Kørsel 1.1
Microsoft Fabric Runtime er en Azure-integreret platform, der er baseret på Apache Spark, og som muliggør udførelse og administration af Dataudvikler- og datavidenskabsoplevelser i Fabric. Dette dokument dækker Fabric Runtime 1.1-komponenter og -versioner.
Microsoft Fabric Runtime 1.1 er en af de kørselstider, der tilbydes på Microsoft Fabric-platformen. De overordnede runtime 1.1-komponenter er:
- Apache Spark 3.3
- Operativsystem: Ubuntu 18.04
- Java: 1.8.0_282
- Scala: 2.12.15
- Python: 3.10
- Delta Lake: 2.2
- R: 4.2.2
Microsoft Fabric Runtime 1.1 leveres med en samling pakker på standardniveau, herunder en komplet Anaconda-installation og almindeligt anvendte biblioteker til Java/Scala, Python og R. Disse biblioteker medtages automatisk, når du bruger notesbøger eller job på Microsoft Fabric-platformen. Du kan finde en komplet liste over biblioteker i dokumentationen.
Microsoft Fabric udgiver jævnligt vedligeholdelsesopdateringer til Runtime 1.1 og leverer fejlrettelser, forbedringer af ydeevnen og sikkerhedsrettelser. Sikring af, at du holder dig ajour med disse opdateringer garanterer optimal ydeevne og pålidelighed for dine databehandlingsopgaver. Hvis du i øjeblikket bruger Runtime 1.1, kan du opgradere til Runtime 1.2 ved at navigere til Workspace Indstillinger > Dataudvikler ing/Science > Spark Indstillinger.
Nye funktioner og forbedringer – Apache Spark 3.3.1
I følgende udvidede oversigt beskrives vigtige nye funktioner, der er relateret til Apache Spark version 3.3.0 og 3.3.1:
Filtrering på rækkeniveau: Gør ydeevnen for joinforbindelser bedre ved at forfiltrere den ene side, så længe der ikke er nogen udfasning eller regression, der påvirker brugen af et Bloom-filter og et IN-prædikat, der er genereret ud fra værdierne fra den anden side af joinforbindelsen. (SPARK-32268)
Gør Spark mere kompatibel med forbedringer af SQL standard:ANSI. (SPARK-38860)
Forbedringer af fejlmeddelelser for at identificere problemer hurtigere og udføre de nødvendige trin for at løse dem. (SPARK-38781)
Understøtter komplekse typer for parquetvektoriseret læser. Tidligere understøtter parquetvektoriseret læser ikke indlejrede kolonnetyper som struktur, matrix og kort. Apache Spark 3.3 indeholder en implementering af indlejret spaltevektoriseret læser til FB-ORC i vores interne kopi af Spark. Det påvirker forbedringer af ydeevnen sammenlignet med en ikke-læser, når indlejrede kolonner læses. Desuden kan denne implementering hjælpe med at forbedre ydeevnen for ikke-indlejrede kolonner, når du læser ikke-indlejrede og indlejrede kolonner sammen i én forespørgsel. (SPARK-34863)
Giver brugerne mulighed for at forespørge på metadataene for inputfilerne for alle filformater, vise dem som indbyggede skjulte kolonner, hvilket betyder, at brugerne kun kan se dem, når de eksplicit refererer til dem. (f.eks. filsti og filnavn) (SPARK-37273)
Angiv en profiler til Python/Pandas UDF'er. (SPARK-37443)
Tidligere kørte vi streamingforespørgsler med Udløser, som indlæser alle de tilgængelige data i et enkelt batch. Derfor var mængden af data, som forespørgslerne kunne behandle, begrænset, eller Spark-driveren ville ikke have mere hukommelse. Nu bruger vi Trigger.AvailableNow til at køre streamingforespørgsler som Udløser én gang i flere batches. (SPARK-36533)
Mere omfattende DS V2-push-down-funktioner. (SPARK-38788)
Executor Rolling i Kubernetes-miljøet . (SPARK-37810)
Understøttelse af brugerdefinerede Kubernetes-tidsplaner . ( SPARK-36057)
Migrering fra log4j 1 til log4j 2 (SPARK-37814) for at få fordel af:
Ydeevne: Log4j 2 er hurtigere end Log4j 1. Log4j 2 bruger asynkron logføring som standard, hvilket kan forbedre ydeevnen betydeligt.
Fleksibilitet: Log4j 2 giver større fleksibilitet med hensyn til konfiguration. Den understøtter flere konfigurationsformater, herunder XML, JSON og YAML.
Udvidelse: Log4j 2 er designet til at kunne udvides. Det giver udviklere mulighed for at oprette brugerdefinerede plug-ins og tilføjelsesprogrammer for at udvide funktionaliteten i logføringsstrukturen.
Sikkerhed: Log4j 2 indeholder bedre sikkerhedsfunktioner end Log4j 1. Den understøtter kryptering og secure socket-lag til sikker kommunikation mellem programmer.
Enkelthed: Log4j 2 er enklere at bruge end Log4j 1. Den har en mere intuitiv API og en enklere konfigurationsproces.
Præsenter shuffle på SinglePartition for at forbedre parallelitet og rette regression af ydeevnen for joinforbindelser i Spark 3.3 vs Spark 3.2. (SPARK-40703)
Optimer TransposeWindow-reglen for at udvide relevante sager og optimere tidskompleksiteten. (SPARK-38034)
Hvis du vil have en paritet i at udføre TimeTravel via SQL- og Dataframe-indstillingen, skal du understøtte tidsstempel i sekunder for TimeTravel ved hjælp af datarammeindstillinger. (SPARK-39633])
Optimer global sortering til RepartitionByExpression for at gemme en lokal sortering. (SPARK-39911)
Kontrollér, at outputpartitioneringen er angivet af brugeren i AQE. (SPARK-39915)
Opdater parquet V2-kolonnekontrol for indlejrede felter. (SPARK-39951)
Læser i en parquetfil, der er partitioneret på disken af en kolonne af typen 'Byte'. (SPARK-40212)
Ret beskæring af kolonner i CSV, når _corrupt_record er valgt. (SPARK-40468)
Nye funktioner og forbedringer – Delta Lake 2.2
De vigtigste funktioner i denne version er som følger:
LIMIT
pushdown til Delta-scanning. Gør ydeevnen af forespørgsler, der indeholderLIMIT
delsætninger, bedre ved at skubbeLIMIT
ind i Delta-scanningen under planlægning af forespørgsler. Delta-scanning brugerLIMIT
rækkeantallet på filniveau til at reducere antallet af scannede filer, hvilket hjælper forespørgslerne med at læse langt færre filer og kan gøreLIMIT
forespørgsler hurtigere med 10-100 x afhængigt af tabelstørrelsen.Samlet pushdown i Delta-scanning for SELECT COUNT(*). Sammenlægningsforespørgsler, f.eks
SELECT COUNT(*)
. på Delta-tabeller, opfyldes ved hjælp af rækkeantal på filniveau i Delta-tabelmetadata i stedet for at tælle rækker i de underliggende datafiler. Dette reducerer forespørgselstiden markant, da forespørgslen blot skal læse tabelmetadata og kan gøre det hurtigere at tælle forespørgsler med hele tabellen med 10-100x.Understøttelse af indsamling af statistikker på filniveau som en del af kommandoen KONVERTÉR til DELTA. Disse statistikker kan muligvis hjælpe med at fremskynde forespørgsler i Delta-tabellen. Statistikken indsamles som standard nu som en del af kommandoen KONVERTÉR til DELTA. Hvis du vil deaktivere indsamling af statistikker, skal du angive
NO STATISTICS
en delsætning i kommandoen . Eksempel:CONVERT TO DELTA table_name NO STATISTICS
.Gør ydeevnen af kommandoen DELETE bedre ved at beskære de kolonner, der skal læses, når du søger efter filer, der skal omskrives.
Rettelse af en fejl i den DynamoDB-baserede S3-tilstandskonfiguration med flere klynger . Den tidligere version skrev et forkert tidsstempel, som blev brugt af DynamoDB's TTL-funktion til at rydde op i udløbne elementer. Denne tidsstempelværdi er blevet rettet, og tabelattributten omdøbes fra
commitTime
tilexpireTime
. Hvis du allerede har TTL aktiveret, skal du følge migreringstrinnene for Delta Lake 1.2.1, 2.0.0 eller 2.1.0 til Delta Lake 2.0.1, 2.1.1 eller nyere.Retnondeterministisk funktionsmåde under MERGE, når du arbejder med kilder, der er nondeterministiske.
Fjern begrænsningerne for brug af Delta-tabeller med kolonnetilknytning i visse Streaming + CDF-tilfælde. Tidligere brugte vi til at blokere Streaming+CDF, hvis deltatabellen har aktiveret kolonnetilknytning, selvom den ikke indeholder nogen RENAME- eller DROP-kolonner.
Gør overvågningen af Delta-tilstandskonstruktionsforespørgsler bedre (andre forespørgsler køres som en del af planlægningen) ved at gøre dem synlige i Spark-brugergrænsefladen.
Understøttelse af flere
where()
kald i Optimer scala/python-API.Understøttelse af overførsel af Hadoop-konfigurationer via DeltaTable API.
Understøtter partitionskolonnenavne, der starter med
.
eller_
i KOMMANDOEN KONVERTÉR TIL DELTA.Forbedringer af målepunkter i tabeloversigten:
Ret en metrikværdi i kommandoen MERGE.
Kildetypemetrik for KONVERTÉR TIL DELTA.
Metrikværdier for DELETE på partitioner.
Mere vakuum statistik.
Rettelse af utilsigtet nedgradering af protokollen med kommandoen RESTORE . Indtil nu kan RESTORE TABLE nedgradere protokolversionen af tabellen, hvilket kan have resulteret i uoverensstemmende læsninger i forbindelse med tidsrejser. Med denne rettelse nedgraderes protokolversionen aldrig fra den aktuelle.
Ret en fejl,
MERGE INTO
når der er flereUPDATE
delsætninger, og en af UPDATEs er med en skemaudvikling.Ret en fejl, hvor der nogle gange ikke findes et aktivt
SparkSession
objekt, når delta-API'er bruges.Løs et problem, hvor partitionsskemaet ikke kunne angives under den indledende bekræftelse.
Fange undtagelser, når skrivning af
last_checkpoint
fil mislykkes.Løs et problem, når du genstarter en streamingforespørgsel med
AvailableNow
udløseren i en Delta-tabel.Løs et problem med CDF og streaming, hvor forskydningen ikke opdateres korrekt, når der ikke er nogen dataændringer.
Kontrollér kildebemærkningerne og de komplette produktbemærkninger på GitHub på delta-io/delta.
Pakker på standardniveau til Java/Scala
I følgende tabel vises alle pakker på standardniveau for Java/Scala og deres respektive versioner.
GroupId | ArtifactId | Version |
---|---|---|
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 | 1.11.1026 |
com.chuusai | shapeless_2.12 | 2.3.7 |
com.esotericsoftware | kryo-skyggelagt | 4.0.2 |
com.esotericsoftware | minlog | 1.3.0 |
com.fasterxml.jackson | jackson-annotations-2.13.4.jar | |
com.fasterxml.jackson | jackson-core | 2.13.4 |
com.fasterxml.jackson | jackson-core-asl | 1.9.13 |
com.fasterxml.jackson | jackson-databind | 2.13.4.1 |
com.fasterxml.jackson | jackson-dataformat-cbor | 2.13.4 |
com.fasterxml.jackson | jackson-mapper-asl | 1.9.13 |
com.fasterxml.jackson | jackson-module-scala_2.12 | 2.13.4 |
com.github.joshelser | dropwizard-metrics-hadoop-metrics2-reporter | 0.1.2 |
com.github.wendykierp | JTransforms | 3.1 |
com.google.code.findbugs | jsr305 | 3.0.0 |
com.google.code.gson | gson | 2.8.6 |
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-enkel | json-simple | 1.1.1 |
com.jcraft | jsch | 0.1.54 |
com.jolbox | bonecp | 0.8.0.RELEASE |
com.linkedin.isolation-forest | isolation-forest_3.2.0_2.12 | 2.0.8 |
com.ning | compress-lzf | 1.1 |
com.qcloud | cos_api-bundt | 5.6.19 |
com.sun.istack | istack-commons-runtime | 3.0.8 |
com.tdunning | json | 18 |
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.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-logføring | commons-logføring | 1.1.3 |
commons-pool | commons-pool | 1.5.4.jar |
dev.ludovic.netlib | arpack | 2.2.1 |
dev.ludovic.netlib | Blas | 2.2.1 |
dev.ludovic.netlib | lapack | 2.2.1 |
io.airlift | aircompressor | 0.21 |
io.dropwizard.metrics | metrics-core | 4.2.7 |
io.dropwizard.metrics | metrics-graphite | 4.2.7 |
io.dropwizard.metrics | metrics-jmx | 4.2.7 |
io.dropwizard.metrics | metrics-json | 4.2.7 |
io.dropwizard.metrics | metrics-jvm | 4.2.7 |
io.netty | netty-all | 4.1.74.Endelig udg. |
io.netty | netty-buffer | 4.1.74.Endelig udg. |
io.netty | netty-codec | 4.1.74.Endelig udg. |
io.netty | netty-common | 4.1.74.Endelig udg. |
io.netty | netty-handler | 4.1.74.Endelig udg. |
io.netty | netty-resolver | 4.1.74.Endelig udg. |
io.netty | netty-tcnative-klasser | 2.0.48.Endelig udg. |
io.netty | netty-transport | 4.1.74.Endelig udg. |
io.netty | netty-transport-classes-epoll | 4.1.74.Endelig udg. |
io.netty | netty-transport-classes-kqueue | 4.1.74.Endelig udg. |
io.netty | netty-transport-native-epoll | 4.1.74.Final-linux-aarch_64 |
io.netty | netty-transport-native-epoll | 4.1.74.Final-linux-x86_64 |
io.netty | netty-transport-native-kqueue | 4.1.74.Final-osx-aarch_64 |
io.netty | netty-transport-native-kqueue | 4.1.74.Final-osx-x86_64 |
io.netty | netty-transport-native-unix-common | 4.1.74.Endelig udg. |
io.opentracing | opentracing-api | 0.33.0 |
io.opentracing | opentracing-noop | 0.33.0 |
io.opentracing | opentracing-util | 0.33.0 |
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 | Aktivering | 1.1.1 |
javax.jdo | jdo-api | 3.0.1 |
javax.transaction | jta | 1.1 |
javax.xml.bind | jaxb-api | 2.2.11 |
javolution | javolution | 5.5.1 |
jline | jline | 2.14.6 |
joda-tid | joda-tid | 2.10.13 |
net.razorvine | Lage | 1.2 |
net.sf.jpam | jpam | 1.1 |
net.sf.opencsv | opencsv | 2.3 |
net.sf.py4j | py4j | 0.10.9.5 |
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 | 4.8 |
org.apache.arrow | pileformat | 7.0.0 |
org.apache.arrow | arrow-memory-core | 7.0.0 |
org.apache.arrow | arrow-memory-netty | 7.0.0 |
org.apache.arrow | pilevektor | 7.0.0 |
org.apache.avro | Avro | 1.11.0 |
org.apache.avro | avro-ipc | 1.11.0 |
org.apache.avro | avro-mapred | 1.11.0 |
org.apache.commons | commons-collections4 | 4.4 |
org.apache.commons | commons-compress | 1.21 |
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.curator | kurator-klient | 2.13.0 |
org.apache.curator | kurator-framework | 2.13.0 |
org.apache.curator | kuratoropskrifter | 2.13.0 |
org.apache.derby | Derby | 10.14.2.0 |
org.apache.hadoop | hadoop-aliyun | 3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-anmærkninger | 3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-aws | 3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-azure | 3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-azure-datalake | 3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-client-api | 3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-client-runtime | 3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-cloudlager | 3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-cos | 3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-openstack | 3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-shaded-guava | 1.1.1 |
org.apache.hadoop | hadoop-yarn-server-web-proxy | 3.3.3.5.2-90111858 |
org.apache.hive | hive-beeline | 2.3.9 |
org.apache.hive | hive-cli | 2.3.9 |
org.apache.hive | hive-common | 2.3.9 |
org.apache.hive | hive-exec | 2.3.9 |
org.apache.hive | hive-jdbc | 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-service-rpc | 3.1.2 |
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 | 2.7.2 |
org.apache.hive | hive-vector-code-gen | 2.3.9 |
org.apache.httpcomponents | httpclient | 4.5.13 |
org.apache.httpcomponents | httpcore | 4.4.14 |
org.apache.httpcomponents | httpmime | 4.5.13 |
org.apache.httpcomponents.client5 | httpclient5 | 5.1.3 |
org.apache.ivy | Ivy | 2.5.1 |
org.apache.kafka | kafka-klienter | 2.8.1 |
org.apache.logging.log4j | log4j-1.2-api | 2.17.2 |
org.apache.logging.log4j | log4j-api | 2.17.2 |
org.apache.logging.log4j | log4j-core | 2.17.2 |
org.apache.logging.log4j | log4j-slf4j-impl | 2.17.2 |
org.apache.orc | orc-core | 1.7.6 |
org.apache.orc | orc-mapreduce | 1.7.6 |
org.apache.orc | orc-shims | 1.7.6 |
org.apache.parquet | parquet-column | 1.12.3 |
org.apache.parquet | parquet-common | 1.12.3 |
org.apache.parquet | parquetkodning | 1.12.3 |
org.apache.parquet | parquet-format-structures | 1.12.3 |
org.apache.parquet | parquet-hadoop | 1.12.3 |
org.apache.parquet | parket-jackson | 1.12.3 |
org.apache.qpid | proton-j | 0.33.8 |
org.apache.thrift | libfb303 | 0.9.3 |
org.apache.thrift | libthrift | 0.12.0 |
org.apache.yetus | målgruppeanmærkninger | 0.5.0 |
org.apiguardian | apiguardian-api | 1.1.0 |
org.codehaus.janino | commons-compiler | 3.0.16 |
org.codehaus.janino | janino | 3.0.16 |
org.codehaus.jettison | Udtømme | 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.jdt | kerne | 1.1.2 |
org.eclipse.jetty | molen-util | 9.4.48.v20220622 |
org.eclipse.jetty | mol-util-ajax | 9.4.48.v20220622 |
org.fusesource.leveldbjni | leveldbjni-all | 18 |
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-ompakket | 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 | jersey-common | 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 | Anmærkninger | 17.0.0 |
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.junit.jupiter | junit-jupiter | 5.5.2 |
org.junit.jupiter | junit-jupiter-api | 5.5.2 |
org.junit.jupiter | junit-jupiter-engine | 5.5.2 |
org.junit.jupiter | enebær-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 | 0.9.25 |
org.roaringbitmap | Shims | 0.9.25 |
org.rocksdb | rocksdbjni | 6.20.3 |
org.scala-lang | scala-compiler | 2.12.15 |
org.scala-lang | scala-library | 2.12.15 |
org.scala-lang | scala-reflektor | 2.12.15 |
org.scala-lang.modules | scala-collection-compat_2.12 | 2.1.1 |
org.scala-lang.modules | scala-java8-compat_2.12 | 0.9.0 |
org.scala-lang.modules | scala-parser-combinators_2.12 | 1.1.2 |
org.scala-lang.modules | scala-xml_2.12 | 1.2.0 |
org.scalactic | scalactic_2.12 | 3.2.14 |
org.scalanlp | brise-macros_2.12 | 1.2 |
org.scalanlp | breeze_2.12 | 1.2 |
org.slf4j | jcl-over-slf4j | 1.7.32 |
org.slf4j | jul-to-slf4j | 1.7.32 |
org.slf4j | slf4j-api | 1.7.32 |
org.typelevel | algebra_2.12 | 2.0.1 |
org.typelevel | katte-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.xerial.snappy | snappy-java | 1.1.8.4 |
Oro | Oro | 2.0.8 |
pl.edu.icm | JLargeArrays | 1.5 |
Pakker på standardniveau til Python
I følgende tabel vises alle pakker på standardniveau for Python og deres respektive versioner.
Bibliotek | Version | Bibliotek | Version | Bibliotek | Version |
---|---|---|---|---|---|
_libgcc_mutex | 0,1 | ipykernel | 6.22.0 | pickleshare | 0.7.5 |
_openmp_mutex | 4.5 | ipython | 8.9.0 | Pude | 9.4.0 |
_py-xgboost-mutex | 2.0 | ipywidgets | 8.0.4 | Pip | 23.0.1 |
absl-py | 1.4.0 | isodate | 0.6.1 | pixman | 0.40.0 |
adal | 1.2.7 | itsdangerous | 2.1.2 | pkginfo | 1.9.6 |
adlfs | 2023.1.0 | Jack | 1.9.22 | pkgutil-resolve-name | 1.3.10 |
aiohttp | 3.8.4 | Jedi | 0.18.2 | platformdirs | 3.2.0 |
aiosignal | 1.3.1 | Jeepney | 0.8.0 | plotly | 5.13.0 |
alsa-lib | 1.2.8 | jinja2 | 3.1.2 | Lags | 3.11 |
anyio | 3.6.2 | jmespath | 1.0.1 | Pooch | 1.7.0 |
argcomplete | 2.1.2 | joblib | 1.2.0 | portalocker | 2.7.0 |
argon2-cffi | 21.3.0 | jpeg | 9e | Pox | 0.3.2 |
argon2-cffi-bindinger | 21.2.0 | jsonpickle | 2.2.0 | ppft | 1.7.6.6 |
pil-cpp | 11.0.0 | jsonschema | 4.17.3 | smuktable | 3.6.0 |
asttokens | 2.2.1 | jupyter_client | 8.1.0 | prometheus_client | 0.16.0 |
astunparse | 1.6.3 | jupyter_core | 5.3.0 | prompt-toolkit | 3.0.38 |
asynkron timeout | 4.0.2 | jupyter_events | 0.6.3 | protobuf | 4.21.12 |
atk-1,0 | 2.38.0 | jupyter_server | 2.2.1 | psutil | 5.9.4 |
attr | 2.5.1 | jupyter_server_terminals | 0.4.4 | pthread-stubs | 0.4 |
attrs | 22.2.0 | jupyterlab_pygments | 0.2.2 | ptyproces | 0.7.0 |
aws-c-auth | 0.6.24 | jupyterlab_widgets | 3.0.7 | Pulseaudio | 16.1 |
aws-c-cal | 0.5.20 | keras | 2.11.0 | pulseaudio-klient | 16.1 |
aws-c-common | 0.8.11 | keras-forbehandling | 1.1.2 | pulseaudio-daemon | 16.1 |
aws-c-compression | 0.2.16 | keyutils | 1.6.1 | pure_eval | 0.2.2 |
aws-c-event-stream | 0.2.18 | kiwisolver | 1.4.4 | py-xgboost | 1.7.1 |
aws-c-http | 0.7.4 | Evne | 0.10.1 | py4j | 0.10.9.5 |
aws-c-io | 0.13.17 | krb5 | 1.20.1 | pyarrow | 11.0.0 |
aws-c-mqtt | 0.8.6 | Halt | 3.100 | pyasn1 | 0.4.8 |
aws-c-s3 | 0.2.4 | lcms2 | 2.15 | pyasn1-moduler | 0.2.7 |
aws-c-sdkutils | 0.1.7 | ld_impl_linux-64 | 2.40 | pycosat | 0.6.4 |
aws-kontrolsum | 0.1.14 | lerc | 4.0.0 | pycparser | 2.21 |
aws-crt-cpp | 0.19.7 | liac-arff | 2.5.0 | pygments | 2.14.0 |
aws-sdk-cpp | 1.10.57 | libabseil | 20220623.0 | pyjwt | 2.6.0 |
azure-common | 1.1.28 | libaec | 1.0.6 | pynacl | 1.5.0 |
azure-core | 1.26.4 | libarrow | 11.0.0 | pyodbc | 4.0.35 |
azure-datalake-store | 0.0.51 | libblas | 3.9.0 | pyopenssl | 23.1.1 |
azure-graphrbac | 0.61.1 | libbrotlicommon | 1.0.9 | pyparsing | 3.0.9 |
azure-identitet | 1.12.0 | libbrotlidec | 1.0.9 | pyperclip | 1.8.2 |
azure-mgmt-authorization | 3.0.0 | libbrotlienc | 1.0.9 | pyqt | 5.15.7 |
azure-mgmt-containerregistry | 10.1.0 | libcap | 2.67 | pyqt5-sip | 12.11.0 |
azure-mgmt-core | 1.4.0 | libcblas | 3.9.0 | pyrsistent | 0.19.3 |
azure-mgmt-keyvault | 10.2.1 | libclang | 15.0.7 | pysocks | 1.7.1 |
azure-mgmt-resource | 21.2.1 | libclang13 | 15.0.7 | pyspark | 3.3.1 |
azure-mgmt-storage | 20.1.0 | libcrc32c | 1.1.2 | python | 3.10.10 |
azure-storage-blob | 12.15.0 | libcups | 2.3.3 | python_abi | 3,10 |
azure-storage-file-datalake | 12.9.1 | libcurl | 7.88.1 | python-dateutil | 2.8.2 |
azureml-core | 1.49.0 | libdb | 6.2.32 | python-fastjsonschema | 2.16.3 |
backcall | 0.2.0 | libdeflate | 1.17 | python-flatbuffers | 23.1.21 |
Backports | 1.0 | libebm | 0.3.1 | python-graphviz | 0.20.1 |
backports-tempfile | 1.0 | libedit | 3.1.20191231 | python-json-logger | 2.0.7 |
backports-weakref | 1.0.post1 | libev | 4.33 | pytorch | 1.13.1 |
backports.functools_lru_cache | 1.6.4 | libevent | 2.1.10 | pytz | 2022.7.1 |
bcrypt | 3.2.2 | libexpat | 2.5.0 | pyu2f | 0.1.5 |
beautifulsoup4 | 4.11.2 | libffi | 3.4.2 | pywin32-on-windows | 0.1.0 |
Blegemiddel | 6.0.0 | libflac | 1.4.2 | pyyaml | 6,0 |
blinker | 1.6.1 | libgcc-ng | 12.2.0 | pyzmq | 25.0.2 |
brotli | 1.0.9 | libgcrypt | 1.10.1 | qt-main | 5.15.8 |
brotli-bin | 1.0.9 | libgd | 2.3.3 | re2 | 2023.02.01 |
brotli-python | 1.0.9 | libgfortran-ng | 12.2.0 | Readline | 8.2 |
brotlipy | 0.7.0 | libgfortran5 | 12.2.0 | Regex | 2022.10.31 |
bzip2 | 1.0.8 | libglib | 2.74.1 | Anmodninger | 2.28.2 |
c-ares | 1.18.1 | libgoogle-cloud | 2.7.0 | requests-oauthlib | 1.3.1 |
ca-certifikater | 2022.12.7 | libgpg-error | 1.46 | rfc3339-validator | 0.1.4 |
cached_property | 1.5.2 | libgrpc | 1.51.1 | rfc3986-validator | 0.1.1 |
cachelagret egenskab | 1.5.2 | libhwloc | 2.9.0 | Rsa | 4,9 |
cachetools | 5.3.0 | libiconv | 1.17 | ruamel_yaml | 0.15.80 |
Kairo | 1.16.0 | liblapack | 3.9.0 | ruamel.yaml | 0.17.21 |
Certifi | 2022.12.7 | libllvm11 | 11.1.0 | ruamel.yaml.clib | 0.2.7 |
cffi | 1.15.1 | libllvm15 | 15.0.7 | s2n | 1.3.37 |
charset-normalizer | 2.1.1 | libnghttp2 | 1.52.0 | salib | 1.4.7 |
Klik | 8.1.3 | libnsl | 2.0.0 | scikit-learn | 1.2.0 |
cloudpickle | 2.2.1 | libogg | 1.3.4 | scipy | 1.10.1 |
colorama | 0.4.6 | libopenblas | 0.3.21 | søfødt | 0.12.2 |
Comm | 0.1.3 | libopus | 1.3.1 | søfødt base | 0.12.2 |
conda-package-handling | 2.0.2 | libpng | 1.6.39 | secretstorage | 3.3.3 |
conda-package-streaming | 0.7.0 | libpq | 15.2 | send2trash | 1.8.0 |
configparser | 5.3.0 | libprotobuf | 3.21.12 | Setuptools | 67.6.1 |
contextlib2 | 21.6.0 | librsvg | 2.54.4 | Shap | 0.41.0 |
contourpy | 1.0.7 | libsndfile | 1.2.0 | Sip | 6.7.7 |
Kryptografi | 40.0.1 | libsodium | 1.0.18 | Seks | 1.16.0 |
Cycler | 0.11.0 | libsqlite | 3.40.0 | sleef | 3.5.1 |
Dash | 2.9.2 | libssh2 | 1.10.0 | Udsnitsfilter | 0.0.7 |
dash_cytoscape | 0.2.0 | libstdcxx-ng | 12.2.0 | smmap | 3.0.5 |
dash-core-components | 2.0.0 | libsystemd0 | 253 | Bidsk | 1.1.10 |
dash-html-components | 2.0.0 | libthrift | 0.18.0 | sniffio | 1.3.0 |
tankestreg-tabel | 5.0.0 | libtiff | 4.5.0 | soupsieve | 2.3.2.post1 |
databricks-cli | 0.17.6 | libtool | 2.4.7 | sqlalchemy | 2.0.9 |
Dbus | 1.13.6 | libudev1 | 253 | sqlparse | 0.4.3 |
debugpy | 1.6.7 | libutf8proc | 2.8.0 | stack_data | 0.6.2 |
Dekoratør | 5.1.1 | libuuid | 2.38.1 | statsmodels | 0.13.5 |
defusedxml | 0.7.1 | libuv | 1.44.2 | synapseml-mlflow | 1.0.14 |
Dild | 0.3.6 | libvorbis | 1.3.7 | synapseml-utils | 1.0.7 |
distlib | 0.3.6 | libwebp | 1.2.4 | tabulate | 0.9.0 |
docker-py | 6.0.0 | libwebp-base | 1.2.4 | Tbb | 2021.8.0 |
indgangspunkter | 0.4 | Libxcb | 1.13 | Vedholdenhed | 8.2.2 |
et_xmlfile | 1.1.0 | libxgboost | 1.7.1 | tensorboard | 2.11.2 |
Udfører | 1.2.0 | libxkbcommon | 1.5.0 | tensorboard-data-server | 0.6.1 |
Expat | 2.5.0 | libxml2 | 2.10.3 | tensorboard-plugin-wit | 1.8.1 |
fftw | 3.3.10 | libxslt | 1.1.37 | tensorflow | 2.11.0 |
fillås | 3.11.0 | libzlib | 1.2.13 | tensorflow-base | 2.11.0 |
Kolbe | 2.2.3 | lightgbm | 3.3.3 | tensorflow-estimator | 2.11.0 |
kolbekomprimer | 1.13 | Kalk | 0.2.0.1 | termcolor | 2.2.0 |
flatbuffers | 22.12.06 | llvm-openmp | 16.0.1 | terminado | 0.17.1 |
flit-core | 3.8.0 | llvmlite | 0.39.1 | threadpoolctl | 3.1.0 |
flydende logføring | 0.10.0 | lxml | 4.9.2 | tinycss2 | 1.2.1 |
font-ttf-dejavu-sans-mono | 2.37 | lz4-c | 1.9.4 | Tk | 8.6.12 |
font-ttf-inconsolata | 3.000 | markdown | 3.4.1 | toml | 0.10.2 |
font-ttf-source-code-pro | 2.038 | markupsafe | 2.1.2 | Toolz | 0.12.0 |
font-ttf-ubuntu | 0.83 | matplotlib | 3.6.3 | Tornado | 6.2 |
fontconfig | 2.14.2 | matplotlib-base | 3.6.3 | tqdm | 4.65.0 |
fonts-conda-ecosystem | 0 | matplotlib-inline | 0.1.6 | traitlets | 5.9.0 |
fonts-conda-forge | 0 | mistune | 2.0.5 | træfortolkning | 0.2.2 |
fonttools | 4.39.3 | mkl | 2022.2.1 | typed-ast | 1.4.3 |
Freetype | 2.12.1 | mlflow-tynd | 2.1.1 | typing_extensions | 4.5.0 |
fribidi | 1.0.10 | mpg123 | 1.31.3 | indtastningsudvidelser | 4.5.0 |
frosne lister | 1.3.3 | msal | 1.21.0 | tzdata | 2023c |
fsspec | 2023.4.0 | msal_extensions | 1.0.0 | unicodedata2 | 15.0.0 |
Gast | 0.4.0 | msgpack | 1.0.5 | unixodbc | 2.3.10 |
gdk-pixbuf | 2.42.10 | msrest | 0.7.1 | urllib3 | 1.26.14 |
geografisklib | 1.52 | msrestazure | 0.6.4 | virtualenv | 20.19.0 |
geopy | 2.3.0 | multidikt | 6.0.4 | wcwidth | 0.2.6 |
Gettext | 0.21.1 | flere processer | 0.70.14 | webencodings | 0.5.1 |
gevent | 22.10.2 | munkres | 1.1.4 | websocket-client | 1.5.1 |
gflags | 2.2.2 | mypy | 0.780 | werkzeug | 2.2.3 |
giflib | 5.2.1 | mypy-udvidelser | 0.4.4 | Hjul | 0.40.0 |
gitdb | 4.0.10 | mysql-common | 8.0.32 | widgetsnbextension | 4.0.7 |
gitpython | 3.1.31 | mysql-libs | 8.0.32 | wrapt | 1.15.0 |
Glib | 2.74.1 | nbclient | 0.7.3 | xcb-util | 0.4.0 |
glib-værktøjer | 2.74.1 | nbconvert-core | 7.3.0 | xcb-util-image | 0.4.0 |
glog | 0.6.0 | nbformat | 5.8.0 | xcb-util-keysyms | 0.4.0 |
google-auth | 2.17.2 | Ncurses | 6.3 | xcb-util-renderutil | 0.3.9 |
google-auth-oauthlib | 0.4.6 | ndg-httpsclient | 0.5.1 | xcb-util-wm | 0.4.1 |
google-pasta | 0.2.0 | nest-asyncio | 1.5.6 | xgboost | 1.7.1 |
graphite2 | 1.3.13 | nspr | 4.35 | xkeyboard-config | 2.38 |
graphviz | 2.50.0 | Nss | 3.89 | xorg-kbproto | 1.0.7 |
greenlet | 2.0.2 | numba | 0.56.4 | xorg-libice | 1.0.10 |
grpcio | 1.51.1 | numpy | 1.23.5 | xorg-libsm | 1.2.3 |
gson | 0.0.3 | oauthlib | 3.2.2 | xorg-libx11 | 1.8.4 |
gst-plugins-base | 1.22.0 | openjpeg | 2.5.0 | xorg-libxau | 1.0.9 |
Gstreamer | 1.22.0 | openpyxl | 3.1.0 | xorg-libxdmcp | 1.1.3 |
gstreamer-orc | 0.4.33 | Openssl | 3.1.0 | xorg-libxext | 1.3.4 |
gtk2 | 2.24.33 | opt_einsum | 3.3.0 | xorg-libxrender | 0.9.10 |
Gts | 0.7.6 | Orc | 1.8.2 | xorg-renderproto | 0.11.1 |
h5py | 3.8.0 | Emballage | 21.3 | xorg-xextproto | 7.3.0 |
harfbuzz | 6.0.0 | Pandaer | 1.5.3 | xorg-xproto | 7.0.31 |
hdf5 | 1.14.0 | pandasql | 0.7.3 | Xz | 5.2.6 |
html5lib | 1.1 | pandocfilters | 1.5.0 | Yaml | 0.2.5 |
menneskevenligt | 10,0 | pango | 1.50.14 | Yarl | 1.8.2 |
Icu | 70.1 | paramiko | 2.12.0 | Zeromq | 4.3.4 |
idna | 3.4 | parquet-cpp | 1.5.1 | zipp | 3.15.0 |
imageio | 2.25.0 | parso | 0.8.3 | Zlib | 1.2.13 |
importlib_metadata | 5.2.0 | Patos | 0.3.0 | zope.event | 4.6 |
importlib_resources | 5.12.0 | pathspec | 0.11.1 | zope.interface | 6,0 |
importlib-metadata | 5.2.0 | Patsy | 0.5.3 | zstandard | 0.19.0 |
Fortolke | 0.3.1 | pcre2 | 10.40 | zstd | 1.5.2 |
interpret-core | 0.3.1 | pexpect | 4.8.0 |
Pakker på standardniveau for R
I følgende tabel vises alle pakker på standardniveau for R og deres respektive versioner.
Bibliotek | Version | Bibliotek | Version | Bibliotek | Version |
---|---|---|---|---|---|
askpass | 1.1 | highcharter | 0.9.4 | læsefunktion | 2.1.3 |
hævder, at | 0.2.1 | højere | 0,9 | readxl | 1.4.1 |
Backports | 1.4.1 | Hms | 1.1.2 | opskrifter | 1.0.3 |
base64enc | 0.1-3 | htmltools | 0.5.3 | Omkamp | 1.0.1 |
Bit | 4.0.5 | htmlwidgets | 1.5.4 | rematch2 | 2.1.2 |
bit64 | 4.0.5 | httpcode | 0.3.0 | Fjernbetjeninger | 2.4.2 |
Blob | 1.2.3 | httpuv | 1.6.6 | reprex | 2.0.2 |
Brygge | 1.0-8 | httr | 1.4.4 | omform2 | 1.4.4 |
Brio | 1.1.3 | Id'er | 1.0.1 | rjson | 0.2.21 |
Kost | 1.0.1 | igraph | 1.3.5 | rlang | 1.0.6 |
bslib | 0.4.1 | Udlede | 1.0.3 | rlist | 0.4.6.2 |
cachem | 1.0.6 | Ini | 0.3.1 | rmarkdown | 2.18 |
kalder | 3.7.3 | Ipred | 0.9-13 | RODBC | 1.3-19 |
caret | 6.0-93 | isoband | 0.2.6 | roxygen2 | 7.2.2 |
cellranger | 1.1.0 | iteratorer | 1.0.14 | rprojroot | 2.0.3 |
Cli | 3.4.1 | jquerylib | 0.1.4 | rsample | 1.1.0 |
cliper | 0.8.0 | jsonlite | 1.8.3 | rstudioapi | 0.14 |
Ur | 0.6.1 | strikker | 1.41 | rversioner | 2.1.2 |
Farverum | 2.0-3 | Mærkning | 0.4.2 | rvest | 1.0.3 |
fællesmærke | 1.8.1 | Senere | 1.3.0 | Sass | 0.4.4 |
Config | 0.3.1 | Lava | 1.7.0 | Skalaer | 1.2.1 |
Konflikt | 1.1.0 | lazyeval | 0.2.2 | vælger | 0.4-2 |
Coro | 1.0.3 | Lhs | 1.1.5 | sessioninfo | 1.2.2 |
cpp11 | 0.4.3 | livscyklus | 1.0.3 | Skinnende | 1.7.3 |
Oliekridt | 1.5.2 | lightgbm | 3.3.3 | Skyderen | 0.3.0 |
Legitimationsoplysninger | 1.3.2 | lyttev | 0.8.0 | sourcetools | 0.1.7 |
Krydstale | 1.2.0 | lobstr | 1.1.2 | sparklyr | 1.7.8 |
crul | 1.3 | smøremiddel | 1.9.0 | KVADRATM | 2021.1 |
Krøller | 4.3.3 | magrittr | 2.0.3 | stringi | 1.7.8 |
data.table | 1.14.6 | Kort | 3.4.1 | stringr | 1.4.1 |
DBI | 1.1.3 | memoise | 2.0.1 | Sys | 3.4.1 |
dbplyr | 2.2.1 | Mime | 0.12 | systemfonts | 1.0.4 |
Desc | 1.4.2 | miniUI | 0.1.1.1 | tester, at | 3.1.5 |
devtools | 2.4.5 | modeldata | 1.0.1 | tekstdeling | 0.3.6 |
Ringer | 1.1.0 | modelenv | 0.1.0 | tibble | 3.1.8 |
DiceDesign | 1,9 | Modelmetriske data | 1.2.2.2 | tidymodels | 1.0.0 |
diffobj | 0.3.5 | modelr | 0.1.10 | tidyr | 1.2.1 |
Fordøje | 0.6.30 | munsell | 0.5.0 | tidyselect | 1.2.0 |
nedlys | 0.4.2 | numDeriv | 2016.8-1.1 | tidyverse | 1.3.2 |
dplyr | 1.0.10 | Openssl | 2.0.4 | timechange | 0.1.1 |
dtplyr | 1.2.2 | parallelt | 1.32.1 | timeDate | 4021.106 |
e1071 | 1.7-12 | Pastinak | 1.0.3 | tinytex | 0.42 |
ellipse | 0.3.2 | Patchwork | 1.1.2 | Fakkel | 0.9.0 |
evaluer | 0.18 | Søjle | 1.8.1 | triebeard | 0.3.0 |
fansi | 1.0.3 | pkgbuild | 1.4.0 | TTR | 0.24.3 |
farver | 2.1.1 | pkgconfig | 2.0.3 | Tune | 1.0.1 |
fastmap | 1.1.0 | pkgdown | 2.0.6 | tzdb | 0.3.0 |
fontawesome | 0.4.0 | pkgload | 1.3.2 | urlchecker | 1.0.1 |
forcats | 0.5.2 | plotly | 4.10.1 | urltools | 1.7.3 |
for hver | 1.5.2 | plyr | 1.8.8 | brug dette | 2.1.6 |
Forge | 0.2.0 | Ros | 1.0.0 | utf8 | 1.2.2 |
Fs | 1.5.2 | prettyunits | 1.1.1 | Uuid | 1.1-0 |
furrrr | 0.3.1 | Proc | 1.18.0 | vctrs | 0.5.1 |
Fremtiden | 1.29.0 | processx | 3.8.0 | viridisLite | 0.4.1 |
future.apply | 1.10.0 | prodlim | 2019.11.13 | vroom | 1.6.0 |
Gurgle | 1.2.1 | profvis | 0.3.7 | Waldo | 0.4.0 |
Generiske | 0.1.3 | Status | 1.2.2 | Warp | 0.2.0 |
Gert | 1.9.1 | progressr | 0.11.0 | Bakkenbart | 0.4 |
ggplot2 | 3.4.0 | Løfter | 1.2.0.1 | withr | 2.5.0 |
Gh | 1.3.1 | Proxy | 0.4-27 | Arbejdsprocesser | 1.1.2 |
gistr | 0.9.0 | pryr | 0.1.5 | arbejdsprocessæt | 1.0.0 |
gitcreds | 0.1.2 | Ps | 1.7.2 | xfun | 0.35 |
Globals | 0.16.2 | purrr | 0.3.5 | xgboost | 1.6.0.1 |
Lim | 1.6.2 | quantmod | 0.4.20 | XML | 3.99-0.12 |
googledrive | 2.0.0 | r2d3 | 0.2.6 | xml2 | 1.3.3 |
googlesheets4 | 1.0.1 | R6 | 2.5.1 | xopen | 1.0.0 |
Gower | 1.0.0 | ragg | 1.2.4 | xtable | 1.8-4 |
GPfit | 1.0-8 | rappdirs | 0.3.3 | Xts | 0.12.2 |
gtable | 0.3.1 | rbokeh | 0.5.2 | Yaml | 2.3.6 |
hardhat | 1.2.0 | rcmdcheck | 1.4.0 | Målestok | 1.1.0 |
haven | 2.5.1 | RColorBrewer | 1.1-3 | Zip | 2.2.2 |
hexbin | 1.28.2 | Rcpp | 1.0.9 | Zoo | 1.8-11 |
Migrering mellem forskellige Apache Spark-versioner
Overførsel af dine arbejdsbelastninger til Fabric Runtime 1.1 (Apache Spark 3.3) fra en ældre version af Apache Spark omfatter en række trin for at sikre en problemfri migrering. I denne vejledning beskrives de nødvendige trin, der kan hjælpe dig med at migrere effektivt.
Gennemse produktbemærkningerne til Fabric Runtime 1.1, herunder kontrol af komponenter og pakker på standardniveau, der er inkluderet i kørslen, for at forstå de nye funktioner og forbedringer.
Kontrollér kompatibiliteten af din aktuelle konfiguration og alle relaterede biblioteker, herunder afhængigheder og integrationer. Gennemse migreringsvejledningerne for at identificere potentielle afbrydelsesændringer:
- Gennemse Spark Core-migreringsvejledningen.
- Gennemse migreringsvejledningen til SQL, Datasæt og DataFrame.
- Hvis din løsning er relateret til Apache Spark Structure Streaming, skal du gennemse vejledningen til migrering af struktureret streaming.
- Hvis du bruger PySpark, skal du gennemse Migreringsvejledningen til Pyspark.
- Hvis du migrerer kode fra Koalas til PySpark, skal du gennemse vejledningen Koalas til pandas API on Spark migration.
Flyt dine arbejdsbelastninger til Fabric, og sørg for, at du har sikkerhedskopier af dine data- og konfigurationsfiler, hvis du skal vende tilbage til den tidligere version.
Opdater eventuelle afhængigheder, som den nye version af Apache Spark eller andre Fabric Runtime 1.1-relaterede komponenter kan påvirke, herunder tredjepartsbiblioteker eller connectors. Sørg for at teste de opdaterede afhængigheder i et midlertidigt miljø, før du udruller til produktion.
Opdater Apache Spark-konfigurationen på din arbejdsbelastning, herunder opdatering af konfigurationsindstillinger, justering af hukommelsesallokeringer og ændring af eventuelle frarådede konfigurationer.
Rediger dine Apache Spark-programmer (notesbøger og Apache Spark-jobdefinitioner) for at bruge de nye API'er og funktioner, der introduceres i Fabric Runtime 1.1 og Apache Spark 3.3. Du skal muligvis opdatere din kode for at imødekomme alle udfasede eller fjernede API'er og omstrukturere dine programmer for at drage fordel af forbedringer af ydeevnen og nye funktioner.
Test dine opdaterede programmer grundigt i et midlertidigt miljø for at sikre kompatibilitet og stabilitet med Apache Spark 3.3. Udfør test af ydeevne, funktionstest og regressionstest for at identificere og løse eventuelle problemer, der kan opstå under migreringsprocessen.
Når du har valideret dine programmer i et midlertidigt miljø, skal du udrulle de opdaterede programmer i dit produktionsmiljø. Overvåg ydeevnen og stabiliteten af dine programmer efter migreringen for at identificere eventuelle problemer, der skal løses.
Opdater din interne dokumentation og undervisningsmateriale, så de afspejler de ændringer, der er introduceret i Fabric Runtime 1.1. Sørg for, at dine teammedlemmer kender de nye funktioner og forbedringer for at maksimere fordelene ved migreringen.
Relateret indhold
Feedback
https://aka.ms/ContentUserFeedback.
Kommer snart: I hele 2024 udfaser vi GitHub-problemer som feedbackmekanisme for indhold og erstatter det med et nyt feedbacksystem. Du kan få flere oplysninger under:Indsend og få vist feedback om