Modul runtime 1.2

  • Článek

Microsoft Fabric Runtime je platforma integrovaná v Azure založená na Apache Sparku, která umožňuje spouštění a správu prostředí přípravy dat a datových věd. Tento dokument se zabývá komponentami a verzemi modulu runtime 1.2.

Microsoft Fabric Runtime 1.2 je nejnovější verze modulu runtime GA. Mezi hlavní komponenty modulu Runtime 1.2 patří:

  • Apache Spark 3.4.1
  • Operační systém: Mariner 2.0
  • Java: 11
  • Scala: 2.12.17
  • Python: 3.10
  • Delta Lake: 2.4.0
  • R: 4.2.2

Screenshot showing where to select runtime version.

Microsoft Fabric Runtime 1.2 obsahuje kolekci výchozích balíčků na úrovni, včetně úplné instalace Anaconda a běžně používaných knihoven pro Javu/Scala, Python a R. Tyto knihovny se automaticky zahrnou při používání poznámkových bloků nebo úloh na platformě Microsoft Fabric. Úplný seznam knihoven najdete v dokumentaci. Microsoft Fabric pravidelně nasadí aktualizace údržby pro modul Runtime 1.2 a poskytuje opravy chyb, vylepšení výkonu a opravy zabezpečení. Udržování aktuálnosti zajišťuje optimální výkon a spolehlivost úloh zpracování dat.

Nové funkce a vylepšení Verze Sparku 3.4.1

Apache Spark 3.4.0 je pátou verzí na řádku 3.x. Tato verze, řízená opensourcovou komunitou, vyřešila více než 2 600 lístků Jira. Představuje klienta Pythonu pro Spark Připojení, vylepšuje strukturované streamování pomocí asynchronního sledování průběhu a stavového zpracování Pythonu. Rozšiřuje pokrytí rozhraní API Pandas s podporou vstupu NumPy, zjednodušuje migraci z tradičních datových skladů prostřednictvím dodržování předpisů ANSI a nových integrovaných funkcí. Zlepšuje také produktivitu vývoje a možnosti ladění pomocí profilace paměti. Modul runtime 1.2 je navíc založený na Apache Sparku 3.4.1, což je verze údržby zaměřená na opravy stability.

Hlavní přednosti

  • Implementace podpory výchozích hodnot pro sloupce v tabulkách (SPARK-38334)
  • Podpora ČASOVÉHO RAZÍTKA BEZ datového typu TIMEZONE (SPARK-35662)
  • Podpora odkazů na laterální aliasy sloupců (SPARK-27561)
  • Posílení využití SQLSTATE pro třídy chyb (SPARK-41994)
  • Povolení spojení s filtry Bloom ve výchozím nastavení (SPARK-38841)
  • Lepší škálovatelnost uživatelského rozhraní Sparku a stabilita ovladačů pro velké aplikace (SPARK-41053)
  • Sledování asynchronního průběhu ve strukturovaném streamování (SPARK-39591)
  • Libovolné stavové zpracování Pythonu ve strukturovaném streamování (SPARK-40434)
  • Vylepšení pokrytí rozhraní API Pandas (SPARK-42882) a podpora vstupu NumPy v PySparku (SPARK-39405)
  • Poskytnutí profileru paměti pro uživatelem definované funkce PySpark (SPARK-40281)
  • Implementace distributora PyTorch (SPARK-41589)
  • Publikování artefaktů SBOM (softwarové vyúčtování materiálů) (SPARK-41893)
  • Implementace podpory výchozích hodnot pro sloupce v tabulkách (SPARK-38334)
  • Podpora parametrizovaného SQL (SPARK-41271, SPARK-42702)
  • Implementace podpory výchozích hodnot pro sloupce v tabulkách (SPARK-38334)
  • Přidání Dataset.as(StructType) (SPARK-39625)
  • Podpora parametrizovaného SQL (SPARK-41271, SPARK-42702)
  • Přidání nepřekontání nebo roztavení (SPARK-38864, SPARK-39876)
  • Podpora odkazů na laterální aliasy sloupců (SPARK-27561)
  • Klauzule posunu výsledku podpory (SPARK-28330, SPARK-39159)
  • Časové razítko podpory bez datového typu časového pásma (SPARK-35662)
  • Podpora skalárních poddotazů v časovém cestování (SPARK-39306)
  • Zajištění kompatibility rozhraní API katalogu s 3vrstvým oborem názvů (SPARK-39235)
  • Časové razítko podpory v sekundách pro TimeTravel pomocí možností datového rámce (SPARK-39633)
  • Přidání SparkSession.config(Mapa) (SPARK-40163)
  • Podpora změny výchozí databáze katalogu relací (SPARK-35242)
  • Podpora Protobuf pro Spark – from_protobuf AND to_protobuf (SPARK-40654)
  • Přidání klauzule WHEN NOT MATCHED BY SOURCE pro MERGE INTO (SPARK-40921)
  • Uvolnění omezení řazení pro možnosti sloupce CREATE TABLE (SPARK-40944)
  • Ekvivalent SQL pro příkaz přepsání datového rámce (SPARK-40956)
  • Podpora generování bez požadovaného podřízeného výstupu pro hostování vnějších odkazů (SPARK-41441)
  • ORDER BY ALL (SPARK-41637)
  • GROUP BY ALL (SPARK-41635)
  • Přidání flatMapSortedGroups a cogroupSorted (SPARK-38591)
  • Podpora poddotazů s korelovanými predikáty bez rovnosti (SPARK-36114)
  • Podpora poddotazů s korelací prostřednictvím UNION/INTERSECT/EXCEPT (SPARK-36124)
  • Oprava chyby OOM se nedá hlásit, když AQE (adaptivní spouštění dotazů) ve Sparku 42290
  • Oprava logiky oříznutí nezpracovala správně řídicí znaky ASCII (SPARK-44383)
  • Dataframe.joinWith outer-join by měla vrátit hodnotu null pro řádek bez porovnání (SPARK-37829)
  • Pomocí nástrojů získáte přepínač pro dynamické přidělování používané v místním kontrolním bodu (SPARK-42421).
  • Přidání výjimky CapturedException do nástrojů (SPARK-42078)
  • Podpora FUNKCE SELECT DEFAULT s FUNKCÍ ORDER BY, LIMIT, OFFSET pro vložení zdrojové relace (SPARK-43071)
  • Klient Pythonu pro Spark Připojení (SPARK-39375)

Přečtěte si úplnou verzi poznámky k verzi pro konkrétní verzi Apache Sparku, a to tak , že navštívíte Spark 3.4.0 i Spark 3.4.1.

Nové vlastní optimalizace dotazů

Podpora souběžných zápisů ve Sparku

Při provádění paralelních vložení dat do stejné tabulky pomocí dotazu SQL INSERT INTO dochází k chybě 404 se zprávou Operace selhala: Zadaná cesta neexistuje. Tato chyba může vést ke ztrátě dat. Naše nová funkce, algoritmus potvrzení výstupu souboru, tento problém řeší, což zákazníkům umožňuje bezproblémově provádět paralelní vkládání dat.

Pokud chcete získat přístup k této funkci, povolte spark.sql.enable.concurrentWrites příznak funkce, který je ve výchozím nastavení povolený od modulu Runtime 1.2 (Spark 3.4). I když je tato funkce dostupná i v jiných verzích Sparku 3, není ve výchozím nastavení povolená. Tato funkce nepodporuje paralelní provádění dotazů INSERT OVERWRITE, kde každá souběžná úloha přepisuje data v různých oddílech stejné tabulky dynamicky. Pro tento účel Nabízí Spark alternativní funkci, kterou je možné aktivovat konfigurací spark.sql.sources.partitionOverwriteMode nastavení na dynamickou.

Inteligentní čtení, která přeskočí soubory z neúspěšných úloh

Pokud v aktuálním systému potvrzení Sparku selže vložení do úlohy tabulky, ale některé úkoly jsou úspěšné, soubory vygenerované úspěšnými úkoly společně se soubory z neúspěšné úlohy. Tato koexistence může uživatelům způsobit nejasnost, protože je obtížné rozlišovat mezi soubory patřícími k úspěšným a neúspěšných úlohách. Navíc, když jedna úloha čte z tabulky, zatímco jiná vkládá data souběžně do stejné tabulky, může úloha čtení přistupovat k nepotvrzeným datům. Pokud úloha zápisu selže, může úloha čtení zpracovat nesprávná data.

Příznak spark.sql.auto.cleanup.enabled řídí naši novou funkci a řeší tento problém. Pokud je tato možnost povolená, Spark automaticky přeskočí čtení souborů, které nebyly potvrzeny při provádění spark.read nebo výběru dotazů z tabulky. Soubory zapsané před povolením této funkce se budou dál číst jako obvykle.

Tady jsou viditelné změny:

  • Všechny soubory teď v názvu souboru obsahují tid-{jobID} identifikátor.
  • _success Místo značky obvykle vytvořené ve výstupním umístění po úspěšném dokončení úlohy se vygeneruje nová _committed_{jobID} značka. Tato značka přidruží úspěšná ID úloh k určitým názvům souborů.
  • Zavedli jsme nový příkaz SQL, který uživatelé můžou pravidelně spouštět za účelem správy úložiště a čištění nepotvrzených souborů. Syntaxe tohoto příkazu je následující:
    • Vyčištění konkrétního adresáře: CLEANUP ('/path/to/dir') [RETAIN number HOURS];
    • Vyčištění konkrétní tabulky: CLEANUP [db_name.]table_name [RETAIN number HOURS]; V této syntaxi představuje identifikátor URI umístění, path/to/dir ve kterém je vyžadováno vyčištění, a number jedná se o hodnotu typu typu double představující dobu uchování. Výchozí doba uchovávání je nastavená na sedm dnů.
  • Zavedli jsme novou možnost konfigurace s názvem spark.sql.deleteUncommittedFilesWhileListing, která je ve výchozím nastavení nastavená false . Povolením této možnosti dojde k automatickému odstranění nepotvrzených souborů během čtení, ale tento scénář může zpomalit operace čtení. Pokud je cluster nečinný, doporučujeme ručně spustit příkaz pro vyčištění místo povolení tohoto příznaku.

Průvodce migrací z modulu runtime 1.1 do modulu runtime 1.2

Při migraci z modulu runtime 1.1 s využitím Apache Sparku 3.3 na modul runtime 1.2 s využitím Apache Sparku 3.4 si projděte oficiálního průvodce migrací. Tady jsou klíčové zvýraznění:

Základ

  • Vzhledem k tomu, že Spark 3.4, ovladač Sparku vlastní PersistentVolumnClaima pokusí se znovu použít, pokud nejsou přiřazené k živým exekutorům. Chcete-li obnovit chování před Spark 3.4, můžete nastavit spark.kubernetes.driver.ownPersistentVolumeClaimfalse a spark.kubernetes.driver.reusePersistentVolumeClaim na falsehodnotu .
  • Od Sparku 3.4 ovladač Sparku sleduje data náhodného prohazování, když je povolené dynamické přidělování bez služby náhodného náhodného prohazování. Pokud chcete obnovit chování před Sparkem 3.4, můžete nastavit spark.dynamicAllocation.shuffleTracking.enabled na falsehodnotu .
  • Vzhledem k tomu, že Spark 3.4, se Spark pokusí vyřadit sadu RDD (odolnou distribuovanou datovou sadu) z mezipaměti a zamíchá bloky, pokud jsou splněné a spark.decommission.enabledspark.storage.decommission.enabled jsou pravdivé. Pokud chcete obnovit chování před Sparkem 3.4, můžete nastavit obojí spark.storage.decommission.rddBlocks.enabled i spark.storage.decommission.shuffleBlocks.enabled na falsehodnotu .
  • Vzhledem k tomu, že Spark 3.4, Spark používá úložiště RocksDB, pokud spark.history.store.hybridStore.enabled je true. Pokud chcete obnovit chování před Sparkem 3.4, můžete nastavit spark.history.store.hybridStore.diskBackend na LEVELDBhodnotu .

PySpark

  • Ve Sparku 3.4 je schéma sloupce pole odvozeno sloučením schémat všech prvků v poli. Chcete-li obnovit předchozí chování, ve kterém je schéma odvozeno pouze z prvního prvku, můžete nastavit spark.sql.pyspark.legacy.inferArrayTypeFromFirstElement.enabled na truehodnotu .
  • Pokud ve Sparku 3.4 používáte pandas v rozhraní Spark API Groupby.apply, pokud není zadaný návratový func typ parametru a compute.shortcut_limit je nastaven na hodnotu 0, počet řádků vzorkování se automaticky nastaví na 2. Tato úprava zajišťuje, že vždy existují alespoň dva řádky vzorkování, aby se zachovala přesná odvození schématu.
  • Pokud je v rozhraní Spark 3.4 knihovna Pandas v rozhraní Spark API Index.insert mimo hranice, vyvolá indexError s index {} is out of bounds for axis 0 with size {} cílem sledovat chování pandas 1.4.
  • Ve Sparku 3.4 se název řady zachová v Knihovně Pandas v rozhraní Spark API Series.mode , aby byl v souladu s chováním pandas 1.4.
  • Ve Sparku 3.4 je Column typ první kontroly value pandas v rozhraní Spark API Index.__setitem__ typu, aby se zabránilo neočekávanému vyvolání neočekávaných ValueError výrazů, is_list_like jako je Can't convert column into bool: use '&' for 'and', '|' for 'or', '~' for 'not' při vytváření logických výrazů datového rámce.)
  • Ve Sparku 3.4 se knihovna Pandas v rozhraní Spark API astype('category') aktualizuje také categories.dtype podle původních dat dtype , aby sledovala chování pandas 1.4.
  • Ve Sparku 3.4 podporuje Pandas v rozhraní Spark API skupinu pomocí indexování GroupBy.head umístění a GroupBy.tail sledování pandas 1.4. Záporné argumenty teď fungují správně a výsledkem jsou oblasti vzhledem ke konci a začátku každé skupiny. Dříve vrátily záporné argumenty prázdné rámce.
  • Ve Sparku 3.4 odvozuje proces schématu groupby.apply v Pandas ve Sparku nejprve typ pandas, aby se zajistila co největší přesnost pandas dtype .
  • Ve Sparku 3.4 Series.concat se parametr řazení respektuje, aby sledoval chování knihovny pandas 1.4.
  • Ve Sparku 3.4 DataFrame.__setitem__ vytvoří kopii a nahradí existující pole, která nebudou přepsána tak, aby sledovala chování pandas 1.4.
  • Ve Sparku 3.4 získaly SparkSession.sql nové parametry argsrozhraní API sql a Pandas ve Sparku, které poskytují vazbu pojmenovaných parametrů na literály SQL.
  • Ve Sparku 3.4 následuje rozhraní Pandas API ve Sparku pro knihovnu pandas 2.0 a některá rozhraní API byla ve Sparku 3.4 zastaralá nebo odebraná podle změn provedených v knihovně pandas 2.0. Další podrobnosti najdete v [poznámkách k verzi knihovny pandas](https://pandas.pydata.org/docs/dev/whatsnew/).

SQL, datové sady a datový rámec

  • Vzhledem k tomu, že Spark 3.4, příkazy INSERT INTO s explicitním seznamem sloupců obsahujícím méně sloupců, než je cílová tabulka, automaticky přidá odpovídající výchozí hodnoty pro zbývající sloupce (nebo NULL pro libovolný sloupec, který nemá explicitně přiřazenou výchozí hodnotu). Ve Sparku 3.3 nebo starších by tyto příkazy selhaly a vrátily by chyby, které hlásí, že počet zadaných sloupců neodpovídá počtu sloupců v cílové tabulce. Zakázáním spark.sql.defaultColumn.useNullsForMissingDefaultValues se obnoví předchozí chování.
  • Vzhledem k tomu, že Spark 3.4, číslo nebo číslo(*) z Teradata se považuje za desetinné číslo (38 18). Ve Sparku 3.3 nebo starším se číslo nebo číslo(*) z Teradata považuje za desetinné číslo (38, 0), v takovém případě se desetinná část odebere.
  • Vzhledem k tomu, že databáze Spark 3.4, v1, tabulka, trvalé zobrazení a identifikátor funkce obsahuje jako název katalogu "spark_catalog", pokud je definována databáze, například identifikátor tabulky je: spark_catalog.default.t. Chcete-li obnovit starší chování, nastavte spark.sql.legacy.v1IdentifierNoCatalog hodnotu true.
  • Vzhledem k tomu, že Spark 3.4, pokud je zapnutý režim ANSI SQL (konfigurace spark.sql.ansi.enabled), Spark SQL vždy vrátí výsledek NULL při získání hodnoty mapy s neexistující klíčem. Ve Sparku 3.3 nebo starším došlo k chybě.
  • Vzhledem k tomu, že Spark 3.4, rozhraní příkazového řádku spark-sql SQL netiskne před chybovou zprávou před Error in query: chybovou zprávou AnalysisException.
  • Vzhledem k tomu, že Spark 3.4, split funkce ignoruje koncové prázdné řetězce, pokud regex je parametr prázdný.
  • Vzhledem k tomu, že Spark 3.4, to_binary funkce vyvolá chybu pro poškozený str vstup. Umožňuje try_to_binary tolerovat poškozený vstup a místo toho vrátit hodnotu NULL.
    • Platný Base64 řetězec by měl obsahovat symboly z base64 abecedy (A-Za-z0-9+/), volitelné odsazení (=) a volitelné prázdné znaky. Prázdné znaky se při převodu přeskočí s výjimkou případů, kdy předchází symboly odsazení. Pokud je odsazení přítomno, měl by uzavřít řetězec a dodržovat pravidla popsaná v dokumentu RFC 4648 § 4.
    • Platné šestnáctkové řetězce by měly obsahovat pouze povolené symboly (0-9A-Fa-f).
    • Platné hodnoty fmt nerozlišují malá a velká písmena hex, base64, utf-8, . utf8
  • Vzhledem k tomu, že Spark 3.4, Spark vyvolá výjimku pouze PartitionsAlreadyExistException v případě, že vytváří oddíly, ale některé z nich už existují. Ve Sparku 3.3 nebo starším může Spark vyvolat buď PartitionsAlreadyExistException nebo PartitionAlreadyExistsException.
  • Vzhledem k tomu, Spark 3.4, Spark ověří specifikace oddílu v ALTER PARTITION spark.sql.storeAssignmentPolicychování , což může způsobit výjimku, pokud převod typu selže, například ALTER TABLE .. ADD PARTITION(p='a') pokud sloupec p je typu int. Chcete-li obnovit starší chování, nastavte spark.sql.legacy.skipTypeValidationOnAlterPartition hodnotu true.
  • Vzhledem k tomu, že Spark 3.4, vektorizované čtenáře jsou ve výchozím nastavení povolené pro vnořené datové typy (pole, mapování a struktura). Chcete-li obnovit starší chování, nastavte spark.sql.orc.enableNestedColumnVectorizedReader a spark.sql.parquet.enableNestedColumnVectorizedReader nastavte false.
  • Vzhledem k tomu, BinaryType že Spark 3.4 není ve zdroji dat CSV podporovaný. Ve Sparku 3.3 nebo starších můžou uživatelé psát binární sloupce ve zdroji dat CSV, ale výstupní obsah v souborech CSV je , což je Object.toString()bezvýznamné. Pokud uživatelé čtou tabulky CSV s binárními sloupci, Spark vyvolá Unsupported type: binary výjimku.
  • Vzhledem k tomu, že Spark 3.4, jsou ve výchozím nastavení povolená spojení s filtry kvetu. Chcete-li obnovit starší chování, nastavte spark.sql.optimizer.runtime.bloomFilter.enabled hodnotu false.

Strukturované streamování

  • Vzhledem k tomu, Trigger.Once že Spark 3.4 je zastaralý a uživatelům se doporučuje migrovat z Trigger.OnceTrigger.AvailableNow. Další podrobnosti najdete v spark-39805.
  • Vzhledem k tomu, že Spark 3.4, výchozí hodnota konfigurace pro načítání posunu Kafka (spark.sql.streaming.kafka.useDeprecatedOffsetFetching) se změní z true na false. Výchozí nastavení už nespočítá v plánování na základě skupin příjemců, což má vliv na požadovaný seznam ACL. Další informace najdete v tématu Integrace kafka strukturovaného streamování.

Nové funkce a vylepšení Delta Lake 2.4

Delta Lake je opensourcový projekt , který umožňuje vytvořit architekturu jezera nad datovými jezery. Delta Lake poskytuje transakce ACID, škálovatelné zpracování metadat a sjednocuje zpracování streamovaných a dávkových dat nad stávajícími datovými jezery.

Konkrétně Delta Lake nabízí:

Klíčové funkce v této verzi jsou následující:

  • Podpora Apache Sparku 3.4
  • Podpora psaní vektorů odstranění pro DELETE příkaz. Dříve se při odstraňování řádků z tabulky Delta přepsaly všechny soubory s alespoň jedním odpovídajícím řádkem. Díky vektorům odstranění se těmto drahým přepisům můžete vyhnout. Další podrobnosti najdete v tématu Co jsou vektory odstranění?
  • Podpora všech operací zápisu v tabulkách s povolenými vektory odstranění
  • PodporaPURGE odebrání vektorů odstranění z aktuální verze tabulky Delta přepsáním všech datových souborů s vektory odstranění. Další podrobnosti najdete v dokumentaci.
  • Podpora čtení kanálu změn dat pro tabulky s povolenými vektory odstranění
  • PodporaREPLACE WHERE výrazů v SQL k selektivnímu přepsání dat Dříve byly možnosti replaceWhere podporovány pouze v rozhraních DATAFrameWriter API.
  • Klauzule podporyWHEN NOT MATCHED BY SOURCE v SQL pro příkaz Merge.
  • Podpora vynechání vygenerovaných sloupců ze seznamu sloupců pro dotazy SQL INSERT INTO Delta automaticky vygeneruje hodnoty pro všechny nezadané vygenerované sloupce.
  • Podpora datového typu přidaného TimestampNTZ ve Sparku 3.3 Použití TimestampNTZ vyžaduje upgrade protokolu Delta. Další informace najdete v dokumentaci .
  • Povolte změnu typu char sloupce nebo varchar sloupce na kompatibilní typ v ALTER TABLE příkazu. Nové chování je stejné jako v Apache Sparku a umožňuje přesílání z char nebo varchar do nebo string.varchar
  • Zablokujte použití overwriteSchema s dynamickým přepsáním oddílu. Tento scénář může poškodit tabulku, protože ne všechna data je možné odebrat a schéma nově zapsaných oddílů nemůže odpovídat schématu nezměněných oddílů.
  • Pokud nejsou v zadaném časovém razítku v zadaném časovém razítku k dispozici žádné potvrzení, vraťte prázdnou DataFrame hodnotu pro čtení datového kanálu změn. Dříve byla vyvolán chyba.
  • Opravte chybu ve čtení kanálu změn dat pro záznamy vytvořené během nejednoznačné hodiny, když dojde k letnímu času.
  • Opravte chybu, kdy dotazování externí tabulky Delta v kořenovém adresáři kontejneru S3 vyvolá chybu.
  • Odeberte z protokolu Delta interní metadata Sparku, aby všechny ovlivněné tabulky byly znovu čitelné.

Přečtěte si úplnou verzi poznámky k verzi pro Delta Lake 2.4.

Výchozí balíčky na úrovni pro knihovny Java/Scala

Následující tabulka uvádí všechny výchozí balíčky na úrovni pro Javu/Scalu a jejich odpovídající verze.

Groupid ArtifactId Verze
com.aliyun aliyun-java-sdk-core 4.5.10
com.aliyun aliyun-java-sdk-kms 2.11.0
com.aliyun aliyun-java-sdk-ram 3.1.0
com.aliyun aliyun-sdk-oss 3.13.0
com.amazonaws aws-java-sdk-bundle 1.12.262
com.clearspring.analytics datový proud 2.9.6
com.esotericsoftware Kryo-shaded 4.0.2
com.esotericsoftware minlog 1.3.0
com.fasterxml.jackson jackson-annotations 2.14.2
com.fasterxml.jackson jackson-core 2.14.2
com.fasterxml.jackson jackson-core-asl 1.9.13
com.fasterxml.jackson jackson-databind 2.14.2
com.fasterxml.jackson jackson-dataformat-cbor 2.14.2
com.fasterxml.jackson jackson-mapper-asl 1.9.13
com.fasterxml.jackson jackson-module-scala_2.12 2.14.2
com.github.joshelser dropwizard-metrics-hadoop-metrics2-reporter 0.1.2
com.github.luben zstd-jni 1.5.2-5
com.github.vowpalwabbit vw-jni 9.3.0
com.github.wendykierp JTransforms 3.1
com.google.cloud.bigdataoss Konektor gcs hadoop3-2.2.11
com.google.code.findbugs jsr305 3.0.0
com.google.code.gson gson 2.2.4
com.google.crypto.tink Tink 1.7.0
com.google.flatbuffers flatbuffers-java 1.12.0
com.google.guava Guava 14.0.1
com.google.protobuf protobuf-java 2.5.0
com.googlecode.json-simple json-simple 1.1.1
com.jcraft jsch 0.1.54
com.jolbox bonecp 0.8.0.RELEASE
com.linkedin.isolation-forest izolace forest_3.2.0_2.12 2.0.8
com.microsoft.azure azure-data-lake-store-sdk 2.3.9
com.microsoft.azure azure-eventhubs 3.3.0
com.microsoft.azure azure-eventhubs-spark_2.12 2.3.22
com.microsoft.azure azure-keyvault-core 1.0.0
com.microsoft.azure azure-storage 7.0.1
com.microsoft.azure cosmos-analytics-spark-3.4.1-connector_2.12 1.8.10
com.microsoft.azure qpid-proton-j-extensions 1.2.4
com.microsoft.azure synapseml_2.12 0.11.2-spark3.4
com.microsoft.azure Synapseml-cognitive_2.12 0.11.2-spark3.4
com.microsoft.azure Synapseml-core_2.12 0.11.2-spark3.4
com.microsoft.azure Synapseml-deep-learning_2.12 0.11.2-spark3.4
com.microsoft.azure Synapseml-internal_2.12 0.11.2-spark3.4
com.microsoft.azure Synapseml-lightgbm_2.12 0.11.2-spark3.4
com.microsoft.azure Synapseml-opencv_2.12 0.11.2-spark3.4
com.microsoft.azure Synapseml-vw_2.12 0.11.2-spark3.4
com.microsoft.azure.kusto Kusto-data 3.2.1
com.microsoft.azure.kusto Kusto-ingest 3.2.1
com.microsoft.azure.kusto kusto-spark_3.0_2.12 3.1.16
com.microsoft.azure.kusto spark-kusto-synapse-connector_3.1_2.12 1.3.3
com.microsoft.cognitiveservices.speech client-jar-sdk 1.14.0
com.microsoft.sqlserver msslq-jdbc 8.4.1.jre8
com.ning compress-lzf 1.1.2
com.sun.istack istack-commons-runtime 3.0.8
com.tdunning json 1.8
com.thoughtworks.paranamer paranamer 2.8
com.twitter chill-java 0.10.0
com.twitter chill_2.12 0.10.0
com.typesafe config 1.3.4
com.univocity univocity-parsers 2.9.1
com.zaxxer HikariCP 2.5.1
commons-cli commons-cli 1.5.0
commons-codec commons-codec 1.15
commons-collections commons-collections 3.2.2
commons-dbcp commons-dbcp 1.4
commons-io commons-io 2.11.0
commons-lang commons-lang 2.6
commons-logging commons-logging 1.1.3
commons-pool commons-pool 1.5.4.jar
dev.ludovic.netlib arpack 3.0.3
dev.ludovic.netlib Blas 3.0.3
dev.ludovic.netlib lapack 3.0.3
io.airlift aircompressor 0.21
io.delta delta-core_2.12 2.4.0
io.delta delta-storage 2.4.0
io.dropwizard.metrics metriky – jádro 4.2.15
io.dropwizard.metrics metrics-graphite 4.2.15
io.dropwizard.metrics metrics-jmx 4.2.15
io.dropwizard.metrics metrics-json 4.2.15
io.dropwizard.metrics metrics-jvm 4.2.15
io.github.resilience4j resilience4j-core 1.7.1
io.github.resilience4j resilience4j-retry 1.7.1
io.netty netty-all 4.1.87.Final
io.netty netty-buffer 4.1.87.Final
io.netty netty-codec 4.1.87.Final
io.netty netty-codec-http2 4.1.87.Final
io.netty netty-codec-http-4 4.1.87.Final
io.netty netty-codec-socks 4.1.87.Final
io.netty netty- common 4.1.87.Final
io.netty obslužná rutina netty 4.1.87.Final
io.netty netty-handler-proxy 4.1.87.Final
io.netty netty-resolver 4.1.87.Final
io.netty netty transport 4.1.87.Final
io.netty netty-transport-classes-epoll 4.1.87.Final
io.netty netty-transport-classes-kqueue 4.1.87.Final
io.netty netty-transport-native-epoll 4.1.87.Final-linux-aarch_64
io.netty netty-transport-native-epoll 4.1.87.Final-linux-x86_64
io.netty netty-transport-native-kqueue 4.1.87.Final-osx-aarch_64
io.netty netty-transport-native-kqueue 4.1.87.Final-osx-x86_64
io.netty netty-transport-native-unix-common 4.1.87.Final
io.opentracing opentracing-api 0.33.0
io.opentracing opentracing-noop 0.33.0
io.opentracing opentracing-util 0.33.0
io.spray stříkání json_2.12 1.3.5
io.vavr vavr 0.10.4
io.vavr Shoda vavr 0.10.4
jakarta.annotation jakarta.annotation-api 1.3.5
jakarta.inject jakarta.inject 2.6.1
jakarta.servlet jakarta.servlet-api 4.0.3
jakarta.validation-api 2.0.2
jakarta.ws.rs jakarta.ws.rs-api 2.1.6
jakarta.xml.bind jakarta.xml.bind-api 2.3.2
javax.activation aktivace 1.1.1
javax.jdo jdo-api 3.0.1
javax.transaction jta 1,1
javax.transaction transaction-api 1,1
javax.xml.bind jaxb-api 2.2.11
javolution javolution 5.5.1
jline jline 2.14.6
joda-time joda-time 2.12.2
mysql mysql-connector-java 8.0.18
net.razorvine Lák 1.3
net.sf.jpam jpam 1,1
net.sf.opencsv opencsv 2.3
net.sf.py4j py4j 0.10.9.7
net.sourceforge.f2j arpack_combined_all 0,1
org.antlr ST4 4.0.4
org.antlr antlr-runtime 3.5.2
org.antlr antlr4-runtime 4.9.3
org.apache.arrow arrow-format 11.0.0
org.apache.arrow arrow-memory-core 11.0.0
org.apache.arrow arrow-memory-netty 11.0.0
org.apache.arrow arrow-vector 11.0.0
org.apache.avro Avro 1.11.1
org.apache.avro avro-ipc 1.11.1
org.apache.avro avro-mapred 1.11.1
org.apache.commons commons-collections4 4.4
org.apache.commons commons-compress 1.22
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-pool2 2.11.1
org.apache.commons commons-text 1.10.0
org.apache.kurátor kurátor-client 2.13.0
org.apache.kurátor kurátor-framework 2.13.0
org.apache.kurátor kurátor-recepty 2.13.0
org.apache.derby Derby 10.14.2.0
org.apache.hadoop hadoop-aliyun 3.3.4.5.3-105251583
org.apache.hadoop hadoop-annotations 3.3.4.5.3-105251583
org.apache.hadoop hadoop-aws 3.3.4.5.3-105251583
org.apache.hadoop hadoop-azure 3.3.4.5.3-105251583
org.apache.hadoop hadoop-azure-datalake 3.3.4.5.3-105251583
org.apache.hadoop hadoop-client-api 3.3.4.5.3-105251583
org.apache.hadoop hadoop-client-runtime 3.3.4.5.3-105251583
org.apache.hadoop hadoop-cloud-storage 3.3.4.5.3-105251583
org.apache.hadoop hadoop-openstack 3.3.4.5.3-105251583
org.apache.hadoop hadoop-shaded-guava 1.1.1
org.apache.hadoop hadoop-yarn-server-web-proxy 3.3.4.5.3-105251583
org.apache.hive Hive – společné 2.3.9
org.apache.hive hive-exec 2.3.9
org.apache.hive hive-llap-common 2.3.9
org.apache.hive hive-metastore 2.3.9
org.apache.hive hive-serde 2.3.9
org.apache.hive hive-shims-0.23 2.3.9
org.apache.hive hive-shims 2.3.9
org.apache.hive hive-shims-common 2.3.9
org.apache.hive hive-shims-scheduler 2.3.9
org.apache.hive hive-storage-api 2.8.1
org.apache.httpcomponents httpclient 4.5.14
org.apache.httpcomponents httpcore 4.4.16
org.apache.httpcomponents httpmime 4.5.14
org.apache.httpcomponents.client5 httpclient5 5.1.3
org.apache.iceberg delta-iceberg 2.4.0.6
org.apache.ivy Ivy 2.5.1
org.apache.kafka Kafka-clients 3.3.2
org.apache.logging.log4j log4j-1.2-api 2.19.0
org.apache.logging.log4j log4j-api 2.19.0
org.apache.logging.log4j log4j-core 2.19.0
org.apache.logging.log4j log4j-slf4j-impl 2.19.0
org.apache.orc orc-core 1.8.4
org.apache.orc orc-mapreduce 1.8.4
org.apache.orc orc-shims 1.8.4
org.apache.parquet parquet-column 1.12.3
org.apache.parquet parquet-common 1.12.3
org.apache.parquet kódování parquet 1.12.3
org.apache.parquet parquet-format-structures 1.12.3
org.apache.parquet parquet-hadoop 1.12.3
org.apache.parquet parquet-jackson 1.12.3
org.apache.qpid proton-j 0.33.8
org.apache.spark spark-avro_2.12 3.4.1.5.3-105251583
org.apache.spark spark-catalyst_2.12 3.4.1.5.3-105251583
org.apache.spark spark-core_2.12 3.4.1.5.3-105251583
org.apache.spark spark-graphx_2.12 3.4.1.5.3-105251583
org.apache.spark spark-hadoop-cloud_2.12 3.4.1.5.3-105251583
org.apache.spark spark-hive_2.12 3.4.1.5.3-105251583
org.apache.spark spark-kvstore_2.12 3.4.1.5.3-105251583
org.apache.spark spark-launcher_2.12 3.4.1.5.3-105251583
org.apache.spark spark-mllib_2.12 3.4.1.5.3-105251583
org.apache.spark spark-mllib-local_2.12 3.4.1.5.3-105251583
org.apache.spark spark-network-common_2.12 3.4.1.5.3-105251583
org.apache.spark spark-network-shuffle_2.12 3.4.1.5.3-105251583
org.apache.spark spark-repl_2.12 3.4.1.5.3-105251583
org.apache.spark spark-sketch_2.12 3.4.1.5.3-105251583
org.apache.spark spark-sql_2.12 3.4.1.5.3-105251583
org.apache.spark spark-sql-kafka-0-10_2.12 3.4.1.5.3-105251583
org.apache.spark spark-streaming_2.12 3.4.1.5.3-105251583
org.apache.spark spark-streaming-kafka-0-10-assembly_2.12 3.4.1.5.3-105251583
org.apache.spark spark-tags_2.12 3.4.1.5.3-105251583
org.apache.spark spark-token-provider-kafka-0-10_2.12 3.4.1.5.3-105251583
org.apache.spark spark-unsafe_2.12 3.4.1.5.3-105251583
org.apache.spark spark-yarn_2.12 3.4.1.5.3-105251583
org.apache.thrift libfb303 0.9.3
org.apache.thrift libthrift 0.12.0
org.apache.xbean xbean-asm9-shaded 4.22
org.apache.yetus cílové skupiny a poznámky 0.5.0
org.apache.zookeeper zookeeper 3.6.3.5.3-105251583
org.apache.zookeeper zookeeper-jute 3.6.3.5.3-105251583
org.apiguardian apiguardian-api 1.1.0
org.codehaus.janino commons-compiler 3.1.9
org.codehaus.janino Janino 3.1.9
org.codehaus.jettison jettison 1,1
org.datanucleus datanucleus-api-jdo 4.2.4
org.datanucleus datanucleus-core 4.1.17
org.datanucleus datanucleus-rdbms 4.1.19
org.datanucleusjavax.jdo 3.2.0-m3
org.eclipse.jetty jetty-util 9.4.50.v20221201
org.eclipse.jetty jetty-util-ajax 9.4.50.v20221201
org.fusesource.leveldbjni leveldbjni-all 1.8
org.glassfish.hk2 hk2-api 2.6.1
org.glassfish.hk2 hk2-locator 2.6.1
org.glassfish.hk2 hk2-utils 2.6.1
org.glassfish.hk2 osgi-resource-locator 1.0.3
org.glassfish.hk2.external aopalliance-repackaged 2.6.1
org.glassfish.jaxb jaxb-runtime 2.3.2
org.glassfish.jersey.containers jersey-container-servlet 2.36
org.glassfish.jersey.containers jersey-container-servlet-core 2.36
org.glassfish.jersey.core jersey-client 2.36
org.glassfish.jersey.core žerzejové společné 2.36
org.glassfish.jersey.core jersey-server 2.36
org.glassfish.jersey.inject jersey-hk2 2.36
org.ini4j ini4j 0.5.4
org.javassist Javassist 3.25.0-GA
org.javatuples Javatuples 1.2
org.jdom jdom2 2.0.6
org.jetbrains Poznámky 17.0.0
org.jodd jodd-core 3.5.2
org.json json 20210307
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.junit.jupiter junit-jupiter 5.5.2
org.junit.jupiter junit-jupiter-api 5.5.2
org.junit.jupiter junit-jupiter-motor 5.5.2
org.junit.jupiter junit-jupiter-params 5.5.2
org.junit.platform junit-platform-commons 1.5.2
org.junit.platform junit-platform-engine 1.5.2
org.lz4 lz4-java 1.8.0
org.objenesis objenesis 3.2
org.openpnp opencv 3.2.0-1
org.opentest4j opentest4j 1.2.0
org.postgresql postgresql 42.2.9
org.roaringbitmap RoaringBitmap 0.9.38
org.roaringbitmap Podložky 0.9.38
org.rocksdb rocksdbjni 7.9.2
org.scala-lang scala-compiler 2.12.17
org.scala-lang scala-library 2.12.17
org.scala-lang scala-reflect 2.12.17
org.scala-lang.modules scala-collection-compat_2.12 2.7.0
org.scala-lang.modules scala-java8-compat_2.12 0.9.0
org.scala-lang.modules scala-parser-combinators_2.12 2.1.1
org.scala-lang.modules scala-xml_2.12 2.1.0
org.scalactic scalactic_2.12 3.2.14
org.scalanlp breeze-macros_2.12 2.1.0
org.scalanlp breeze_2.12 2.1.0
org.slf4j jcl-over-slf4j 2.0.6
org.slf4j jul-to-slf4j 2.0.6
org.slf4j slf4j-api 2.0.6
org.threeten threeten-extra 1.7.1
org.tukaani Xz 1,9
org.typelevel algebra_2.12 2.0.1
org.typelevel kočky-kernel_2.12 2.1.1
org.typelevel spire_2.12 0.17.0
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.wildfly.openssl wildfly-openssl 1.0.7.Final
org.xerial.snappy snappy-java 1.1.10.1
Oro Oro 2.0.8
pl.edu.icm JLargeArrays 1.5
stax stax-api 1.0.1

Balíčky na výchozí úrovni pro Python

Následující tabulka uvádí všechny balíčky výchozí úrovně pro Python a jejich odpovídající verze.

Knihovna Verze Knihovna Verze Knihovna Verze
_libgcc_mutex 0,1 jupyter_client 8.5.0 pycosat 0.6.6
_openmp_mutex 4.5 jupyter_core 5.4.0 pycparser 2.21
_py-xgboost-mutex 2.0 jupyter_events 0.8.0 pydantic 1.10.9
absl-py 2.0.0 jupyter_server 2.7.3 pygments 2.16.1
adal 1.2.7 jupyter_server_terminals 0.4.4 pyjwt 2.8.0
adlfs 2023.4.0 jupyterlab_pygments 0.2.2 pynacl 1.5.0
aiohttp 3.8.6 jupyterlab_widgets 3.0.9 pyodbc 4.0.39
aiosignal 1.3.1 keras 2.12.0 pyopenssl 23.2.0
alembic 1.12.0 předběžné zpracování kerasu 1.1.2 pyparsing 3.0.9
alsa-lib 1.2.10 keyutils 1.6.1 pyperclip 1.8.2
ansi2html 1.8.0 verizonsolver 1.4.5 pypika 0.48.9
anyio 3.7.1 krb5 1.21.2 pyqt 5.15.9
appdirs 1.4.4 Lame 3.100 pyqt5-sip 12.12.2
argon2-cffi 23.1.0 lcms2 2.15 Pysocks 1.7.1
argon2-cffi-bindings 21.2.0 ld_impl_linux-64 2.40 python 3.10.12
šipka 1.3.0 lerc 4.0.0 python-dateutil 2.8.2
asttokens 2.4.0 liac-arff 2.5.0 python-fastjsonschema 2.18.1
astunparse 1.6.3 Libabseil 20230125.3 python-flatbuffers 23.5.26
async-timeout 4.0.3 libaec 1.1.2 python-graphviz 0.20.1
atk-1.0 2.38.0 libarrow 12.0.1 python-json-logger 2.0.7
attr 2.5.1 libbrotlicommon 1.0.9 python-tzdata 2023.3
attrs 23.1.0 libbrotlidec 1.0.9 python-xxhash 3.4.1
autopage 0.5.2 libbrotlienc 1.0.9 python_abi 3,10
aws-c-auth 0.7.3 libcap 2.69 pythonnet 3.0.1
aws-c-cal 0.6.1 libclang 15.0.7 pytorch 2.0.1
aws-c-common 0.9.0 libclang13 15.0.7 pytorch-mutex 1.0
aws-c-compression 0.2.17 libcrc32c 1.1.2 pytz 2023.3.post1
aws-c-event-stream 0.3.1 libcups 2.3.3 pyu2f 0.1.5
aws-c-http 0.7.11 libcurl 8.4.0 pywin32-on-windows 0.1.0
aws-c-io 0.13.32 libdeflate 1.19 pyyaml 6.0.1
aws-c-mqtt 0.9.3 libebm 0.4.3 pyzmq 25.1.1
aws-c-s3 0.3.14 libedit 3.1.20191231 qt-main 5.15.8
aws-c-sdkutils 0.1.12 libev 4.33 rdma-core 28.9
aws-checksums 0.1.17 libevent 2.1.12 re2 2023.03.02
aws-crt-cpp 0.21.0 libexpat 2.5.0 Readline 8.2
aws-sdk-cpp 1.10.57 libffi 3.4.2 referencing 0.30.2
Azure-Core 1.29.4 libflac 1.4.3 Regex 2023.8.8
azure-datalake-store 0.0.51 libgcc-ng 13.2.0 žádosti 2.31.0
azure-identity 1.14.1 libgcrypt 1.10.1 requests-oauthlib 1.3.1
azure-storage-blob 12.18.3 libgd 2.3.3 Opakování 1.3.3
azure-storage-file-datalake 12.12.0 libgfortran-ng 13.2.0 rfc3339-validator 0.1.4
backcall 0.2.0 libgfortran5 13.2.0 rfc3986-validator 0.1.1
zásady 1.11.1 libglib 2.78.0 rich 13.6.0
Backports 1.0 libgoogle-cloud 2.12.0 rpds-py 0.10.6
backports.functools_lru_cache 1.6.5 libgpg-error 1.47 rsa 4,9
šifra 4.0.1 libgrpc 1.54.3 ruamel.yaml 0.17.32
krásnásoup4 4.12.2 libhwloc 2.9.3 ruamel.yaml.clib 0.2.7
Blas 1.0 libiconv 1.17 ruamel_yaml 0.15.80
Bělidla 6.1.0 libjpeg-turbo 2.1.5.1 s2n 1.3.49
blikač 1.6.3 libllvm14 14.0.6 sacremoses 0.0.53
brotli 1.0.9 libllvm15 15.0.7 salib 1.4.7
brotli-bin 1.0.9 libnghttp2 1.52.0 scikit-learn 1.3.0
brotli-python 1.0.9 libnsl 2.0.1 scipy 1.10.1
bzip2 1.0.8 libnuma 2.0.16 seaborn 0.12.2
c-ares 1.20.1 libogg 1.3.4 základna seaborn-base 0.12.2
ca-certificates 2023.7.22 libopus 1.3.1 send2trash 1.8.2
cached-property 1.5.2 libpng 1.6.39 větné transformátory 2.0.0
cached_property 1.5.2 libpq 15,4 sentry-sdk 1.32.0
cachetools 5.3.2 libprotobuf 3.21.12 seqeval 1.2.2
Káhira 1.18.0 libpulsar 3.2.0 setproctitle 1.3.3
catboost 1.1.1 librsvg 2.56.3 setuptools 68.2.2
Certifi 2023.7.22 libsndfile 1.2.2 Shap 0.42.1
cffi 1.16.0 libsodium 1.0.18 shellingham 1.5.4
charset-normalizer 3.3.1 libsqlite 3.43.2 Sip 6.7.12
chroma-hnswlib 0.7.3 libssh2 1.11.0 Šest 1.16.0
chromadb 0.4.13 libstdcxx-ng 13.2.0 Průřezu 0.0.7
kliknutí 8.1.7 libsystemd0 254 smmap 5.0.0
Cliff 4.2.0 libthrift 0.18.1 Elegantní 1.1.10
cloudpickle 2.2.1 libtiff 4.6.0 sniffio 1.3.0
clr_loader 0.2.6 libtool 2.4.7 polévky 2.5
cmaes 0.10.0 libutf8proc 2.8.0 sqlalchemy 2.0.22
cmd2 2.4.3 libuuid 2.38.1 sqlparse 0.4.4
colorama 0.4.6 libuv 1.46.0 stack_data 0.6.2
barevné protokoly 15.0.1 libvorbis 1.3.7 hvězdicová hvězda 0.27.0
colorlog 6.7.0 libwebp 1.3.2 statsmodels 0.14.0
Komunikace 0.1.4 libwebp-base 1.3.2 stevedore 5.1.0
conda-package-handling 2.2.0 libxcb 1.15 sympy 1.12
conda-package-streaming 0.9.0 libxgboost 1.7.6 tabulková tabulka 0.9.0
configparser 5.3.0 libxkbcommon 1.6.0 Tbb 2021.10.0
obrysová křivka 1.1.1 libxml2 2.11.5 Houževnatost 8.2.3
Kryptografie 41.0.5 libxslt 1.1.37 tensorboard 2.12.3
Cyklovač 0.12.1 libzlib 1.2.13 tensorboard-data-server 0.7.0
cython 3.0.4 lightgbm 4.0.0 tensorflow 2.12.1
dash 2.14.0 Vápno 0.2.0.1 tensorflow-base 2.12.1
dash-core-components 2.0.0 llvm-openmp 17.0.3 tensorflow-estimator 2.12.1
dash-html-components 2.0.0 llvmlite 0.40.1 termcolor 2.3.0
dash-table 5.0.0 lxml 4.9.3 terminado 0.17.1
dash_cytoscape 0.2.0 lz4-c 1.9.4 threadpoolctl 3.2.0
Databricks-cli 0.18.0 Mako 1.2.4 tiktoken 0.5.1
datové třídy 0,8 Markdown 3.4.4 tinycss2 1.2.1
Power BI 2.14.6 markdown-it-py 3.0.0 Tk 8.6.13
Dbus 1.13.6 markupsafe 2.1.3 tokenizátory 0.13.3
ladění 1.8.0 matplotlib 3.7.2 toml 0.10.2
Dekoratér 5.1.1 matplotlib-base 3.7.2 tomli 2.0.1
defusedxml 0.7.1 matplotlib-inline 0.1.6 Toolz 0.12.0
Kopr 0.3.7 mdurl 0.1.0 Tornádo 6.3.3
diskcache 5.6.3 špatně zamyšlení 3.0.1 tqdm 4.66.1
distlib 0.3.7 mkl 2021.4.0 vlastnosti 5.12.0
docker-py 6.1.3 mkl-service 2.4.0 Transformátory 4.26.0
docker-pycreds 0.4.0 mkl_fft 1.3.1 treeinterpreter 0.2.2
vstupní body 0,4 mkl_random 1.2.2 typed-ast 1.5.5
et_xmlfile 1.1.0 ml_dtypes 0.3.1 Typer 0.9.0
exceptiongroup 1.1.3 mlflow-hubená 2.6.0 types-python-dateutil 2.8.19.14
Provádění 1.2.0 monotónní 1.5 types-pytz 2023.3.1.1
Expat 2.5.0 Mpc 1.3.1 typing_extensions 4.5.0
fastapi 0.103.2 mpfr 4.2.1 typing_utils 0.1.0
flaml 2.1.1dev2 mpg123 1.32.3 tzdata 2023c
Baňky 3.0.0 mpmath 1.3.0 ucx 1.14.1
flatbuffers 23.5.26 msal 1.24.1 unicodedata2 15.1.0
font-ttf-dejavu-sans-mono 2.37 msal_extensions 1.0.0 unixodbc 2.3.12
font-ttf-inconsolata 3.000 multidict 6.0.4 uri-template 1.3.0
font-ttf-source-code-pro 2.038 multiprocess 0.70.15 urllib3 1.26.17
font-ttf-ubuntu 0.83 munkres 1.1.4 uvicorn 0.23.2
fontconfig 2.14.2 mysql - common 8.0.33 virtualenv 20.23.1
fonts-conda-ekosystém 0 mysql-libs 8.0.33 wandb 0.15.12
fonts-conda-forge 0 nbclient 0.8.0 wcwidth 0.2.8
fonttools 4.43.1 nbconvert-core 7.9.2 webcolors 1.13
Fqdn 1.5.1 nbformat 5.9.2 webencodings 0.5.1
Freetype 2.12.1 Ncurses 6.4 websocket-client 1.6.4
fribidi 1.0.10 nest-asyncio 1.5.8 werkzeug 3.0.1
zmrazený seznam 1.4.0 networkx 3.2 Kolo 0.41.2
fsspec 2023.10.0 nltk 3.8.1 widgetsnbextension 4.0.9
Gast 0.4.0 nspr 4.35 wrapt 1.15.0
gdk-pixbuf 2.42.10 Nss 3,94 xcb-util 0.4.0
zeměpisnálib 1.52 numba 0.57.1 xcb-util-image 0.4.0
geopy 2.3.0 numpy 1.24.3 xcb-util-keysyms 0.4.0
Gettext 0.21.1 numpy-base 1.24.3 xcb-util-renderutil 0.3.9
gevent 23.9.0.post1 oauthlib 3.2.2 xcb-util-wm 0.4.1
gflags 2.2.2 onnxruntime 1.16.1 xgboost 1.7.6
giflib 5.2.1 openai 0.27.8 xkeyboard-config 2.40
gitdb 4.0.11 openjpeg 2.5.0 xorg-kbproto 1.0.7
gitpython 3.1.40 openpyxl 3.1.2 xorg-libice 1.1.1
Glib 2.78.0 openssl 3.1.4 xorg-libsm 1.2.4
nástroje glib-tools 2.78.0 opt-einsum 3.3.0 xorg-libx11 1.8.7
glog 0.6.0 opt_einsum 3.3.0 xorg-libxau 1.0.11
Gmp 6.2.1 optuna 2.8.0 xorg-libxdmcp 1.1.3
gmpy2 2.1.2 Orc 1.9.0 xorg-libxext 1.3.4
google-auth 2.23.3 Přepisuje 7.4.0 xorg-libxrender 0.9.11
google-auth-oauthlib 1.0.0 Obalu 23.2 xorg-renderproto 0.11.1
google-pasta 0.2.0 pandas 2.0.3 xorg-xextproto 7.3.0
graphite2 1.3.13 pandas-stubs 2.1.1.230928 xorg-xf86vidmodeproto 2.3.1
graphviz 8.1.0 pandasql 0.7.3 xorg-xproto 7.0.31
zelenálet 3.0.1 pandocfilters 1.5.0 xxhash 0.8.2
grpcio 1.54.3 Pango 1.50.14 Xz 5.2.6
gst-plugins-base 1.22.6 paramiko 3.3.1 yaml 0.2.5
Gstreamer 1.22.6 parso 0.8.3 yarl 1.9.2
gtk2 2.24.33 Patosu 0.3.1 zeromq 4.3.5
Gts 0.7.6 pathtools 0.1.2 zipp 3.17.0
h11 0.14.0 Patsy 0.5.3 Zlib 1.2.13
h5py 3.10.0 Pbr 5.11.1 zope.event 5,0
harfbuzz 8.2.1 pcre2 10.40 zope.interface 6.1
hdf5 1.14.2 pexpect 4.8.0 zstandard 0.21.0
Dovolená 0,35 pickleshare 0.7.5 zstd 1.5.5
html5lib 1,1 Polštář 10.0.1 Astor 0.8.1
huggingface_hub 0.18.0 Pip 23.1.2 contextlib2 21.6.0
humanfriendly 10.0 pixman 0.42.2 filelock 3.11.0
Jip 73,2 pkgutil-resolve-name 1.3.10 fluent-logger 0.10.0
idna 3.4 platformdirs 3.5.1 gson 0.0.3
imageio 2.31.1 plotly 5.16.1 jaraco-context 4.3.0
importlib-metadata 6.8.0 Ply 3.11 joblibspark 0.5.2
importlib-resources 6.1.0 Čokl 1.8.0 json-tricks 3.17.3
importlib_metadata 6.8.0 portalocker 2.8.2 jupyter-ui-poll 0.2.2
importlib_resources 6.1.0 posthog 3.0.2 more-itertools 10.1.0
intel-openmp 2021.4.0 Neštovice 0.3.3 msgpack 1.0.7
Interpretace 0.4.3 ppft 1.7.6.7 mypy 1.4.1
interpret-core 0.4.3 prettytable 3.8.0 mypy-extensions 1.0.0
ipykernel 6.26.0 prometheus_client 0.17.1 nni 2.10.1
ipython 8.14.0 prompt-toolkit 3.0.39 powerbiclient 3.1.1
ipywidgets 8.0.7 prompt_toolkit 3.0.39 pyspark 3.4.1.5.3.20230713
isodate 0.6.1 protobuf 4.21.12 pythonwebhdfs 0.2.3
isoduration 20.11.0 psutil 5.9.5 Reakce 0.23.3
jehodangerous 2.1.2 zástupné procedury pthread 0,4 rouge-score 0.1.2
Jax 0.4.17 ptyprocess 0.7.0 schema 0.7.5
jaxlib 0.4.14 pulsar-client 3.3.0 simplejson 3.19.2
Jedi 0.19.1 pulseaudio-client 16.1 Synapseml-mlflow 1.0.22.post2
jinja2 3.1.2 pure_eval 0.2.2 Synapseml-utils 1.0.18.post1
joblib 1.3.2 py-xgboost 1.7.6 typeguard 2.13.3
jsonpointer 2,4 py4j 0.10.9.7 types-pyyaml 6.0.12.12
jsonschema 4.19.1 pyarrow 12.0.1 typing-extensions 4.8.0
jsonschema-specifications 2023.7.1 pyasn1 0.5.0 websockets 12.0
jsonschema-with-format-nongpl 4.19.1 pyasn1-modules 0.3.0 wolframalpha 5.0.0
xmltodict 0.13.0

Výchozí balíčky pro R

V následující tabulce jsou uvedeny všechny výchozí balíčky na úrovni jazyka R a jejich odpovídající verze.

Knihovna Verze Knihovna Verze Knihovna Verze
_libgcc_mutex 0,1 r-stříška 6.0_94 r-pochvala 1.0.0
_openmp_mutex 4.5 r-cellranger 1.1.0 r-prettyunits 1.2.0
_r-mutex 1.0.1 r-class 7.3_22 r-proc 1.18.4
_r-xgboost-mutex 2.0 r-cli 3.6.1 r-processx 3.8.2
aws-c-auth 0.7.0 r-clipr 0.8.0 r-prodlim 2023.08.28
aws-c-cal 0.6.0 r-clock 0.7.0 r-profvis 0.3.8
aws-c-common 0.8.23 r-codetools 0.2_19 Průběh r 1.2.2
aws-c-compression 0.2.17 r-collections 0.3.7 r-progressr 0.14.0
aws-c-event-stream 0.3.1 r-colorspace 2.1_0 r-promises 1.2.1
aws-c-http 0.7.10 r-commonmark 1.9.0 r-proxy 0.4_27
aws-c-io 0.13.27 R-config 0.3.2 r-pryr 0.1.6
aws-c-mqtt 0.8.13 Konfliktní r 1.2.0 r-ps 1.7.5
aws-c-s3 0.3.12 r-coro 1.0.3 r-purrr 1.0.2
aws-c-sdkutils 0.1.11 r-cpp11 0.4.6 r-quantmod 0.4.25
aws-checksums 0.1.16 r-crayon 1.5.2 r-r2d3 0.2.6
aws-crt-cpp 0.20.2 r-credentials 2.0.1 r-r6 2.5.1
aws-sdk-cpp 1.10.57 r-crosstalk 1.2.0 r-r6p 0.3.0
binutils_impl_linux-64 2.40 r-crul 1.4.0 r-ragg 1.2.6
bwidget 1.9.14 r-curl 5.1.0 r-rappdirs 0.3.3
bzip2 1.0.8 r-data.table 1.14.8 r-rbokeh 0.5.2
c-ares 1.20.1 r-dbi 1.1.3 r-rcmdcheck 1.4.0
ca-certificates 2023.7.22 r-dbplyr 2.3.4 r-rcolorbrewer 1.1_3
Káhira 1.18.0 r-desc 1.4.2 r-rcpp 1.0.11
cmake 3.27.6 r-devtools 2.4.5 R-reactable 0.4.4
Curl 8.4.0 r-diagram 1.6.5 r-reactr 0.5.0
Expat 2.5.0 r-dials 1.2.0 r-readr 2.1.4
font-ttf-dejavu-sans-mono 2.37 r-dicedesign 1,9 r-readxl 1.4.3
font-ttf-inconsolata 3.000 r-diffobj 0.3.5 r-recepty 1.0.8
font-ttf-source-code-pro 2.038 r-digest 0.6.33 r-rematch 2.0.0
font-ttf-ubuntu 0.83 r-downlit 0.4.3 r-rematch2 2.1.2
fontconfig 2.14.2 r-dplyr 1.1.3 R-remotes 2.4.2.1
fonts-conda-ekosystém 0 r-dtplyr 1.3.1 r-reprex 2.0.2
fonts-conda-forge 0 r-e1071 1.7_13 r-reshape2 1.4.4
Freetype 2.12.1 tři tečky r 0.3.2 r-rjson 0.2.21
fribidi 1.0.10 r-evaluate 0.23 r-rlang 1.1.1
gcc_impl_linux-64 13.2.0 r-fansi 1.0.5 r-rlist 0.4.6.2
Gettext 0.21.1 r-farver 2.1.1 r-rmarkdown 2,22
gflags 2.2.2 r-fastmap 1.1.1 r-rodbc 1.3_20
gfortran_impl_linux-64 13.2.0 r-fontawesome 0.5.2 r-roxygen2 7.2.3
glog 0.6.0 r-forcats 1.0.0 r-rpart 4.1.21
glpk 5,0 r-foreach 1.5.2 r-rprojroot 2.0.3
Gmp 6.2.1 r-forge 0.2.0 r-rsample 1.2.0
graphite2 1.3.13 r-fs 1.6.3 r-rstudioapi 0.15.0
gsl 2.7 r-furrr 0.3.1 r-rversions 2.1.2
gxx_impl_linux-64 13.2.0 r-future 1.33.0 r-rvest 1.0.3
harfbuzz 8.2.1 r-future.apply 1.11.0 r-sass 0.4.7
Jip 73,2 r-gargle 1.5.2 R-scales 1.2.1
kernel-headers_linux-64 2.6.32 r-generics 0.1.3 r-selectr 0.4_2
keyutils 1.6.1 r-gert 2.0.0 r-sessioninfo 1.2.2
krb5 1.21.2 r-ggplot2 3.4.2 r-shape 1.4.6
ld_impl_linux-64 2.40 r-gh 1.4.0 r-lesklý 1.7.5.1
lerc 4.0.0 r-gistr 0.9.0 r-slider 0.3.1
Libabseil 20230125.3 r-gitcreds 0.1.2 r-sourcetools 0.1.7_1
libarrow 12.0.0 r-globals 0.16.2 r-sparklyr 1.8.2
libblas 3.9.0 r-připevnění 1.6.2 r-squarem 2021.1
libbrotlicommon 1.0.9 r-googledrive 2.1.1 r-stringi 1.7.12
libbrotlidec 1.0.9 r-googlesheets4 1.1.1 r-stringr 1.5.0
libbrotlienc 1.0.9 r-gower 1.0.1 r-přežití 3.5_7
libcblas 3.9.0 r-gpfit 1.0_8 r-sys 3.4.2
libcrc32c 1.1.2 r-gt 0.9.0 r-systemfonts 1.0.5
libcurl 8.4.0 r-gtable 0.3.4 r-testthat 3.2.0
libdeflate 1.19 r-gtsummary 1.7.2 r-textshaping 0.3.7
libedit 3.1.20191231 r-hardhat 1.3.0 r-tibble 3.2.1
libev 4.33 r-haven 2.5.3 r-tidymodels 1.1.0
libevent 2.1.12 r-hexbin 1.28.3 r-tidyr 1.3.0
libexpat 2.5.0 r-highcharter 0.9.4 r-tidyselect 1.2.0
libffi 3.4.2 r-highr 0.10 r-tidyverse 2.0.0
libgcc-devel_linux-64 13.2.0 r-hms 1.1.3 r-timechange 0.2.0
libgcc-ng 13.2.0 r-htmltools 0.5.6.1 r-timedate 4022.108
libgfortran-ng 13.2.0 r-htmlwidgets 1.6.2 r-tinytex 0.48
libgfortran5 13.2.0 r-httpcode 0.3.0 r-torch 0.11.0
libgit2 1.7.1 r-httpuv 1.6.12 r-triebeard 0.4.1
libglib 2.78.0 r-httr 1.4.7 r-ttr 0.24.3
libgomp 13.2.0 r-httr2 0.2.3 r-tune 1.1.2
libgoogle-cloud 2.12.0 r-ids 1.0.1 r-tzdb 0.4.0
libgrpc 1.55.1 r-igraph 1.5.1 r-urlchecker 1.0.1
libiconv 1.17 r-inferovat 1.0.5 r-urltools 1.7.3
libjpeg-turbo 3.0.0 r-ini 0.3.1 r-usethis 2.2.2
liblapack 3.9.0 r-ipred 0.9_14 r-utf8 1.2.4
libnghttp2 1.55.1 r-isoband 0.2.7 r-uuid 1.1_1
libnuma 2.0.16 r-iterátory 1.0.14 r-v8 4.4.0
libopenblas 0.3.24 r-jose 1.2.0 r-vctrs 0.6.4
libpng 1.6.39 r-jquerylib 0.1.4 r-viridislite 0.4.2
libprotobuf 4.23.2 r-jsonlite 1.8.7 r-vroom 1.6.4
libsanitizer 13.2.0 r-šťavnatéjuice 0.1.0 r-waldo 0.5.1
libssh2 1.11.0 r-kernsmooth 2.23_22 r-warp 0.2.0
libstdcxx-devel_linux-64 13.2.0 r-pletený 1.45 r-whisker 0.4.1
libstdcxx-ng 13.2.0 R-labeling 0.4.3 r-withr 2.5.2
libthrift 0.18.1 r-označeno 2.12.0 Pracovní postupy r 1.1.3
libtiff 4.6.0 r-later 1.3.1 r-workflowsets 1.0.1
libutf8proc 2.8.0 r-lattice 0.22_5 r-xfun 0.41
libuuid 2.38.1 r-lava 1.7.2.1 r-xgboost 1.7.4
libuv 1.46.0 r-lazyeval 0.2.2 r-xml 3.99_0.14
libv8 8.9.83 r-lhs 1.1.6 r-xml2 1.3.5
libwebp-base 1.3.2 životní cyklus r 1.0.3 r-xopen 1.0.0
libxcb 1.15 r-lightgbm 3.3.5 r-xtable 1.8_4
libxgboost 1.7.4 r-listenv 0.9.0 r-xts 0.13.1
libxml2 2.11.5 r-lobstr 1.1.2 r-yaml 2.3.7
libzlib 1.2.13 r-lubridate 1.9.3 r-yardstick 1.2.0
lz4-c 1.9.4 r-magrittr 2.0.3 r-zip 2.3.0
make 4.3 r-maps 3.4.1 r-zoo 1.8_12
Ncurses 6.4 r-markdown 1.11 rdma-core 28.9
openssl 3.1.4 r-mass 7.3_60 re2 2023.03.02
Orc 1.8.4 R-matrix 1.6_1.1 Readline 8.2
pandoc 2.19.2 r-memoise 2.0.1 rhash 1.4.4
Pango 1.50.14 r-mgcv 1.9_0 s2n 1.3.46
pcre2 10.40 r-mime 0.12 Sed 4.8
pixman 0.42.2 r-miniui 0.1.1.1 Elegantní 1.1.10
zástupné procedury pthread 0,4 r-modeldata 1.2.0 sysroot_linux-64 2,12
r-arrow 12.0.0 r-modelenv 0.1.1 Tk 8.6.13
r-askpass 1.2.0 R-modelmetrics 1.2.2.2 tktable 2.10
r-assertthat 0.2.1 r-modelr 0.1.11 ucx 1.14.1
r-backporty 1.4.1 r-munsell 0.5.0 unixodbc 2.3.12
r-base 4.2.3 r-nlme 3.1_163 xorg-kbproto 1.0.7
r-base64enc 0.1_3 r-nnet 7.3_19 xorg-libice 1.1.1
r-bigd 0.2.0 r-numderiv 2016.8_1.1 xorg-libsm 1.2.4
r-bit 4.0.5 r-openssl 2.1.1 xorg-libx11 1.8.7
r-bit64 4.0.5 r-parallelly 1.36.0 xorg-libxau 1.0.11
r-bitops 1.0_7 r-parsnip 1.1.1 xorg-libxdmcp 1.1.3
r-blob 1.2.4 r-patchwork 1.1.3 xorg-libxext 1.3.4
r-brew 1.0_8 r-pilíř 1.9.0 xorg-libxrender 0.9.11
r-brio 1.1.3 r-pkgbuild 1.4.2 xorg-libxt 1.3.0
koště r-koště 1.0.5 r-pkgconfig 2.0.3 xorg-renderproto 0.11.1
r-broom.helpers 1.14.0 r-pkgdown 2.0.7 xorg-xextproto 7.3.0
r-bslib 0.5.1 r-pkgload 1.3.3 xorg-xproto 7.0.31
r-cachem 1.0.8 r-plotly 4.10.2 Xz 5.2.6
r-callr 3.7.3 r-plyr 1.8.9 Zlib 1.2.13
zstd 1.5.5

Související obsah