1 statistické údaje 4.3.1
Stats4 4.3.1 řetězce 1.7.12 stringr 1.5.0
přežití 3.5-5 sys 3.4.2 systemfonts 1.0.4
tcltk 4.3.1 testthat (nástroj pro testování) 3.1.10 formátování textu 0.3.6
tibble 3.2.1 tidyr 1.3.0 tidyselect 1.2.0
tidyverse 2.0.0 změna času 0.2.0 datum a čas 4022.108
tinytex 0.45 nářadí 4.3.1 tzdb 0.4.0
ověřovač URL 1.0.1 použij tohle 2.2.2 utf8 1.2.3
pomocné funkce 4.3.1 Univerzální jednoznačný identifikátor (UUID) 1.1-0 vctrs 0.6.3
viridisLite 0.4.2 vrrrm 1.6.3 Waldo 0.5.1
hmatový chlup 0.4.1 (v případě, že je možné poskytnout smysl slova "withr", by bylo možné ho přeložit) 2.5.0 xfun 0,39
xml2 1.3.5 xopen 1.0.0 xtable 1.8-4
yaml 2.3.7 komprimovaný soubor zip 2.3.0

Nainstalované Java a knihovny Scala (verze clusteru Scala 2.12)

ID skupiny Identifikátor artefaktu Version
antlr antlr 2.7.7
com.amazonaws amazon-kinesis-client (klient Amazon Kinesis) 1.12.0
com.amazonaws aws-java-sdk Automatické škálování 1.12.390
com.amazonaws aws-java-sdk-cloudformation 1.12.390
com.amazonaws aws-java-sdk-cloudfront 1.12.390
com.amazonaws aws-java-sdk-cloudhsm 1.12.390
com.amazonaws „aws-java-sdk-cloudsearch“ 1.12.390
com.amazonaws aws-java-sdk-cloudtrail 1.12.390
com.amazonaws aws-java-sdk-cloudwatch 1.12.390
com.amazonaws aws-java-sdk-cloudwatchmetrics 1.12.390
com.amazonaws aws-java-sdk-codedeploy (Balíček AWS SDK pro Java - CodeDeploy) 1.12.390
com.amazonaws aws-java-sdk-cognitoidentity 1.12.390
com.amazonaws aws-java-sdk-cognitosync 1.12.390
com.amazonaws aws-java-sdk-config (konfigurace balíčku SDK pro Javu od AWS) 1.12.390
com.amazonaws aws-java-sdk-core 1.12.390
com.amazonaws aws-java-sdk-datapipeline 1.12.390
com.amazonaws aws-java-sdk-directconnect 1.12.390
com.amazonaws aws-java-sdk-directory 1.12.390
com.amazonaws aws-java-sdk-dynamodb 1.12.390
com.amazonaws aws-java-sdk-ec2 1.12.390
com.amazonaws aws-java-sdk-ecs 1.12.390
com.amazonaws aws-java-sdk-efs 1.12.390
com.amazonaws aws-java-sdk-elasticache 1.12.390
com.amazonaws aws-java-sdk-elasticbeanstalk 1.12.390
com.amazonaws aws-java-sdk-elasticloadbalancing 1.12.390
com.amazonaws aws-java-sdk-elastictranscoder 1.12.390
com.amazonaws aws-java-sdk-emr 1.12.390
com.amazonaws aws-java-sdk-glacier (AWS Java SDK pro Glacier) 1.12.390
com.amazonaws aws-java-sdk-glue (balíček pro vývoj softwaru v Java od AWS, určený pro Glue služby) 1.12.390
com.amazonaws aws-java-sdk-iam 1.12.390
com.amazonaws aws-java-sdk-importexport 1.12.390
com.amazonaws aws-java-sdk-kinesis 1.12.390
com.amazonaws aws-java-sdk-kms 1.12.390
com.amazonaws aws-java-sdk-lambda 1.12.390
com.amazonaws aws-java-sdk-logs 1.12.390
com.amazonaws aws-java-sdk-strojové učení 1.12.390
com.amazonaws aws-java-sdk-opsworks 1.12.390
com.amazonaws aws-java-sdk-rds 1.12.390
com.amazonaws aws-java-sdk-redshift 1.12.390
com.amazonaws aws-java-sdk-route53 1.12.390
com.amazonaws aws-java-sdk-s3 1.12.390
com.amazonaws aws-java-sdk-ses 1.12.390
com.amazonaws aws-java-sdk-simpledb 1.12.390
com.amazonaws aws-java-sdk-simpleworkflow 1.12.390
com.amazonaws aws-java-sdk-sns 1.12.390
com.amazonaws aws-java-sdk-sqs 1.12.390
com.amazonaws aws-java-sdk-ssm 1.12.390
com.amazonaws aws-java-sdk-storagegateway (balíček nástrojů pro přístup k AWS Storage Gateway) 1.12.390
com.amazonaws aws-java-sdk-sts 1.12.390
com.amazonaws podpora AWS Java SDK 1.12.390
com.amazonaws knihovny AWS Java SDK SWF 1.11.22
com.amazonaws aws-java-sdk-workspaces 1.12.390
com.amazonaws jmespath-java 1.12.390
com.clearspring.analytics datový proud 2.9.6
com.databricks Rserve 1.8-3
com.databricks Databricks SDK pro Java 0.2.0
com.databricks jets3t 0.7.1-0
com.databricks.scalapb compilerplugin_2.12 0.4.15-10
com.databricks.scalapb scalapb-runtime_2.12 0.4.15-10
com.esotericsoftware technologie kryo-stínění 4.0.2
com.esotericsoftware Minlog 1.3.0
com.fasterxml spolužák 1.3.4
com.fasterxml.jackson.core jackson-annotations (poznámky Jackson) 2.15.2
com.fasterxml.jackson.core jackson-core 2.15.2
com.fasterxml.jackson.core Jackson-databind 2.15.2
com.fasterxml.jackson.dataformat jackson-dataformat-cbor 2.15.2
com.fasterxml.jackson.datatype jackson-datatype-joda 2.15.2
com.fasterxml.jackson.datatype jackson-datatype-jsr310 2.15.1
com.fasterxml.jackson.module jackson-module-paranamer 2.15.2
com.fasterxml.jackson.module jackson-module-scala_2.12 2.15.2
com.github.ben-manes.kofein kofein 2.9.3
com.github.fommil jniloader 1.1
com.github.fommil.netlib Nativní odkaz pro Javu 1.1
com.github.fommil.netlib Nativní odkaz pro Javu Verze 1.1 pro místní uživatele
com.github.fommil.netlib nativní_systém-java 1.1
com.github.fommil.netlib nativní_systém-java Verze 1.1 pro místní uživatele
com.github.fommil.netlib netlib-native_ref-linux-x86_64 Verze 1.1 pro místní uživatele
com.github.fommil.netlib netlib-nativní_systém-linux-x86_64 Verze 1.1 pro místní uživatele
com.github.luben zstd-jni 1.5.5-4
com.github.wendykierp JTransforms 3.1
com.google.code.findbugs jsr305 3.0.0
com.google.code.gson Gson 2.10.1
com.google.crypto.tink Cink 1.9.0
com.google.errorprone poznámky_náchylné_k_chybám 2.10.0
com.google.flatbuffers flatbuffers-java 1.12.0
com.google.guava guave 15,0
com.google.protobuf protobuf-java 2.6.1
com.helger profiler 1.1.1
com.jcraft jsch 0.1.55
com.jolbox bonecp 0.8.0.VYDÁNÍ
com.lihaoyi zdrojový_kód_2.12 0.1.9
com.microsoft.azure azure-data-lake-store-sdk (software development kit pro úložiště dat Azure Data Lake) 2.3.9
com.microsoft.sqlserver mssql-jdbc 11.2.2.jre8
com.ning compress-lzf (komprimační algoritmus LZF) 1.1.2
com.sun.mail javax.mail 1.5.2
com.sun.xml.bind jaxb-core 2.2.11
com.sun.xml.bind jaxb-impl 2.2.11
com.tdunning JSON 1.8
com.thoughtworks.paranamer Paranamer 2.8
com.trueaccord.lenses lenses_2.12 0.4.12
com.twitter chill-java 0.10.0
com.twitter chill_2.12 0.10.0
com.twitter util-app-2.12 7.1.0
com.twitter util-core_2.12 7.1.0
com.twitter util-function_2.12 7.1.0
com.twitter util-jvm_2.12 7.1.0
com.twitter util-lint_2.12 7.1.0
com.twitter util-registry_2.12 7.1.0
com.twitter util-stats_2.12 7.1.0
com.typesafe config 1.2.1
com.typesafe.scala-logging scala-logging_2.12 3.7.2
com.uber h3 3.7.0
com.univocity univocity-parsers (nástroj pro analýzu dat) 2.9.1
com.zaxxer HikariCP 4.0.3
commons-cli commons-cli 1.5.0
commons-codec commons-codec 1.16.0
společné sbírky společné sbírky 3.2.2
commons-dbcp commons-dbcp 1.4
Nahrávání souborů v Commons Nahrávání souborů v Commons 1.5
commons-httpclient commons-httpclient 3.1
commons-io commons-io 2.13.0
commons-lang commons-lang 2.6
commons-logging (nástroj pro záznamy) commons-logging (nástroj pro záznamy) 1.1.3
commons-pool commons-pool 1.5.4
dev.ludovic.netlib arpack 3.0.3
dev.ludovic.netlib Blas 3.0.3
dev.ludovic.netlib LAPACK 3.0.3
info.ganglia.gmetric4j gmetric4j 1.0.10
io.airlift vzduchový kompresor 0,24
io.delta delta-sharing-spark_2.12 0.7.1
io.dropwizard.metrics anotace metrik 4.2.19
io.dropwizard.metrics jádro metrik 4.2.19
io.dropwizard.metrics metrics-graphite 4.2.19
io.dropwizard.metrics metriky – kontroly stavu 4.2.19
io.dropwizard.metrics metrics-jetty9 4.2.19
io.dropwizard.metrics Metrics-JMX 4.2.19
io.dropwizard.metrics Metriky-json 4.2.19
io.dropwizard.metrics metriky pro JVM 4.2.19
io.dropwizard.metrics metrikové servlety 4.2.19
io.netty netty-all 4.1.93.Final
io.netty netty-buffer 4.1.93.Final
io.netty netty-codec 4.1.93.Final
io.netty netty-codec-http 4.1.93.Final
io.netty netty-codec-http2 4.1.93.Final
io.netty netty-codec-socks 4.1.93.Final
io.netty netty-common 4.1.93.Final
io.netty netty-handler 4.1.93.Final
io.netty Netty-handler-proxy 4.1.93.Final
io.netty netty-resolver 4.1.93.Final
io.netty netty-transport 4.1.93.Final
io.netty netty-transport-classes-epoll 4.1.93.Final
io.netty netty-transport-classes-kqueue 4.1.93.Final
io.netty netty-transport-native-epoll 4.1.93.Final
io.netty netty-transport-native-epoll 4.1.93.Final-linux-aarch_64
io.netty netty-transport-native-epoll 4.1.93.Final-linux-x86_64
io.netty netty-transport-native-kqueue 4.1.93.Final-osx-aarch_64
io.netty netty-transport-native-kqueue 4.1.93.Final-osx-x86_64
io.netty netty-transport-native-unix-common 4.1.93.Final
io.prometheus simpleclient 0.7.0
io.prometheus simpleklient_obecný 0.7.0
io.prometheus simpleclient_dropwizard 0.7.0
io.prometheus simpleclient_pushgateway 0.7.0
io.prometheus simpleclient_servlet 0.7.0
io.prometheus.jmx kolektor 0.12.0
jakarta.annotation jakarta.annotation-api 1.3.5
jakarta.servlet jakarta.servlet-api 4.0.3
jakarta.validation jakarta.validation-api 2.0.2
jakarta.ws.rs jakarta.ws.rs-api 2.1.6
javax.activation aktivace 1.1.1
javax.el javax.el-api 2.2.4
javax.jdo jdo-api 3.0.1
javax.transaction jta 1.1
javax.transaction API pro transakce 1.1
javax.xml.bind jaxb-api 2.2.11
Javolution Javolution 5.5.1
jline jline 2.14.6
joda-time joda-time 2.12.1
net.java.dev.jna jna 5.8.0
net.razorvine nakládačka 1.3
net.sf.jpam jpam 1.1
net.sf.opencsv opencsv 2.3
net.sf.supercsv super-csv 2.2.0
síť.sněhová vločka snowflake-ingest-sdk 0.9.6
síť.sněhová vločka snowflake-jdbc 3.13.29
net.sourceforge.f2j arpack_combined_all 0,1
org.acplt.remotetea remotetea-oncrpc 1.1.2
org.antlr ST4 4.0.4
org.antlr antlr runtime 3.5.2
org.antlr antlr4-runtime 4.9.3
org.antlr StringTemplate 3.2.1
org.apache.ant mravenec 1.9.16
org.apache.ant ant-jsch 1.9.16
org.apache.ant Ant launcher 1.9.16
org.apache.arrow šipkový formát 12.0.1
org.apache.arrow jádro šipkové paměti 12.0.1
org.apache.arrow šipka-paměť-netty 12.0.1
org.apache.arrow šipkový vektor 12.0.1
org.apache.avro Avro 1.11.2
org.apache.avro avro-ipc 1.11.2
org.apache.avro avro-mapred 1.11.2
org.apache.commons commons-collections4 4.4
org.apache.commons commons-compress (softwarová knihovna pro kompresi dat) 1.23.0
org.apache.commons commons-crypto 1.1.0
org.apache.commons commons-lang3 3.12.0
org.apache.commons commons-math3 3.6.1
org.apache.commons Commons-text (textové nástroje) 1.10.0
org.apache.kurátor kurátor-klient 2.13.0
org.apache.kurátor kurátorský rámec 2.13.0
org.apache.kurátor kurátorovy recepty 2.13.0
org.apache.datasketches datasketches-java 3.1.0
org.apache.datasketches datasketches-paměť 2.0.0
org.apache.derby fotbalové derby 10.14.2.0
org.apache.hadoop běhové prostředí klienta Hadoop 3.3.6
org.apache.hive hive-beeline 2.3.9
org.apache.hive hive-cli 2.3.9
org.apache.hive hive-jdbc (JDBC ovladač pro Apache Hive) 2.3.9
org.apache.hive hive-llap-client 2.3.9
org.apache.hive hive-llap-common 2.3.9
org.apache.hive hive-serde 2.3.9
org.apache.hive Hive-shims 2.3.9
org.apache.hive rozhraní pro úložiště Hive 2.8.1
org.apache.hive.shims hive-shims-0.23 2.3.9
org.apache.hive.shims hive-shims-common 2.3.9
org.apache.hive.shims plánovač hive-shims 2.3.9
org.apache.httpcomponents httpclient 4.5.14
org.apache.httpcomponents httpcore 4.4.16
org.apache.ivy břečťan 2.5.1
org.apache.logging.log4j log4j-1.2-api 2.20.0
org.apache.logging.log4j log4j-api 2.20.0
org.apache.logging.log4j log4j-core 2.20.0
org.apache.logging.log4j log4j-slf4j2-impl 2.20.0
org.apache.mesos Mesos 1.11.0-shaded-protobuf
org.apache.orc orc-core 1.9.0-shaded-protobuf
org.apache.orc orc-mapreduce 1.9.0-shaded-protobuf
org.apache.orc orčí podložky 1.9.0
org.apache.thrift libfb303 0.9.3
org.apache.thrift libthrift 0.12.0
org.apache.xbean xbean-asm9-shaded 4.23
org.apache.yetus poznámky pro publikum 0.13.0
org.apache.zookeeper ošetřovatel zvířat v zoo 3.6.3
org.apache.zookeeper zookeeper-jute 3.6.3
org.checkerframework checker-qual 3.31.0
org.codehaus.jackson jackson-core-asl 1.9.13
org.codehaus.jackson jackson-mapper-asl 1.9.13
org.codehaus.janino společný kompilátor 3.0.16
org.codehaus.janino Janino 3.0.16
org.datanucleus datanucleus-api-jdo 4.2.4
org.datanucleus datanucleus-core 4.1.17
org.datanucleus datanucleus-rdbms (framework pro práci s relačními databázemi) 4.1.19
org.datanucleus javax.jdo 3.2.0-m3
org.eclipse.jetty jetty-client 9.4.51.v20230217
org.eclipse.jetty pokračování Jetty 9.4.51.v20230217
org.eclipse.jetty jetty-http 9.4.51.v20230217
org.eclipse.jetty jetty-io 9.4.51.v20230217
org.eclipse.jetty jetty-jndi 9.4.51.v20230217
org.eclipse.jetty Jetty-plus 9.4.51.v20230217
org.eclipse.jetty proxy pro službu Jetty 9.4.51.v20230217
org.eclipse.jetty bezpečnost Jetty 9.4.51.v20230217
org.eclipse.jetty jetty-server 9.4.51.v20230217
org.eclipse.jetty jetty-servlet 9.4.51.v20230217
org.eclipse.jetty jetty-servlets 9.4.51.v20230217
org.eclipse.jetty jetty-util 9.4.51.v20230217
org.eclipse.jetty jetty-util-ajax 9.4.51.v20230217
org.eclipse.jetty Jetty-webová aplikace 9.4.51.v20230217
org.eclipse.jetty jetty-xml 9.4.51.v20230217
org.eclipse.jetty.websocket WebSocket API 9.4.51.v20230217
org.eclipse.jetty.websocket websocket-klient 9.4.51.v20230217
org.eclipse.jetty.websocket websocket – běžné 9.4.51.v20230217
org.eclipse.jetty.websocket websocket-server 9.4.51.v20230217
org.eclipse.jetty.websocket websocket-servlet 9.4.51.v20230217
org.fusesource.leveldbjni leveldbjni-all 1.8
org.glassfish.hk2 hk2-api 2.6.1
org.glassfish.hk2 hk2-lokátor 2.6.1
org.glassfish.hk2 hk2-utils 2.6.1
org.glassfish.hk2 Vyhledávač zdrojů OSGi 1.0.3
org.glassfish.hk2.external aopalliance-přebaleno 2.6.1
org.glassfish.hk2.external jakarta.inject (pokud je to potřeba, přidejte vysvětlení nebo typický český termín v závorce) 2.6.1
org.glassfish.jersey.containers jersey-container-servlet (nástroj pro zpracování požadavků v Java EE) 2.40
org.glassfish.jersey.containers jersey-container-servlet-jádro 2.40
org.glassfish.jersey.core jersey-client 2.40
org.glassfish.jersey.core společný dres 2.40
org.glassfish.jersey.core Jersey-server (aplikační server frameworku Jersey) 2.40
org.glassfish.jersey.inject jersey-hk2 2.40
org.hibernate.validator Hibernate Validator 6.1.7.Final
org.ini4j ini4j 0.5.4
org.javassist Javassist 3.29.2-GA
org.jboss.logging jboss-logging 3.3.2.Final
org.jdbi jdbi 2.63.1
org.jetbrains anotace 17.0.0
org.joda joda-convert 1.7
org.jodd jodd-core 3.5.2
org.json4s json4s-ast_2.12 3.7.0-M11
org.json4s json4s-core_2.12 3.7.0-M11
org.json4s json4s-jackson_2.12 3.7.0-M11
org.json4s json4s-scalap_2.12 3.7.0-M11
org.lz4 lz4-java 1.8.0
org.mariadb.jdbc MariaDB Java klient 2.7.9
org.mlflow mlflow-spark 2.2.0
org.objenesis objenesis 2.5.1
org.postgresql postgresql 42.6.0
org.roaringbitmap RoaringBitmap 0.9.45
org.roaringbitmap vymezovací pásky 0.9.45
org.rocksdb rocksdbjni 8.3.2
org.rosuda.REngine REngine 2.1.0
org.scala-lang scala-compiler_2.12 2.12.15
org.scala-lang scala-library_2.12 2.12.15
org.scala-lang scala-reflect_2.12 2.12.15
org.scala-lang.modules scala-collection-compat_2.12 2.9.0
org.scala-lang.modules scala-parser-combinators_2.12 1.1.2
org.scala-lang.modules scala-xml_2.12 1.2.0
org.scala-sbt testovací rozhraní 1.0
org.scalacheck scalacheck_2.12 1.14.2
org.scalactic scalactic_2.12 3.2.15
org.scalanlp breeze-macros_2.12 2.1.0
org.scalanlp breeze_2.12 2.1.0
org.scalatest kompatibilní s scalatestem 3.2.15
org.scalatest scalatest-core_2.12 3.2.15
org.scalatest scalatest-diagrams_2.12 3.2.15
org.scalatest scalatest-featurespec_2.12 3.2.15
org.scalatest scalatest-flatspec_2.12 3.2.15
org.scalatest scalatest-freespec_2.12 3.2.15
org.scalatest scalatest-funspec_2.12 3.2.15
org.scalatest scalatest-funsuite_2.12 3.2.15
org.scalatest scalatest-matchers-core_2.12 3.2.15
org.scalatest scalatest-mustmatchers_2.12 3.2.15
org.scalatest scalatest-propspec_2.12 3.2.15
org.scalatest scalatest-refspec_2.12 3.2.15
org.scalatest scalatest-shouldmatchers_2.12 3.2.15
org.scalatest scalatest-wordspec_2.12 3.2.15
org.scalatest scalatest_2.12 3.2.15
org.slf4j jcl-over-slf4j 2.0.7
org.slf4j jul-to-slf4j 2.0.7
org.slf4j slf4j-api 2.0.7
org.threeten threeten-extra 1.7.1
org.tukaani xz 1,9
org.typelevel algebra_2.12 2.0.1
org.typelevel cats-kernel_2.12 2.1.1
org.typelevel spire-macros_2.12 0.17.0
org.typelevel spire-platform_2.12 0.17.0
org.typelevel spire-util_2.12 0.17.0
org.typelevel spire_2.12 0.17.0
org.wildfly.openssl wildfly-openssl 1.1.3.Finální
org.xerial sqlite-jdbc 3.42.0.0
org.xerial.snappy snappy-java 1.1.10.3
org.yaml snakeyaml 2.0
oro oro 2.0.8
pl.edu.icm JLargeArrays 1.5
software.amazon.cryptools AmazonCorrettoCryptoProvider 1.6.1-linux-x86_64
software.amazon.ion ion-java 1.0.2
Stax stax-api 1.0.1
  • Last updated on