Share via

Kørsel 1.2

  • Artikel

Microsoft Fabric Runtime er en Azure-integreret platform, der er baseret på Apache Spark, som muliggør udførelse og administration af datakonstruktion og datavidenskabsoplevelser. Dette dokument dækker runtime 1.2-komponenter og -versioner.

Microsoft Fabric Runtime 1.2 er den nyeste version af ga runtime. De overordnede komponenter i Runtime 1.2 omfatter:

  • Apache Spark 3.4.1
  • Operativsystem: 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 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 udruller jævnligt vedligeholdelsesopdateringer til Runtime 1.2 med fejlrettelser, forbedringer af ydeevnen og sikkerhedsrettelser. Hvis du holder dig opdateret, sikrer du optimal ydeevne og pålidelighed i forbindelse med dine databehandlingsopgaver.

Nye funktioner og forbedringer af Spark Release 3.4.1

Apache Spark 3.4.0 er den femte version i 3.x-linjen. Denne version, der er drevet af community'et med åben kildekode, løste over 2.600 Jira-billetter. Den introducerer en Python-klient til Spark Forbind, forbedrer Struktureret streaming med asynkron statussporing og tilstandsfuld behandling af Python. Det udvider Pandas API-dækning med NumPy-inputunderstøttelse, forenkler migrering fra traditionelle data warehouses via ANSI-overholdelse og nye indbyggede funktioner. Det forbedrer også udviklingsproduktiviteten og fejlfindingen med hukommelsesprofilering. Derudover er Runtime 1.2 baseret på Apache Spark 3.4.1, som er en vedligeholdelsesversion, der fokuserer på stabilitetsrettelser.

Centrale punkter

  • Implementer understøttelse af STANDARDVÆRDIer for kolonner i tabeller (SPARK-38334)
  • SupportTIDSSTEMPEL UDEN TIMEZONE-datatype (SPARK-35662)
  • Understøttelse af "Aliasreferencer for tværgående kolonne" (SPARK-27561)
  • Harden SQLSTATE-brug for fejlklasser (SPARK-41994)
  • Aktivér Bloom-filterjoinforbindelser som standard (SPARK-38841)
  • Bedre Spark UI-skalerbarhed og driverstabilitet for store programmer (SPARK-41053)
  • Asynkron statussporing i struktureret streaming (SPARK-39591)
  • Python arbitrær tilstandsbaseret behandling i struktureret streaming (SPARK-40434)
  • Forbedringer af Pandas API-dækning (SPARK-42882) og NumPy-inputunderstøttelse i PySpark (SPARK-39405)
  • Angiv en hukommelsesprofiler til Brugerdefinerede Funktioner i PySpark (SPARK-40281)
  • Implementer PyTorch-distributør (SPARK-41589)
  • Publicer SBOM-artefakter (softwareregning) (SPARK-41893)
  • Implementer understøttelse af STANDARDVÆRDIer for kolonner i tabeller (SPARK-38334)
  • Understøttelse af parameteriseret SQL (SPARK-41271, SPARK-42702)
  • Implementer understøttelse af STANDARDVÆRDIer for kolonner i tabeller (SPARK-38334)
  • Tilføj Dataset.as(StructType) (SPARK-39625)
  • Understøttelse af parameteriseret SQL (SPARK-41271, SPARK-42702)
  • Tilføj unpivot/melt (SPARK-38864, SPARK-39876)
  • Understøttelse af "tværgående kolonnealiasreferencer" (SPARK-27561)
  • Understøttelse af resultatforskydningsklausul (SPARK-28330, SPARK-39159)
  • Understøttelse af tidsstempel uden tidszonedatatype (SPARK-35662)
  • Understøttelse af skalarunderforespørgsel i tidsrejser (SPARK-39306)
  • Gør katalog-API'en kompatibel med 3-lags navneområde (SPARK-39235)
  • Understøtter tidsstempel i sekunder for TimeTravel ved hjælp af datarammeindstillinger (SPARK-39633)
  • Tilføj SparkSession.config(Map) (SPARK-40163)
  • Understøttelse af ændring af sessionskatalogets standarddatabase (SPARK-35242)
  • Protobuf-understøttelse af Spark – from_protobuf AND to_protobuf (SPARK-40654)
  • Føj NÅR IKKE MATCHET AF KILDEDELSÆTNINGEN TIL FLET IND (SPARK-40921)
  • Lempelse af sorteringsbegrænsningen for kolonneindstillingerne CREATE TABLE (SPARK-40944)
  • SQL Equivalent for Overwrite-kommandoen dataramme (SPARK-40956)
  • Understøttelse af generering uden påkrævet underordnet output til vært for ydre referencer (SPARK-41441)
  • ORDER BY ALL (SPARK-41637)
  • GRUPPÉR EFTER ALLE (SPARK-41635)
  • Tilføj flatMapSortedGroups og cogroupSorted (SPARK-38591)
  • Underforespørgsler med korrelerede prædikater for ikke-lighed (SPARK-36114)
  • Underforespørgsler med korrelation via UNION/INTERSECT/EXCEPT (SPARK-36124)
  • Rettelse af OOM-fejlen kan ikke rapporteres, når AQE (adaptiv forespørgselsudførelse) på (SPARK-42290)
  • Ret, at trim-logikken ikke håndterede ASCII-kontroltegn korrekt (SPARK-44383)
  • Dataframe.joinWith outer-join skal returnere en null-værdi for uoverensstemmende række (SPARK-37829)
  • Brug hjælpeprogrammer til at hente kontakten til dynamisk allokering, der bruges i lokalt kontrolpunkt (SPARK-42421)
  • Føj CapturedException til hjælpeprogrammer (SPARK-42078)
  • Understøtter SELECT DEFAULT med ORDER BY, LIMIT, OFFSET for INSERT-kilderelationen (SPARK-43071)
  • Python-klient til Spark Forbind (SPARK-39375)

Læs den fulde version af produktbemærkningerne til en bestemt Apache Spark-version ved at besøge både Spark 3.4.0 og Spark 3.4.1.

Nye brugerdefinerede forespørgselsoptimeringer

Understøttelse af samtidige skrivninger i Spark

Der opstod en 404-fejl med meddelelsen "Handlingen mislykkedes: Den angivne sti findes ikke" er et almindeligt problem, når der udføres parallelle dataindsætninger i den samme tabel ved hjælp af en SQL INSERT INTO-forespørgsel. Denne fejl kan medføre tab af data. Vores nye funktion, algoritmen Filoutput Committer, løser dette problem, så kunderne kan udføre parallel dataindsætning uden problemer.

Hvis du vil have adgang til denne funktion, skal du aktivere spark.sql.enable.concurrentWrites funktionsflaget, som som standard er aktiveret fra Runtime 1.2 (Spark 3.4). Selvom denne funktion også er tilgængelig i andre Spark 3-versioner, er den ikke aktiveret som standard. Denne funktion understøtter ikke parallel udførelse af INSERT OVERWRITE-forespørgsler, hvor hvert samtidige job overskriver data på forskellige partitioner i den samme tabel dynamisk. Til dette formål tilbyder Spark en alternativ funktion, som kan aktiveres ved at konfigurere indstillingen spark.sql.sources.partitionOverwriteMode til dynamisk.

Smarte læsninger, der springer filer over fra mislykkede job

Når en indsættelse i et tabeljob mislykkes i det aktuelle Spark committer-system, men nogle opgaver lykkes, findes de filer, der genereres af de vellykkede opgaver, sammen med filer fra det mislykkede job. Denne sameksistens kan skabe forvirring for brugerne, da det bliver en udfordring at skelne mellem filer, der tilhører vellykkede og mislykkede job. Når et job læser fra en tabel, mens et andet samtidig indsætter data i den samme tabel, kan læsejobbet desuden få adgang til ikke-gemte data. Hvis et skrivejob mislykkes, kan læsejobbet behandle forkerte data.

Flaget spark.sql.auto.cleanup.enabled styrer vores nye funktion og løser dette problem. Når funktionen er aktiveret, springer Spark automatisk læsefiler over, der ikke er blevet bekræftet, når den udfører spark.read eller vælger forespørgsler fra en tabel. Filer, der skrives før aktivering af denne funktion, læses fortsat som normalt.

Her er de synlige ændringer:

  • Alle filer indeholder nu et tid-{jobID} id i deres filnavne.
  • I stedet for den _success mærke, der typisk oprettes på outputplaceringen, når jobbet er fuldført, oprettes der en ny _committed_{jobID} markør. Denne markør knytter vellykkede job-id'er til bestemte filnavne.
  • Vi har introduceret en ny SQL-kommando, som brugerne kan køre med jævne mellemrum for at administrere lager og rydde op i filer, der ikke er blevet sendt. Syntaksen for denne kommando er som følger:
    • Sådan rydder du op i en bestemt mappe: CLEANUP ('/path/to/dir') [RETAIN number HOURS];
    • Sådan rydder du op i en bestemt tabel: CLEANUP [db_name.]table_name [RETAIN number HOURS]; I denne syntaks repræsenterer den placerings-URI, path/to/dir hvor oprydning er påkrævet, og number er en dobbelt typeværdi, der repræsenterer opbevaringsperioden. Standardopbevaringsperioden er angivet til syv dage.
  • Vi har introduceret en ny konfigurationsindstilling kaldet spark.sql.deleteUncommittedFilesWhileListing, som er angivet til false som standard. Aktivering af denne indstilling medfører automatisk sletning af ikke-bekræftede filer under læsninger, men dette scenarie kan sinke læsehandlinger. Det anbefales at køre oprydningskommandoen manuelt, når klyngen er inaktiv i stedet for at aktivere dette flag.

Migreringsvejledning fra Runtime 1.1 til Runtime 1.2

Når du migrerer fra Runtime 1.1, drevet af Apache Spark 3.3, til Runtime 1.2, drevet af Apache Spark 3.4, skal du gennemse den officielle migreringsvejledning. Her er de vigtigste punkter:

Kerne

  • Siden Spark 3.4 ejer PersistentVolumnClaimSpark-driveren s og forsøger at genbruge, hvis de ikke er tildelt direkte eksekveringsmaskiner. Hvis du vil gendanne funktionsmåden før Spark 3.4, kan du angive spark.kubernetes.driver.ownPersistentVolumeClaim til false og spark.kubernetes.driver.reusePersistentVolumeClaim til false.
  • Siden Spark 3.4 sporer Spark-driveren shuffledata, når dynamisk allokering er aktiveret uden shuffletjeneste. Hvis du vil gendanne funktionsmåden før Spark 3.4, kan du angive spark.dynamicAllocation.shuffleTracking.enabled til false.
  • Siden Spark 3.4 forsøger Spark at afvikle cachelagret RDD (robust distribueret datasæt) og blande blokke, hvis både spark.decommission.enabled og spark.storage.decommission.enabled er sande. Hvis du vil gendanne funktionsmåden før Spark 3.4, kan du angive både spark.storage.decommission.rddBlocks.enabled og spark.storage.decommission.shuffleBlocks.enabled til false.
  • Siden Spark 3.4 bruger Spark RocksDB-butikken, hvis spark.history.store.hybridStore.enabled den er sand. Hvis du vil gendanne funktionsmåden før Spark 3.4, kan du angive spark.history.store.hybridStore.diskBackend til LEVELDB.

PySpark

  • I Spark 3.4 udledes skemaet for en matrixkolonne ved at flette skemaerne for alle elementer i matrixen. Hvis du vil gendanne den tidligere funktionsmåde, hvor skemaet kun udledes fra det første element, kan du angive spark.sql.pyspark.legacy.inferArrayTypeFromFirstElement.enabled til true.
  • I Spark 3.4 angives antallet af udsnitsrækker automatisk til 2, når Pandas på Spark API Groupby.applybruges, hvis returtypen for func parameteren ikke er angivet og compute.shortcut_limit er angivet til 0. Denne justering sikrer, at der altid er mindst to udsnitsrækker for at bevare en nøjagtig skemaslutning.
  • Hvis Pandas på Spark API Index.insert er uden for grænserne i Spark 3.4, udløses IndexError med index {} is out of bounds for axis 0 with size {} for at følge pandas 1.4-funktionsmåden.
  • I Spark 3.4 bevares serienavnet i Pandas on Spark API Series.mode for at tilpasse sig pandas 1.4-adfærd.
  • I Spark 3.4 er Column Pandas på Spark-API'en Index.__setitem__ type for at value undgå at øge uventet ValueError indis_list_like, f.eks. Kolonnen kan ikke konverteres til bool: Brug '&' for 'og', '|' for 'eller', '~' for 'not' ved oprettelse af booleske dataframeudtryk..
  • I Spark 3.4 opdateres categories.dtype Pandas on Spark-API'en astype('category') også i henhold til oprindelige data dtype for at følge pandas 1.4-adfærd.
  • I Spark 3.4 understøtter Pandas on Spark-API'en gruppering efter positionsindeksering i GroupBy.head og GroupBy.tail til at følge pandas 1.4. Negative argumenter fungerer nu korrekt og resulterer i intervaller i forhold til slutningen og starten af hver gruppe. Tidligere returnerede negative argumenter tomme rammer.
  • I Spark 3.4, udlede skema processen groupby.apply i Pandas på Spark, vil først udlede pandas type for at sikre nøjagtigheden af pandas dtype så meget som muligt.
  • I Spark 3.4 respekteres sorteringsparameteren Series.concat for at følge pandas 1.4-adfærd.
  • I Spark 3.4 DataFrame.__setitem__ opretter en kopi og erstatter allerede eksisterende matrixer, som IKKE overskrives for at følge pandas 1.4-funktionsmåder.
  • I Spark 3.4 SparkSession.sql fik Pandas on Spark-API'en sql den nye parameter args, som giver binding af navngivne parametre til deres SQL-konstanter.
  • I Spark 3.4 følger Pandas API på Spark for pandas 2.0, og nogle API'er blev udfaset eller fjernet i Spark 3.4 i henhold til ændringerne i pandas 2.0. Se [produktbemærkninger til pandas](https://pandas.pydata.org/docs/dev/whatsnew/) for at få flere oplysninger.

SQL, datasæt og dataramme

  • Siden Spark 3.4 tilføjer INSERT INTO-kommandoer med en eksplicit kolonneliste, der består af færre kolonner end måltabellen, automatisk de tilsvarende standardværdier for de resterende kolonner (eller NULL for alle kolonner, der mangler en eksplicit tildelt standardværdi). I Spark 3.3 eller tidligere ville disse kommandoer mislykkes, og der returneres fejl, der rapporterer, at antallet af angivne kolonner ikke svarer til antallet af kolonner i måltabellen. Deaktivering spark.sql.defaultColumn.useNullsForMissingDefaultValues gendanner den forrige funktionsmåde.
  • Da Spark 3.4 behandles Tal eller Tal(*) fra Teradata som Decimal(38,18). I Spark 3.3 eller tidligere behandles Tal eller Tal(*) fra Teradata som Decimal(38, 0), i hvilket tilfælde brøkdelen fjernes.
  • Da Spark 3.4, v1-database, tabel, permanent visning og funktions-id indeholder 'spark_catalog' som katalognavnet, hvis databasen f.eks. er defineret, er en tabelidentifikator: spark_catalog.default.t. Hvis du vil gendanne den ældre funktionsmåde, skal du angive spark.sql.legacy.v1IdentifierNoCatalog til true.
  • Da Spark 3.4, når ANSI SQL mode(configuration spark.sql.ansi.enabled) er slået til, returnerer Spark SQL altid NULL-resultat ved hentning af en kortværdi med en ikke-eksisterende nøgle. I Spark 3.3 eller tidligere er der en fejl.
  • Siden Spark 3.4 udskriver SQL CLI spark-sql ikke præfikset Error in query: før fejlmeddelelsen for AnalysisException.
  • Siden Spark 3.4 ignorerer funktionen efterstillede tomme strenge, split når regex parameteren er tom.
  • Siden Spark 3.4 udløser funktionen to_binary fejl for et forkert udformet str input. Bruges try_to_binary til at tolerere forkert udformet input og returnere NULL i stedet.
    • En gyldig Base64 streng skal indeholde symboler fra base64 alfabetet (A-Za-z0-9+/), valgfri margen (=) og valgfrie mellemrum. Mellemrum springes over i konvertering, undtagen når der foranstilles indre margensymboler. Hvis udfyldning er til stede, skal den afslutte strengen og følge de regler, der er beskrevet i RFC 4648 § 4.
    • Gyldige hexadecimale strenge må kun indeholde tilladte symboler (0-9A-Fa-f).
    • Gyldige værdier for fmt skelner hexmellem store og små bogstaver , , base64utf-8, utf8.
  • Siden Spark 3.4, spark kaster kun PartitionsAlreadyExistException , når det opretter partitioner, men nogle af dem findes allerede. I Spark 3.3 eller tidligere kan Spark kaste enten PartitionsAlreadyExistException eller PartitionAlreadyExistsException.
  • Siden Spark 3.4 har Spark valideret, at partitionsspecifikationen i ALTER PARTITION følger funktionsmåden for spark.sql.storeAssignmentPolicy, hvilket kan medføre en undtagelse, hvis typekonvertering mislykkes, f.eks. ALTER TABLE .. ADD PARTITION(p='a') hvis kolonnen p er en int-type. Hvis du vil gendanne den ældre funktionsmåde, skal du angive spark.sql.legacy.skipTypeValidationOnAlterPartition til true.
  • Siden Spark 3.4 er vektoriserede læsere som standard aktiveret for de indlejrede datatyper (matrix, kort og struktur). Hvis du vil gendanne den ældre funktionsmåde, skal du angive spark.sql.orc.enableNestedColumnVectorizedReader og spark.sql.parquet.enableNestedColumnVectorizedReader til false.
  • Siden Spark 3.4 BinaryType understøttes ikke i CSV-datakilden. I Spark 3.3 eller tidligere kan brugerne skrive binære kolonner i CSV-datakilden, men outputindholdet i CSV-filer er Object.toString(), hvilket er meningsløst. Hvis brugerne læser CSV-tabeller med binære kolonner, udløser Spark en Unsupported type: binary undtagelse.
  • Siden Spark 3.4 er joinforbindelser til bloomfiltre aktiveret som standard. Hvis du vil gendanne den ældre funktionsmåde, skal du angive spark.sql.optimizer.runtime.bloomFilter.enabled til false.

Struktureret streaming

  • Da Spark 3.4 frarådes, Trigger.Once og brugerne opfordres til at migrere fra Trigger.Once til Trigger.AvailableNow. Se SPARK-39805 for at få flere oplysninger.
  • Siden Spark 3.4 er standardværdien for konfigurationen af Kafka-forskydningshentning (spark.sql.streaming.kafka.useDeprecatedOffsetFetching) ændret fra true til false. Standarden er ikke længere afhængig af forbrugergruppebaseret planlægning, hvilket påvirker den påkrævede ACL. Du kan få flere oplysninger under Struktureret Kafka-integration til streaming.

Nye funktioner og forbedringer af Delta Lake 2.4

Delta Lake er et åben kildekode projekt, der gør det muligt at bygge en lakehousearkitektur oven på datasøer. Delta Lake leverer ACID-transaktioner, skalerbar metadatahåndtering og samler streaming - og batchdatabehandling oven på eksisterende datasøer.

Delta Lake tilbyder især:

  • ACID-transaktioner på Spark: Serialiserbare isolationsniveauer sikrer, at læserne aldrig får vist inkonsekvente data.
  • Skalerbar håndtering af metadata: Bruger spark-distribueret behandlingskraft til at håndtere alle metadata til tabeller i petabyte-skala med milliarder af filer i lethed.
  • Streaming og batchsammenføring : En tabel i Delta Lake er en batchtabel og en streamingkilde og en vask. Streaming af data indfødning, batch historiske backfill, interaktive forespørgsler alle bare arbejde ud af kassen.
  • Gennemtvingning af skemaer: Håndterer automatisk skemavariationer for at forhindre indsættelse af forkerte poster under indtagelse.
  • Tidsrejse: Dataversioner muliggør annulleringer, komplette historiske revisionsspor og reproducerbare eksperimenter med maskinel indlæring.
  • Upserts og deletes: Understøtter fletnings-, opdaterings- og sletningshandlinger for at aktivere komplekse use cases, f.eks. ændring af datahentning, handlinger med langsomt skiftende dimension (SCD), streaming-upserts osv.

De vigtigste funktioner i denne version er som følger

  • Understøttelse af Apache Spark 3.4.
  • Understøtter skrivning af sletningsvektorer for kommandoen DELETE . Tidligere ville alle filer med mindst én tilsvarende række blive omskrevet, når du sletter rækker fra en Delta-tabel. Med sletningsvektorer kan disse dyre omskrivninger undgås. Se Hvad er sletningsvektorer? for at få flere oplysninger.
  • Understøttelse af alle skrivehandlinger i tabeller med sletningsvektorer aktiveret.
  • UnderstøttelsePURGE af fjernelse af sletningsvektorer fra den aktuelle version af en Delta-tabel ved at omskrive datafiler med sletningsvektorer. Du kan finde flere oplysninger i dokumentationen .
  • Understøtter læsning af Skift datafeed for tabeller med sletningsvektorer aktiveret.
  • UnderstøtterREPLACE WHERE udtryk i SQL for selektivt at overskrive data. Tidligere indstillingerne "replaceWhere" blev kun understøttet i DataFrameWriter-API'erne.
  • UnderstøttelsesklausulerWHEN NOT MATCHED BY SOURCE i SQL til kommandoen Flet.
  • Understøtter udeladelse af genererede kolonner fra kolonnelisten for SQL-forespørgsler INSERT INTO . Delta genererer automatisk værdierne for alle ikke-angivne genererede kolonner.
  • Understøttelse af den datatype, TimestampNTZ der er tilføjet i Spark 3.3. Brug kræver TimestampNTZ en Delta-protokolopgradering. Du kan få flere oplysninger i dokumentationen .
  • Tillad , at kolonnetypen for en char eller varchar kolonne ændres til en kompatibel type i ALTER TABLE kommandoen. Den nye funktionsmåde er den samme som i Apache Spark og tillader upcasting fra char eller varchar til varchar eller string.
  • Blok , der bruger overwriteSchema med dynamisk partitionsoverskrivning. Dette scenarie kan beskadige tabellen, da det ikke er alle dataene, der kan fjernes, og skemaet for de nyligt skrevne partitioner kan ikke matche skemaet for de uændrede partitioner.
  • Returner en tom DataFrame værdi for Ændring af datafeed, når der ikke er nogen bekræftelser inden for det angivne tidsstempelområde. Tidligere blev der udløst en fejl.
  • Ret en fejl i Skift datafeedlæsninger for poster, der er oprettet i løbet af den tvetydige time, når der opstår sommertid.
  • Ret en fejl, hvor en forespørgsel om en ekstern Delta-tabel i roden af en S3-bucket udløser en fejl.
  • Fjern lækkede interne Spark-metadata fra Delta-loggen for at gøre alle berørte tabeller læsbare igen.

Læs den fulde version af produktbemærkningerne til Delta Lake 2.4.

Pakker på standardniveau for Java/Scala-biblioteker

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 1.12.262
com.clearspring.analytics Stream 2.9.6
com.esotericsoftware kryo-skyggelagt 4.0.2
com.esotericsoftware minlog 1.3.0
com.fasterxml.jackson jackson-annotationer 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 gcs-connector 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 isolation-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-indfødning 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 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.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-logføring commons-logføring 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 metrics-core 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 robusthed4j-kerne 1.7.1
io.github.resilience4j robusthed4j-forsøg igen 1.7.1
io.netty netty-all 4.1.87.Endelig udg.
io.netty netty-buffer 4.1.87.Endelig udg.
io.netty netty-codec 4.1.87.Endelig udg.
io.netty netty-codec-http2 4.1.87.Endelig udg.
io.netty netty-codec-http-4 4.1.87.Endelig udg.
io.netty netty-codec-socks 4.1.87.Endelig udg.
io.netty netty-common 4.1.87.Endelig udg.
io.netty netty-handler 4.1.87.Endelig udg.
io.netty netty-handler-proxy 4.1.87.Endelig udg.
io.netty netty-resolver 4.1.87.Endelig udg.
io.netty netty-transport 4.1.87.Endelig udg.
io.netty netty-transport-classes-epoll 4.1.87.Endelig udg.
io.netty netty-transport-classes-kqueue 4.1.87.Endelig udg.
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.Endelig udg.
io.opentracing opentracing-api 0.33.0
io.opentracing opentracing-noop 0.33.0
io.opentracing opentracing-util 0.33.0
io.spray spray-json_2.12 1.3.5
io.vavr vavr 0.10.4
io.vavr vavr-match 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 Aktivering 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-tid joda-tid 2.12.2
mysql mysql-connector-java 8.0.18
net.razorvine Lage 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 pileformat 11.0.0
org.apache.arrow arrow-memory-core 11.0.0
org.apache.arrow arrow-memory-netty 11.0.0
org.apache.arrow pilevektor 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.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 3.3.4.5.3-105251583
org.apache.hadoop hadoop-anmærkninger 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-cloudlager 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-common 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-isbjerg 2.4.0.6
org.apache.ivy Ivy 2.5.1
org.apache.kafka kafka-klienter 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 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.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 målgruppeanmærkninger 0.5.0
org.apache.zookeeper Zookeeper 3.6.3.5.3-105251583
org.apache.zookeeper dyrepasser-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 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.jetty molen-util 9.4.50.v20221201
org.eclipse.jetty mol-util-ajax 9.4.50.v20221201
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.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-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 0.9.38
org.roaringbitmap Shims 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-reflektor 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 brise-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 katte-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.Endelig udg.
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

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 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 pydantisk 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
alembisk 1.12.0 keras-forbehandling 1.1.2 pyparsing 3.0.9
alsa-lib 1.2.10 keyutils 1.6.1 pyperclip 1.8.2
ansi2html 1.8.0 kiwisolver 1.4.5 pypika 0.48.9
anyio 3.7.1 krb5 1.21.2 pyqt 5.15.9
appdirs 1.4.4 Halt 3.100 pyqt5-sip 12.12.2
argon2-cffi 23.1.0 lcms2 2.15 pysocks 1.7.1
argon2-cffi-bindinger 21.2.0 ld_impl_linux-64 2.40 python 3.10.12
Pil 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
asynkron 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
autoside 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-kontrolsum 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 Anmodninger 2.31.0
azure-identitet 1.14.1 libgcrypt 1.10.1 requests-oauthlib 1.3.1
azure-storage-blob 12.18.3 libgd 2.3.3 prøver igen 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
backoff 1.11.1 libglib 2.78.0 udvidet 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
bcrypt 4.0.1 libgrpc 1.54.3 ruamel.yaml 0.17.32
beautifulsoup4 4.12.2 libhwloc 2.9.3 ruamel.yaml.clib 0.2.7
Blas 1.0 libiconv 1.17 ruamel_yaml 0.15.80
Blegemiddel 6.1.0 libjpeg-turbo 2.1.5.1 s2n 1.3.49
blinker 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 søfødt 0.12.2
c-ares 1.20.1 libogg 1.3.4 søfødt base 0.12.2
ca-certifikater 2023.7.22 libopus 1.3.1 send2trash 1.8.2
cachelagret egenskab 1.5.2 libpng 1.6.39 sætningstransformere 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
Kairo 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 Seks 1.16.0
chromadb 0.4.13 libstdcxx-ng 13.2.0 Udsnitsfilter 0.0.7
Klik 8.1.7 libsystemd0 254 smmap 5.0.0
Klippe 4.2.0 libthrift 0.18.1 Bidsk 1.1.10
cloudpickle 2.2.1 libtiff 4.6.0 sniffio 1.3.0
clr_loader 0.2.6 libtool 2.4.7 soupsieve 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
coloredlogs 15.0.1 libvorbis 1.3.7 starlette 0.27.0
colorlog 6.7.0 libwebp 1.3.2 statsmodels 0.14.0
Comm 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 tabulate 0.9.0
configparser 5.3.0 libxkbcommon 1.6.0 Tbb 2021.10.0
contourpy 1.1.1 libxml2 2.11.5 Vedholdenhed 8.2.3
Kryptografi 41.0.5 libxslt 1.1.37 tensorboard 2.12.3
Cycler 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 Kalk 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
tankestreg-tabel 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
dataklassificeringer 0,8 markdown 3.4.4 tinycss2 1.2.1
datasæt 2.14.6 markdown-it-py 3.0.0 Tk 8.6.13
Dbus 1.13.6 markupsafe 2.1.3 tokenizers 0.13.3
debugpy 1.8.0 matplotlib 3.7.2 toml 0.10.2
Dekoratør 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
Dild 0.3.7 mdurl 0.1.0 Tornado 6.3.3
diskcache 5.6.3 mistune 3.0.1 tqdm 4.66.1
distlib 0.3.7 mkl 2021.4.0 traitlets 5.12.0
docker-py 6.1.3 mkl-service 2.4.0 Transformers 4.26.0
docker-pycreds 0.4.0 mkl_fft 1.3.1 træfortolkning 0.2.2
indgangspunkter 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-tynd 2.6.0 types-python-dateutil 2.8.19.14
Udfører 1.2.0 monotonisk 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
Kolbe 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 multidikt 6.0.4 URI-skabelon 1.3.0
font-ttf-source-code-pro 2.038 flere processer 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-ecosystem 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
frosne lister 1.4.0 networkx 3,2 Hjul 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
geografisklib 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
glib-værktøjer 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 Tilsidesætter 7.4.0 xorg-libxrender 0.9.11
google-auth-oauthlib 1.0.0 Emballage 23.2 xorg-renderproto 0.11.1
google-pasta 0.2.0 Pandaer 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
greenlet 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 Patos 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
Ferie 0.35 pickleshare 0.7.5 zstd 1.5.5
html5lib 1.1 Pude 10.0.1 Astor 0.8.1
huggingface_hub 0.18.0 Pip 23.1.2 contextlib2 21.6.0
menneskevenligt 10,0 pixman 0.42.2 fillås 3.11.0
Icu 73.2 pkgutil-resolve-name 1.3.10 flydende logføring 0.10.0
idna 3.4 platformdirs 3.5.1 gson 0.0.3
imageio 2.31.1 plotly 5.16.1 jaraco-kontekst 4.3.0
importlib-metadata 6.8.0 Lags 3.11 joblibspark 0.5.2
importlib-ressourcer 6.1.0 Pooch 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 Pox 0.3.3 msgpack 1.0.7
Fortolke 0.4.3 ppft 1.7.6.7 mypy 1.4.1
interpret-core 0.4.3 smuktable 3.8.0 mypy-udvidelser 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 Svar 0.23.3
itsdangerous 2.1.2 pthread-stubs 0.4 rouge-score 0.1.2
Jax 0.4.17 ptyproces 0.7.0 skema 0.7.5
jaxlib 0.4.14 pulsar-klient 3.3.0 simplejson 3.19.2
Jedi 0.19.1 pulseaudio-klient 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 indtastningsudvidelser 4.8.0
jsonschema-specifikationer 2023.7.1 pyasn1 0.5.0 websockets 12.0
jsonschema-with-format-nongpl 4.19.1 pyasn1-moduler 0.3.0 wolframalpha 5.0.0
xmltodict 0.13.0

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
_libgcc_mutex 0,1 r-caret 6.0_94 r-ros 1.0.0
_openmp_mutex 4.5 r-cellranger 1.1.0 r-prettyunits 1.2.0
_r-mutex 1.0.1 r-klasse 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-ur 0.7.0 r-profvis 0.3.8
aws-c-common 0.8.23 r-codetools 0.2_19 r-status 1.2.2
aws-c-compression 0.2.17 r-samlinger 0.3.7 r-progressr 0.14.0
aws-c-event-stream 0.3.1 r-farveområde 2.1_0 r-løfter 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 r-konflikt 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-kontrolsum 0.1.16 r-farveblyant 1.5.2 r-r2d3 0.2.6
aws-crt-cpp 0.20.2 r-legitimationsoplysninger 2.0.1 r-r6 2.5.1
aws-sdk-cpp 1.10.57 r-krydstale 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-krøller 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-certifikater 2023.7.22 r-dbplyr 2.3.4 r-rcolorbrewer 1.1_3
Kairo 1.18.0 r-desc 1.4.2 r-rcpp 1.0.11
Cmake 3.27.6 r-devtools 2.4.5 r-reaktiv 0.4.4
Krøller 8.4.0 r-diagram 1.6.5 r-reactr 0.5.0
Expat 2.5.0 r-opkald 1.2.0 r-readr 2.1.4
font-ttf-dejavu-sans-mono 2.37 r-terningdesign 1,9 r-readxl 1.4.3
font-ttf-inconsolata 3.000 r-diffobj 0.3.5 r-opskrifter 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-fjernbetjeninger 2.4.2.1
fonts-conda-ecosystem 0 r-dtplyr 1.3.1 r-reprex 2.0.2
fonts-conda-forge 0 r-e1071 1.7_13 r-refigur2 1.4.4
Freetype 2.12.1 r-ellipse 0.3.2 r-rjson 0.2.21
fribidi 1.0.10 r-evaluer 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-rversioner 2.1.2
gxx_impl_linux-64 13.2.0 r-fremtid 1.33.0 r-rvest 1.0.3
harfbuzz 8.2.1 r-future.apply 1.11.0 r-sass 0.4.7
Icu 73.2 r-gurgle 1.5.2 r-skalaer 1.2.1
kernel-headers_linux-64 2.6.32 r-generics 0.1.3 r-vælger 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-form 1.4.6
ld_impl_linux-64 2.40 r-gh 1.4.0 r-skinnende 1.7.5.1
lerc 4.0.0 r-gistr 0.9.0 r-skyder 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-lim 1.6.2 r-kvadratm 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-overlevelse 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-test, at 3.2.0
libdeflate 1.19 r-gtsume 1.7.2 r-tekstdeling 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-tidsdato 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-fakkel 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-id'er 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-infer 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-iteratorer 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-saftigjuice 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-strik 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-mærket 2.12.0 r-arbejdsprocesser 1.1.3
libtiff 4.6.0 r-senere 1.3.1 r-arbejdsprocessæt 1.0.1
libutf8proc 2.8.0 r-gitter 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 r-livscyklus 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-lyttev 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-smøremiddel 1.9.3 r-målestok 1.2.0
lz4-c 1.9.4 r-magrittr 2.0.3 r-zip 2.3.0
make 4.3 r-kort 3.4.1 r-zoo 1.8_12
Ncurses 6.4 r-markdown 1.11 rdma-core 28.9
Openssl 3.1.4 r-masse 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 Bidsk 1.1.10
pthread-stubs 0.4 r-modeldata 1.2.0 sysroot_linux-64 2.12
r-pil 12.0.0 r-modelenv 0.1.1 Tk 8.6.13
r-askpass 1.2.0 r-modelmetriske data 1.2.2.2 tktable 2.10
r-hævde, at 0.2.1 r-modelr 0.1.11 ucx 1.14.1
r-backports 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-parallel 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-søjle 1.9.0 xorg-libxrender 0.9.11
r-brio 1.1.3 r-pkgbuild 1.4.2 xorg-libxt 1.3.0
r-kost 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-caller 3.7.3 r-plyr 1.8.9 Zlib 1.2.13
zstd 1.5.5

Relateret indhold