Kørsel 1.2
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
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, ognumber
er en dobbelt typeværdi, der repræsenterer opbevaringsperioden. Standardopbevaringsperioden er angivet til syv dage.
- Sådan rydder du op i en bestemt mappe:
- Vi har introduceret en ny konfigurationsindstilling kaldet
spark.sql.deleteUncommittedFilesWhileListing
, som er angivet tilfalse
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
PersistentVolumnClaim
Spark-driveren s og forsøger at genbruge, hvis de ikke er tildelt direkte eksekveringsmaskiner. Hvis du vil gendanne funktionsmåden før Spark 3.4, kan du angivespark.kubernetes.driver.ownPersistentVolumeClaim
tilfalse
ogspark.kubernetes.driver.reusePersistentVolumeClaim
tilfalse
. - 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
tilfalse
. - Siden Spark 3.4 forsøger Spark at afvikle cachelagret RDD (robust distribueret datasæt) og blande blokke, hvis både
spark.decommission.enabled
ogspark.storage.decommission.enabled
er sande. Hvis du vil gendanne funktionsmåden før Spark 3.4, kan du angive bådespark.storage.decommission.rddBlocks.enabled
ogspark.storage.decommission.shuffleBlocks.enabled
tilfalse
. - 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 angivespark.history.store.hybridStore.diskBackend
tilLEVELDB
.
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
tiltrue
. - I Spark 3.4 angives antallet af udsnitsrækker automatisk til 2, når Pandas på Spark API
Groupby.apply
bruges, hvis returtypen forfunc
parameteren ikke er angivet ogcompute.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 medindex {} 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'enIndex.__setitem__
type for atvalue
undgå at øge uventetValueError
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'enastype('category')
også i henhold til oprindelige datadtype
for at følge pandas 1.4-adfærd. - I Spark 3.4 understøtter Pandas on Spark-API'en gruppering efter positionsindeksering i
GroupBy.head
ogGroupBy.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 pandasdtype
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'ensql
den nye parameterargs
, 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 angivespark.sql.legacy.v1IdentifierNoCatalog
tiltrue
. - 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 præfiksetError in query:
før fejlmeddelelsen forAnalysisException
. - Siden Spark 3.4 ignorerer funktionen efterstillede tomme strenge,
split
nårregex
parameteren er tom. - Siden Spark 3.4 udløser funktionen
to_binary
fejl for et forkert udformetstr
input. Brugestry_to_binary
til at tolerere forkert udformet input og returnere NULL i stedet.- En gyldig
Base64
streng skal indeholde symboler frabase64
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
skelnerhex
mellem store og små bogstaver , ,base64
utf-8
,utf8
.
- En gyldig
- 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 entenPartitionsAlreadyExistException
ellerPartitionAlreadyExistsException
. - 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 kolonnenp
er en int-type. Hvis du vil gendanne den ældre funktionsmåde, skal du angivespark.sql.legacy.skipTypeValidationOnAlterPartition
tiltrue
. - 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
ogspark.sql.parquet.enableNestedColumnVectorizedReader
tilfalse
. - 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 erObject.toString()
, hvilket er meningsløst. Hvis brugerne læser CSV-tabeller med binære kolonner, udløser Spark enUnsupported 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
tilfalse
.
Struktureret streaming
- Da Spark 3.4 frarådes,
Trigger.Once
og brugerne opfordres til at migrere fraTrigger.Once
tilTrigger.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 fratrue
tilfalse
. 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.
- Understøttelse
PURGE
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.
- Understøtter
REPLACE WHERE
udtryk i SQL for selektivt at overskrive data. Tidligere indstillingerne "replaceWhere" blev kun understøttet i DataFrameWriter-API'erne. - Understøttelsesklausuler
WHEN 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 kræverTimestampNTZ
en Delta-protokolopgradering. Du kan få flere oplysninger i dokumentationen . - Tillad , at kolonnetypen for en
char
ellervarchar
kolonne ændres til en kompatibel type iALTER TABLE
kommandoen. Den nye funktionsmåde er den samme som i Apache Spark og tillader upcasting frachar
ellervarchar
tilvarchar
ellerstring
. - 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
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