Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Diese Seite enthält einheitliche Versionshinweise für Databricks Runtime 18 LTS, unterstützt von Apache Spark 4.1.0. Es listet alle Features, Verhaltensänderungen und Korrekturen auf, die im gesamten Databricks Runtime 18 LTS-Releasezyklus bereitgestellt werden.
Note
Veröffentlichungen erfolgen stufenweise. Ihr Azure Databricks Konto wird möglicherweise einige Tage nach dem ursprünglichen Veröffentlichungsdatum nicht aktualisiert.
Über Unified Release Notes
Azure Databricks veröffentlicht Funktionen schrittweise im Verlauf des Releasezyklus, ohne die Versionsnummer zu ändern. Statt für jede Nebenversion separate Seiten zu verwenden, werden alle Aktualisierungen auf dieser einzelnen Seite als datierte Einträge angezeigt. Cluster erhalten Updates, wenn sie neu gestartet werden.
Databricks Runtime 18 ist die erste Version, die dieses einheitliche Format verwendet. Zuvor hatte jede Featureversion (18.0, 18.1, 18.2) eine eigene Versionshinweiseseite. Diese Seiten bleiben referenzierend verfügbar. Features, die zuvor als 18.3 oder höher ausgeliefert wurden, werden jetzt als veraltete Updates für Databricks Runtime 18 ausgeliefert.
Beginnend mit Databricks Runtime 19 folgen die Databricks Runtime-Versionen einem Lebenszyklus von Beta (frühe Evaluation) über GA (Feature-Entwicklung, etwa sechs Monate) bis zu LTS (langfristiger Support, drei Jahre Stabilität und Sicherheitsfixes). Da 18.0 bis 18.2 unter dem vorherigen Modell ausgeliefert wurde, ist Databricks Runtime 18 eine Übergangsversion. Am 23. Juli 2026 wechselte es von GA zu LTS, als Databricks Runtime 19 allgemein verfügbar wurde. Vollständige Lebenszyklusdetails finden Sie unter Databricks Runtime-Supportlebenszyklus.
Databricks Runtime 18: 10. Juni 2026
Databricks Runtime 18 ist jetzt allgemein verfügbar (GA). Details zum Lebenszyklus finden Sie unter Databricks Runtime-Supportlebenszyklus.
Neue Features und Verbesserungen
Die folgenden Features und Verbesserungen sind in dieser Version verfügbar.
- Streaming-Abfrage-ID in Spark Declarative Pipelines auf Lakeflow-Pipelines: Spark Declarative Pipelines auf Lakeflow-Pipelines können nun die Streaming-Abfrage-ID bei Bedarf festlegen.
-
Neue IP-Adressfunktionen (Public Preview): Neue SQL-Funktionen stehen für die Arbeit mit IPv4- und IPv6-Adressen sowie CIDR-Blöcken zur Verfügung, darunter
ip_host,ip_cidr,ip_version,ip_prefix_length,ip_as_binaryip_cidr_containsip_as_stringip_networkip_network_lastundtry_*Varianten für nullsicheres Verhalten. Siehe ip_host und verwandte Funktionen. - On-Demand-Zustands-Repartitionierung (öffentliche Vorschau): Structured Streaming unterstützt nun das Ändern der Anzahl der Mischpartitionen für zustandsbehaftete Abfragen, ohne den Checkpoint-Status zu verlieren. Siehe On-Demand-Zustandsumpartitionierung für zustandsbehaftete Streamingabfragen.
Apache Spark Fixes und Verbesserungen
Diese Version enthält die folgenden Fehlerbehebungen und Verbesserungen, die an Spark vorgenommen wurden:
- Die falsche Nullbehandlung in
LEFT OUTER JOIN LATERALAusdrücken, die enthaltenEXPLODE, wurde behoben. Zuvor haben bestimmte Eingaben falsche NULL-Werte in Ergebnissen erzeugt. - Photon verschiebt doppelte
field_id-Fehler bei der Parquet-Schemaauflösung jetzt, bis auf das betroffene Feld zugegriffen wird. Abfragen, die nicht auf das duplizierte Feld verweisen, werden jetzt erfolgreich ausgeführt, anstatt während der Schemaauflösung fehlzuschlagen.
Databricks Runtime 18: 8. Juni 2026
Apache Spark Fixes und Verbesserungen
Diese Version enthält die folgenden Fehlerbehebungen und Verbesserungen, die an Spark vorgenommen wurden:
-
NEAREST BYist jetzt ein unterstützter SQL-Verknüpfungstyp für Top-K-Nachbarabfragen. -
DESCRIBE TABLE ... PARTITIONwird jetzt für v2-Katalogtabellen unterstützt. Bisher war diese Syntax nur für v1-Tabellen verfügbar. -
UPDATEAbfragen auf DSv2-Tabellen enthalten jetzt Operationsmetriken in der Abfrageausgabe. - DSv2-Partitions-Prädikate unterstützen jetzt geschachtelte Partitionsspalten.
- Ein Fehler wurde behoben, bei dem Aggregatabfragen mit der Aggregatausführung
PartialMergeoderFinalaufgrund fehlender erforderlicher Eingabeattribute fehlschlagen konnten. - Bei umfangreichen externen Sortiervorgängen wird nun das „Bounded k-Way Merging“ verwendet, um Speicherauslastungsfehler beim Auslagern von Daten auf die Festplatte zu reduzieren.
Databricks Runtime 18: 4. Juni 2026
Verhaltensänderungen
Überprüfen Sie die folgenden Änderungen, die wirksam werden, wenn Cluster auf dieser Laufzeit neu gestartet werden.
-
NATURAL JOINGroß-/kleinschreibungsunabhängiger Spaltenabgleich:NATURAL JOINDer Abgleich berücksichtigt nun diespark.sql.caseSensitiveKonfiguration (Standard:false) beim Abgleichen gemeinsamer Spalten zwischen der linken und rechten Seite des Join. Bisher wurde beim Abgleich von Spalten stets zwischen Groß- und Kleinschreibung unterschieden, was dazu führte, dass Spalten, die sich lediglich in der Schreibweise unterschieden (beispielsweiseIDgegenüberid), nicht als gemeinsame Spalten erkannt wurden. Dies führte zu einem stillen cross-join anstelle des erwarteten equi-join. Die entsprechendeUSINGVerknüpfung hat dies bereits richtig behandelt. Um das vorherige Verhalten wiederherzustellen, legen Siespark.sql.legacy.naturalJoinCaseSensitiveColumnMatchingauftruefest.
Databricks Runtime 18: 29. Mai 2026
-
Structured Streaming Deduplizierung mit
NaNKeys: Structured Streaming Deduplizierung behandeltNaNnun (Not-a-Number) Werte mit unterschiedlichen Bitmustern als Duplikate, wenn einedoubleoderfloatSpalte als Deduplizierungsschlüssel verwendet wird.NaNZuvor wurden Werte mit unterschiedlichen internen Darstellungen als eindeutig behandelt und nicht dedupliziert. - Es wurde ein Problem behoben, bei dem Berechtigungen auf Tabellenebene während der Metadatenaktualisierung aus Fremdkatalogtabellen in Unity Catalog (z. B. Tabellen aus Snowflake-Verbindungen) entfernt werden konnten, wodurch Abfragen mit Fehlern vom Typ
INSUFFICIENT_PERMISSIONSfehlschlugen. Berechtigungen bleiben jetzt erhalten, wenn Fremdtabellenmetadaten aktualisiert werden.
Databricks Runtime 18: 18. Mai 2026
Verhaltensänderungen
Überprüfen Sie die folgenden Änderungen, die wirksam werden, wenn Cluster auf dieser Laufzeit neu gestartet werden.
-
CREATE OR REPLACE TABLE:CREATE OR REPLACE TABLEbehält nun standardmäßig bestehende Spalten- und Tabellenkommentare bei. Zuvor wurden Kommentare beim Erneuten Erstellen einer Tabelle gelöscht. Verwaltete Tabellen und Ansichten entsprechen nun dem vorhandenen Verhalten materialisierter Ansichten und Streamingtabellen. -
DataFrame by-name schreibt:
writeTo().append(),writeTo().overwrite(),writeTo().overwritePartitions(), undwrite.mode("append").saveAsTable()castet nun automatisch typkompatible Spalten (zum Beispielintnachlong), um dem Zielschema der Delta-Tabelle zu entsprechen. Zuvor schlugen diese Vorgänge mit einemDELTA_FAILED_TO_MERGE_FIELDS-Fehler fehl, wenn Spaltentypen kompatibel, aber nicht identisch waren. Das Verhalten stimmt jetzt mit SQLINSERT INTO ... BY NAMEüberein.save()undsaveAsTable()im Overwrite-Modus sind nicht betroffen. -
ALTER TABLE SET TBLPROPERTIESfürpipelines.pipelineId:ALTER TABLE <table> SET TBLPROPERTIES('pipelines.pipelineId' = '<pipeline-id>')versucht nun, die spezifizierte Tabelle durch die Pipeline schreibfähig zu machen. Das Festlegen dieser Eigenschaft auf eine normale Tabelle hatte bisher keine Auswirkung. Wenn die Tabelle nicht für Pipeline-Schreibvorgänge geeignet ist, löst der BefehlSETTING_PIPELINES_PIPELINE_ID_NOT_SUPPORTEDaus. -
cloud_files_state: Diecloud_files_statetabellenwertige Funktion (TVF) enthält jetzt eine Spaltediscovery_mode, die zeigt, wie Auto Loader jede Datei entdeckt hat. Dateien, die vor dem Upgrade ermittelt wurden, weisen einennullWert in dieser Spalte auf. -
DESCRIBE EXTENDED AS JSON: Enthält nun die Ergebnisse der prädiktiven Optimierungsbewertung in seiner Ausgabe. Zuvor wurden diese Informationen nicht in der JSON-Ausgabe zurückgegeben. -
Metrische Ansichtsfenster-Messungen: Liefern nun korrekte Ergebnisse zurück, wenn Abfragen
IN, /BETWEENGROUP BYFilter oder gemischte Prädikate auf der Ordnungsspalte des Fensters verwenden. Bisher konnten diese Filtermuster falsche Ergebnisse erzielen.
Neue Features und Verbesserungen
Die folgenden Features und Verbesserungen sind in dieser Version verfügbar.
- Clusterbibliotheken: Wenn Sie PyPI-Bibliotheken, Wheels oder requirements.txt-Dateien auf einem Cluster installieren, zeigen die Registerkarte Bibliotheken und die Libraries REST API nun alle gelösten und installierten Pakete an, einschließlich transitiver Abhängigkeiten. Bei Installationen, die mehr als 500 Pakete auflösen, wird die Liste gekürzt. Der vollständige Installationsbericht ist in den Treiberprotokollen des Clusters verfügbar.
-
array_sortmit benutzerdefinierten Komparatoren: Photon beschleunigtarray_sortnun Ausdrücke, die benutzerdefinierte Komparatoren verwenden, um Strukturarrays nach einem oder mehreren Feldern zu sortieren. Bisher fielen diese Ausdrücke auf die Nicht-Photon-Ausführung zurück. Um diese Optimierung zu aktivieren, legen Sie diesespark.databricks.photon.rewriteArraySortComparator.enabledEinstellung auftrue.
Apache Spark Fixes und Verbesserungen
Diese Version enthält die folgenden Fehlerbehebungen und Verbesserungen, die an Spark vorgenommen wurden:
- SQL-Abfragen unterstützen jetzt eine
QUALIFYKlausel, mit der Sie direkt in der Abfrage nach Fensterfunktionsergebnissen filtern können. Zuvor musste die Abfrage dazu in eine Unterabfrage eingebettet werden. -
spark.read.json,spark.read.csv, undspark.read.xmlakzeptieren nun einen DataFrame als Eingabe, sodass Sie Speicherdaten parren können, ohne sie zunächst in einer Datei zu speichern. -
DataFrame.changes()ist jetzt zum Lesen von Change Data Capture (CDC)-Ausgaben über die DataFrame-API verfügbar. - Wenn auf eine DataFrame-Spalte aus dem falschen DataFrame verwiesen wird, benennt der Fehler jetzt die bestimmte Spalte. Sie können auch festlegen
spark.sql.columnResolution.strict, dass Spark einen strengeren Spaltenabgleich erzwingt und diese Fehler früher abfangen kann. -
MERGE INTODie Schema-Entwicklung funktioniert jetzt korrekt, wenn die AnweisungWHEN MATCHED THEN DELETEenthält oder über einen Alias auf verschachtelte Spalten verweist. Bisher konnten diese Kombinationen fehlschlagen oder im Hintergrund falsche Ergebnisse erzielen. -
SHOW COLLATIONSlistet alle unterstützten Sortierungen und deren Eigenschaften auf, was bei der Auswahl einer Sortierung oder eines Vergleichs von Text nützlich ist. - Der Abfrageoptimierer von Spark schätzt nun korrekt, wie viel Datenfilter reduziert werden. Aufgrund falscher Schätzungen hat Spark bisher bei Joins große Tabellen vollständig in den Arbeitsspeicher geladen, was zu Speicherauslastungsfehlern führte.
- Abfragen mit mehreren
COUNT(DISTINCT)Ausdrücken werden schneller ausgeführt, da Spark jetzt die Daten früher im Ausführungsplan reduziert, anstatt sie zuerst zu erweitern. - Python UDFs, die die Pfeiloptimierung verwenden, führen keine unnötige Datenformatkonvertierung mehr aus, wodurch der Aufwand reduziert wird.
- Stream-Stream-Non-Outer-Joins können nun nicht nur im Append-Modus, sondern auch im Update-Modus Ergebnisse ausgeben, wodurch sie in weitere Ausgabeziele schreiben können.
- JDBC-Verbindungen werden jetzt ordnungsgemäß geschlossen, wenn eine Aufgabe abgebrochen wird. Zuvor konnte ein Abbruch eine Verbindung offen lassen, wodurch spätere Aufgaben hängen bleiben konnten.
-
array_insertführt nicht mehr zu falschen Ergebnissen, wenn eine sehr große negative Zahl als Einfügeposition angegeben wird.
Databricks Runtime 18: 4. Mai 2026
Verhaltensänderungen
Überprüfen Sie die folgenden Änderungen, die wirksam werden, wenn Cluster auf dieser Laufzeit neu gestartet werden.
-
XPath: Beim Auswerten von XPath über XML lädt Azure Databricks keine externen Document Type Definitions (DTDs) mehr. Abfragen, die zuvor nur aufgrund eines nicht erreichbaren externen DTD-Verweises fehlgeschlagen waren, können jetzt erfolgreich sein. -
NULL-Struct-Verhalten mit Schema Evolution: Für
INSERT,MERGEund Streaming-Writes, die Schema Evolution verwenden, wird eine NULL-Struktur in der Quelle nun als NULL im Ziel gespeichert. Zuvor wurden NULL-Strukturen fälschlicherweise als Nicht-NULL-Strukturen materialisiert, bei denen jedes Feld auf NULL gesetzt war. Aktualisieren Sie allen Code, der davon ausging, eine nicht-null-Struktur zu erhalten, deren Felder alle NULL waren – in diesen Fällen wird jetzt eine NULL-Struktur zurückgegeben. -
NATURAL JOIN: Verwendet jetzt korrekt den Spaltenabgleich ohne Berücksichtigung der Groß- und Kleinschreibung, wennspark.sql.caseSensitiveauffalsegesetzt ist (der Standard). Bisher wurden Spalten, die sich nur in der Groß-/Kleinschreibung unterschieden (z. B.IDgegenüberid), nicht als übereinstimmend erkannt, wodurchNATURAL JOINstillschweigend cross-join-Ergebnisse erzeugte. Diese Korrektur bringt das Verhalten vonNATURAL JOINmitUSINGJoins in Einklang. - AWS SDK v1-Abhängigkeiten: Jetzt isoliert und nicht mehr direkt auf dem Klassenpfad verfügbar. Wenn Ihr Code von AWS SDK v1-Bibliotheken abhängt, die zuvor von Databricks Runtime bereitgestellt wurden, fügen Sie sie als explizite Abhängigkeiten in Ihrem Projekt hinzu.
- SQL-UDF-Abhängigkeitsvalidierung im Unity Catalog: Unity Catalog erzwingt nun die Abhängigkeitsvalidierung für benutzerdefinierte SQL-Funktionen, um eine Umgehung der Zugriffskontrolle zu verhindern. SQL UDFs mit ungültigen Abhängigkeitskonfigurationen werden von der Ausführung blockiert.
-
LEFT OUTER JOIN LATERAL: Ein Fehler, bei dem Zeilen falsch entfernt wurden, wurde behoben. Abfragen, die dieses Konstrukt verwenden, geben jetzt die richtigen Ergebnisse zurück. Um vorübergehend zum vorherigen Verhalten zurückzukehren, setzen Siespark.databricks.sql.optimizer.lateralJoinPreserveOuterSemanticauftrue. -
regr_r2: Behandelt nun den ersten Parameter korrekt als abhängige Variable. Abfragen, die auf dem vorherigen falschen Verhalten basieren, geben unterschiedliche Ergebnisse zurück. -
Hyperbolische Funktionen:
sinh,cosh,tanhund verwandte hyperbolische Funktionen geben nunInfinityzurück, statt einen Überlauffehler auszulösen, wenn sehr große Eingaben gegeben werden. -
asinhundacosh: verwenden jetzt den fdlibm-Algorithmus für Cross-Engine-Konsistenz. Die Ergebnisse können sich geringfügig von früheren Versionen für Edge-Case-Eingaben unterscheiden. -
LIKEMusterabgleich: Behandelt jetzt ergänzende Unicode-Zeichen korrekt (Codepunkte über U+FFFF). Muster, die bei diesen Zeichen zuvor fälschlicherweise übereinstimmten oder fehlschlugen, liefern jetzt die korrekten Ergebnisse. -
VOID(NullType) Spalten: Delta-Tabellen unterstützen jetztVOID-Spalten (NullType).VOIDSpalten werden beim Lesen nicht mehr aus dem Tabellenschema entfernt. Schreibvorgänge sind nicht betroffen.
Neue Features und Verbesserungen
Die folgenden Features und Verbesserungen sind in dieser Version verfügbar.
-
CREATE OR REPLACE TEMP TABLE: Wird jetzt unterstützt und ermöglicht Ihnen, temporäre Tabellen in einer einzigen Anweisung zu erstellen oder zu ersetzen. -
agg(): Jetzt als Alias für die Funktionmeasure()verfügbar. Vorhandene Abfragen, diemeasure()verwenden, funktionieren weiterhin ohne Änderungen. -
pyspark.pipelines.testing: Jetzt als Convenience-Alias fürdlt.testingAPIs verfügbar. - Auto-Loader-Listing-Performance: Auto Loader verwendet jetzt eine effizientere Listing-Methode, die die Listing-Geschwindigkeit für Cloud-Speicherquellen verbessert. Wenn Ihr Datenstrom aufgrund von langen Auflistungsvorgängen überlappend auslöst, kann diese Optimierung zu höheren Kosten für die Cloudauflistungs-API führen.
-
DESCRIBE HISTORYOption-Flags schreiben: Der Delta-Tabellenverlauf (DESCRIBE HISTORY) enthält jetzt Schreiboptionen-Flags inoperationParametersforWRITEundREPLACE TABLEOperationen. Flags werden nur angezeigt, wenntrue:isDynamicPartitionOverwrite,canOverwriteSchema,canMergeSchema,predicateundisV1WriterSaveAsTableOverwrite. -
SparkSession.emptyDataFrame: Jetzt verfügbar als Convenience-API zum Erstellen eines leerenDataFrameohne Spalten und ohne Zeilen. -
TIMESTAMP WITH LOCAL TIME ZONE: Jetzt als SQL-Syntaxalias für den TypTIMESTAMP_LTZunterstützt. -
to_jsonsortKeysOption: Die Funktionto_jsonakzeptiert nun einesortKeysOption, JSON-Ausgabe mit Schlüsseln in sortierter Reihenfolge zu erzeugen. -
spark.catalog.*: API-Methoden haben nun Feature-Parität mit ihren äquivalenten DDL-Befehlen für Katalog-, Schema- und Tabellenoperationen. - [Sicherheitsbehebung] Betriebssystem-Sicherheitsupdates.
Databricks Runtime 18: 20. April 2026
- Die CRS-Raumreferenzinstanz für den Typ
GEOMETRY(102100)wurde korrigiert. Die Autorität wird jetzt alsESRI:102100stattEPSG:102100gemeldet. - [Sicherheitsbehebung] Betriebssystem-Sicherheitsupdates.
Databricks Runtime 18: 2. April 2026
- Verbesserte Fehlerbehandlung für Abfragen, die Daten in Delta-Tabellen schreiben, die eine
VOID(NullType) Spalte innerhalb eines benutzerdefinierten Typs (UDT) enthalten. - JDBC-Streaming-Senken-Verbindungen wenden nun ein 30-Sekunden-Socket-Timeout, eine Wiederholungslogik mit exponentiellem Backoff bei vorübergehenden Fehlern (Verbindungsfehler, Deadlocks, Ratenbegrenzung) sowie ein kontrolliertes Rollback bei unterbrochenen Verbindungen an.
- Sql-Textbeschädigung beim Verwenden von Unicode-Zeichen in parametrisierten Abfragen wurde behoben.
-
SHOW CREATE TABLEliefert jetzt korrekte Ausgaben für Tabellen und Ansichten mit einer nicht standardmäßigen Kollation. - [Sicherheitsbehebung] Betriebssystem-Sicherheitsupdates.
Databricks Runtime 18: 11. März 2026
Verhaltensänderungen
Überprüfen Sie die folgenden Änderungen, die wirksam werden, wenn Cluster auf dieser Laufzeit neu gestartet werden.
-
Beobachtungsmetrikfehler: verursachen keine Ausführungsfehler mehr. Bisher konnten Fehler in
OBSERVEKlauseln (z. B. Division durch Null) die gesamte Abfrage blockieren oder fehlschlagen. Die Abfrage wird nun erfolgreich abgeschlossen, und der Fehler wird ausgelöst, wenn Sie aufrufenobservation.get. -
FILTER-Klausel fürMEASURE: MEASURE-Aggregatfunktionen unterstützen jetzt FILTER-Klauseln. Zuvor wurden Filter unbemerkt ignoriert. -
DESCRIBE FLOW: Der BefehlDESCRIBE FLOWist jetzt verfügbar. Wenn Sie eine Tabelle mit dem Namenflowhaben, verwenden SieDESCRIBE schema.flow,DESCRIBE TABLE flowoderDESCRIBE `flow`mit Backticks. -
SpatialSQL Boolean Set-Operationen:
ST_Difference,ST_Intersection, undST_Unionverwenden eine neue Implementierung mit den folgenden Verbesserungen:- Gültige Eingabegeometrien erzeugen immer ein Ergebnis und lösen keine Fehler mehr aus.
- Ungefähr 2x schnellere Leistung.
- Die Ergebnisse werden für eine konsistente, vergleichbare Ausgabe normalisiert.
- Ausnahmetypen für SQLSTATE:Ausnahmetypen werden aktualisiert, um SQLSTATE zu unterstützen. Wenn Ihr Code Ausnahmen anhand von Zeichenfolgenabgleich analysiert oder bestimmte Ausnahmetypen abfangen, aktualisieren Sie die Fehlerbehandlungslogik.
-
Automatische Streaming-Typerweiterung: Streaming-Lesevorgänge auf Delta-Tabellen unterstützen automatisch die Spaltentyperweiterung. Um eine manuelle Bestätigung erforderlich zu machen, legen Sie diese
spark.databricks.delta.typeWidening.enableStreamingSchemaTrackingEinstellung auftrue.
Neue Features und Verbesserungen
Die folgenden Features und Verbesserungen sind in dieser Version verfügbar.
Auto Loader-Dateiereignisse standardmäßig: Auto Loader verwendet standardmäßig Dateiereignisse beim Laden von einem externen Speicherort mit aktivierten Dateiereignissen, was Listenoperationen und Kosten im Vergleich zur Verzeichnisauflistung reduziert. Siehe Übersicht über Auto Loader mit Dateiereignissen. Wenn Sie stattdessen die Verzeichnisliste verwenden möchten, legen Sie
useManagedFileEventsauffalsefest.Schemaentwicklung mit
INSERT: Verwenden Sie dieWITH SCHEMA EVOLUTIONKlausel mit SQL-Anweisungen INSERT , um das Schema der Zieltabelle während Einfügungsoperationen automatisch weiterzuentwickeln. Unterstützt fürINSERT INTO,INSERT OVERWRITE, undINSERT INTO ... REPLACE. Beispiel:INSERT WITH SCHEMA EVOLUTION INTO students TABLE visiting_students_with_additional_id;Delta-Sharing-Multi-Statement-Transaktionen: Delta-Sharing-Tabellen, die vorsignierte URL- oder Cloud-Token-Sharing-Modi verwenden, unterstützen Multi-Statement-Transaktionen. Beim ersten Zugriff innerhalb einer Transaktion wird die Tabellenversion angeheftet und für alle nachfolgenden Lesevorgänge in dieser Transaktion wiederverwendet.
parse_timestamp: Die parse_timestamp SQL-Funktion parst Zeitstempel-Zeichenketten mithilfe mehrerer Muster mit Photon-Engine-Unterstützung für eine verbesserte Leistung.max_byundmin_byoptionallimit: Die aggregierten Funktionen max_by und min_by akzeptieren nun ein optionales drittes Argumentlimit(bis zu 100.000). Wenn angegeben, geben die Funktionen ein Array mit bis zulimitWerten zurück, was Top-K- und Bottom-K-Abfragen ohne Fensterfunktionen oder CTEs vereinfacht.DATETIMEOFFSETfür Azure Synapse : DerDATETIMEOFFSETDatentyp wird für Microsoft Azure Synapse-Verbindungen unterstützt.Google BigQuery-Tabellenkommentare: Google BigQuery-Tabellenbeschreibungen werden aufgelöst und als Tabellenkommentare offengelegt.
IGNORE NULLS/RESPECT NULLSfürarray_aggundcollect_list: Die Aggregatfunktionenarray_aggundcollect_listunterstützen jetzt die KlauselnIGNORE NULLSundRESPECT NULLS.PIVOTAliase: Die KlauselPIVOTunterstützt jetzt Aliase, sodass Sie Pivot-Spaltenausdrücke in der Ausgabe umbenennen können.SQL-Scripting-Variablen
CURSOR: SQL-Scripting unterstütztCURSORjetzt Variablen zum Iterieren eines Abfrageergebnisses Reihe für Zeile innerhalb eines Skriptblocks.Vektormathematik-Aggregatfunktionen: Neue vektormathematische Aggregatfunktionen sind verfügbar: vector_avg, vector_sum, vector_norm und vector_normalize. Diese Funktionen funktionieren auf dichten Vektorspalten und unterstützen ML-Workloads.
Trigger.AvailableNowin Python-Streaming-Readern: Python-Datenquellen-Streaming-Reader unterstützen jetztTrigger.AvailableNowund Admission Control, was eine einmalige Batch-Verarbeitung aller verfügbaren Daten ermöglicht.State Repartition API in PySpark: Die State Repartition API für
TransformWithStateStreaming-Operatore ist jetzt zusätzlich zu Scala auch in PySpark verfügbar. Siehe On-Demand-Zustandsumpartitionierung für zustandsbehaftete Streamingabfragen.applyInPandasPerformance-Fix: Eine 3-fache LeistungsregressionapplyInPandasfür große Gruppen wurde behoben.
Databricks Runtime 18: 10. März 2026
- Fehlermeldungen für skalare Unterabfragen, die mit
EXEC IMMEDIATEverwendet werden, machen die spezifische Ursache nun deutlicher kenntlich. - Es wurde eine Racebedingung in der Komprimierung des Streamingprüfpunktprotokolls behoben, die in strukturierten Streaming-Abfragen zu einem nicht deterministischen Verhalten führen konnte.
- [Sicherheitsbehebung] Betriebssystem-Sicherheitsupdates.
Databricks Runtime 18: 26. Februar 2026
-
SET METADATA ON COLUMNundUNSET METADATA ON COLUMNSQL-Befehle sind jetzt zur Verwaltung semantischer Metadaten auf Unity-Katalog-Tabellenspalten verfügbar. DientSET METADATA ON COLUMNzum Anfügen von Eigenschaften (display_name,formatundsynonyms) an Spalten. Verwenden SieUNSET METADATA ON COLUMN, um zuvor festgelegte Metadateneigenschaften zu entfernen. -
DESCRIBE TABLEenthält jetzt einemetadataSpalte, die semantische Metadaten auf Spaltenebene als JSON-Zeichenkette anzeigt. - Es wurde ein PySpark-Importfehler in Windows Umgebungen behoben, die durch ein fehlendes
UnixStreamSerververursacht wurden. - [Sicherheitsbehebung] Betriebssystem-Sicherheitsupdates.
Databricks Runtime 18: 19. Februar 2026
- Beim Ableiten des Schemas von Excel Dateien werden Zeichenfolgenzellen jetzt als Spark
StringTypeabgeleitet, wobei der in Excel festgelegte Zelltyp berücksichtigt wird. Zuvor wurden Zeichenfolgen mit numerischen Werten automatisch in eingeschränktere Typen wieLongoderDecimalumgewandelt. Aktualisieren Sie Code, der auf dem vorherigen Verhalten basiert. -
DataFrame.toJSON()ist jetzt im Python Spark Connect Client verfügbar. - [Sicherheitsbehebung] Betriebssystem-Sicherheitsupdates.
Databricks Runtime 18: 27. Januar 2026
- Auto Loader meldet jetzt
batchSizeNumFiles,batchSizeNumBytesund Dateiverarbeitungszustände (numFilesProcessed,numFilesSkippedCorrupted,numFilesSkippedMissing,numFilesUnknownState) als Metriken. -
INSERT INTO ... BY NAMEunterstützt nun dieREPLACE WHEREKlausel. - Die Konfigurationseigenschaft
spark.sql.xml.legacyXMLParser.enabledwurde umbenannt inspark.sql.legacy.useLegacyXMLParser. Aktualisieren Sie alle Cluster- oder Sitzungskonfigurationen, die den alten Namen verwenden. - Wenn
spark.task.resource.gpu.amountgrößer als 1 ist, startet Torch Distributor jetzt einentorchrunProzess pro GPU statt pro Aufgabe. - [Sicherheitsbehebung] Betriebssystem-Sicherheitsupdates.
Databricks Runtime 18: 15. Januar 2026
Databricks Runtime 18 ist jetzt in der Featureentwicklung, unterstützt von Apache Spark 4.1.0. Diese Version enthält alle Features, Verbesserungen und Fehlerbehebungen aller vorherigen Databricks-Runtime-Versionen.
Verhaltensänderungen
Überprüfen Sie die folgenden Änderungen, die wirksam werden, wenn Cluster auf dieser Laufzeit neu gestartet werden.
JDK 21: Databricks Runtime 18 verwendet JDK 21 als Standard-Java Development Kit. JDK 21 ist allgemein verfügbar und ist eine langfristige Supportversion (LTS). Zuvor war der Standardwert JDK 17. Wichtige Änderungen:
-
Double.toString()Float.toString()und erzeugen nun die kürzesten eindeutigen String-Darstellungen, die sich in einigen Randfällen von JDK-17-Ausgaben unterscheiden können. -
Thread.stop(),Thread.suspend()undThread.resume()lösen jetztUnsupportedOperationExceptionaus. - Aktualisierte lokale Daten (CLDR v42) können sich möglicherweise auf die Formatierung von Datum, Uhrzeit und Zahlen auswirken.
Wenn Kompatibilitätsprobleme auftreten, sollten Sie auf JDK 17 zurückgreifen. Informationen zum Konfigurieren von JDK-Versionen finden Sie unter Erstellen eines Clusters mit einer bestimmten JDK-Version.
-
FSCK REPAIR TABLE: Enthält jetzt einen ersten Metadaten-Reparaturschritt, bevor nach fehlenden Datendateien geprüft wird. Der Befehl funktioniert in Tabellen mit beschädigten Prüfpunkten oder ungültigen Partitionswerten.Spark Connect Scala Nullabilität: Die Nullabilität von Array- und Map-Typen wird nun für typisierte Literals im Spark Connect Scala-Client beibehalten. Zuvor waren Elemente von Arrays und Werten von Karten immer nullfähig.
FSCK REPAIR TABLE DRY RUN: Die SpaltedataFilePathimFSCK REPAIR TABLE DRY RUNAusgabeschema ist jetzt nullierbar, um die Meldung neuer Problemtypen zu unterstützen, bei denen der Datenpfad nicht anwendbar ist.SHOW TABLES DROPPED: Respektiert nun dieLIMITKlausel korrekt.Python UDF-Ausführung: Unity Catalog Python UDFs verwenden nun Apache Arrow als Standard-Austauschformat, was die Gesamtleistung verbessert. Im Rahmen dieser Änderung enthalten die an die Python-UDFs übergebenen Werte keine Zeitzoneninformationen mehr im
TIMESTAMPdatetime-Attribut des Objekts. Die Zeitstempelwerte selbst verbleiben in UTC, aber die Metadaten der Zeitzone werden jetzt gelöscht. Wenn Ihre UDF von den Zeitzoneninformationen abhängt, stellen Sie sie mitdate = date.replace(tzinfo=timezone.utc)wieder her. Weitere Informationen finden Sie unter Zeitzonenverhalten von Zeitstempeln bei zeilenweiser Verarbeitung.Zeitreisen und
VACUUMAufbewahrung: Azure Databricks blockiert nun Zeitreiseabfragen über den SchwellenwertdeletedFileRetentionDurationhinaus für alle Tabellen. DerVACUUMBefehl ignoriert das Argument "Aufbewahrungsdauer", es sei denn, der Wert beträgt 0 Stunden. Sie könnendeletedFileRetentionDurationnicht größer alslogRetentionDurationoder umgekehrt festlegen.BinaryTypein PySpark : In PySpark wirdBinaryTypejetzt konsequent auf Pythonbytesabgebildet. Zuvor hat PySparkBinaryTypeabhängig vom Kontext entweder inbytesoder inbytearrayabgebildet. Um das alte Verhalten wiederherzustellen, setzen Siespark.sql.execution.pyspark.binaryAsBytesauffalsefest.NULL-Strukturen in Delta MERGE und UPDATE: werden jetzt in Delta MERGE, UPDATE und Streaming-Schreiboperationen, die Struct-Typ-Casts enthalten, als NULL beibehalten. Zuvor wurden NULL-Strukturen auf Strukturierungen mit NULL-Feldern erweitert.
Materialisierung von Partitionsspalten: Partitionierte Delta-Tabellen materialisieren nun Partitionsspalten in neu geschriebenen Parquet-Datendateien. Zuvor wurden Partitionswerte in den Delta-Transaktionsprotokollmetadaten gespeichert und in Verzeichnispfaden wiedergegeben, aber nicht als Spalten in den Parkettdateien selbst geschrieben. Diese Änderung steht im Einklang mit dem Verhalten von Apache Iceberg und UniForm und kann sich auf Workloads auswirken, die Parquet-Dateien direkt lesen, die von Delta Lake geschrieben wurden.
Zeitstempel-Partitions-Zeitzone: Zeitstempel-Partitionswerte wurden zuvor mithilfe der JVM-Zeitzone statt der Konfiguration
spark.sql.session.timeZonein UTC konvertiert. Zeitstempelpartitionswerte werden jetzt ordnungsgemäß mithilfe der Zeitzoneneinstellung der Spark-Sitzung angepasst.DESCRIBE TABLEMetadatenspalte: Die Ausgabe vonDESCRIBE TABLE [EXTENDED]jetzt enthält eine neuemetadataSpalte für alle Tabellentypen. Diese Spalte enthält semantische Metadaten (Anzeigename, Format und Synonyme), die in der Tabelle als JSON-Zeichenfolge definiert sind.
Neue Features und Verbesserungen
Die folgenden Features und Verbesserungen sind in dieser Version verfügbar.
- SQL-Skripting: Die SQL-Skriptfunktion ist jetzt allgemein verfügbar.
-
Gemeinsame Isolation für Unity Catalog Python UDFs: Unity Catalog Python UDFs mit demselben Eigentümer können nun standardmäßig eine Isolationsumgebung teilen. Dies verbessert die Leistung und reduziert die Speicherauslastung, indem die Anzahl der gestarteten separaten Umgebungen reduziert wird. Um sicherzustellen, dass eine UDF immer in einer vollständig isolierten Umgebung ausgeführt wird, fügen Sie die
STRICT ISOLATIONMerkmalsklausel hinzu. Siehe Umgebungsisolation. - SQL-Fensterfunktionen in Metrikansichten: Sie können jetzt SQL-Fensterfunktionen in Metrikansichten verwenden, um laufende Summen, Ranglisten und andere fensterbasierte Berechnungen zu berechnen.
- Dynamische Shuffle-Partitionen im stateless Streaming: Sie können nun die Anzahl der Shuffle-Partitionen in stateless Streaming-Abfragen ändern, ohne die Abfrage neu zu starten.
- AQE und AOS im stateless Streaming: Adaptive Query Execution (AQE) und Auto-optimized Shuffle (AOS) werden jetzt in stateless Streaming-Abfragen unterstützt.
-
Parametermarker: Sie können nun benannte (
:param) und unbenannte (?) Parametermarker praktisch überall verwenden, wo ein literaler Wert des entsprechenden Typs verwendet werden kann. Dazu gehören DDL-Anweisungen wieCREATE VIEW v AS SELECT ? AS c1, SpaltentypenDECIMAL(:p, :s)oderCOMMENT ON t IS :comment. Details finden Sie unter Parametermarkierungen . -
IDENTIFIERKlausel: Die Reichweite derIDENTIFIERKlausel, die Zeichenketten auf SQL-Objektnamen castet, wurde auf nahezu überall dort ausgeweitet, wo ein Kenner erlaubt ist. Ausführliche Informationen finden Sie unter IDENTIFIER Klausel. -
BITMAP_AND_AGG: Die bestehendeBITMAPFunktionsbibliothek enthält jetzt eine neue BITMAP_AND_AGG-Funktion. - Theta-Sketch-Funktionen: Sie können nun eine neue Bibliothek von Funktionen für ungefähre Distinct-Zählungen und Mengenoperationen mit Datasketches Theta Sketch verwenden. Siehe theta_sketch_agg und verwandte Funktionen.
- KLL Skizzenfunktionen: Sie können nun eine neue Bibliothek von Funktionen für approximative Quantilberechnungen mit KLL Sketches verwenden. Siehe kll_sketch_agg_bigint und verwandte Funktionen.
- Neue geospatiale Funktionen: st_azimuth, st_boundary, st_closestpoint und st_geogfromewkt sind jetzt verfügbar.
-
GeometryTypeundGeographyType: Apache Spark unterstützt nun nativeGeometryTypeundGeographyTypeDatentypen in den PySpark- und Java-APIs. Diese Typen unterstützen die Arrow-Serialisierung sowie das Lesen und Schreiben von Parquet und unterscheiden sich von den SQL-Geodatenfunktionen. -
approx_top_k: Die neue approx_top_k Aggregate-Funktion gibt die ungefähr häufigsten Top-K-Werte in einer Spalte mithilfe eines platzeffizienten Skizzenalgorithmus zurück. - Spark Connect JDBC-Treiber: Apache Spark enthält jetzt einen JDBC-Treiber für Spark Connect, der es JDBC-basierten Clients und Tools ermöglicht, sich über das Spark Connect-Protokoll mit Spark zu verbinden.
-
Iterator[pandas.DataFrame]InapplyInPandas:DataFrame.applyInPandasakzeptiert jetzt eine Funktion mit einer SignaturIterator[pandas.DataFrame], wodurch der Overhead bei der Verarbeitung großer Gruppen durch Chargenübertragung von Daten in Chargen reduziert wird. - Check-Constraints: Unterstützt jetzt Vergleiche von Nullwerten im Constraint-Ausdruck.
-
State Repartition API für
TransformWithState: Eine neue State Repartition API steht Streaming-OperatorenTransformWithStatein Scala zur Verfügung, mit der Sie die Schlüsselpartitionierung zustandsbezogener Daten bei Abfrage-Neustarts ändern können. Siehe On-Demand-Zustandsumpartitionierung für zustandsbehaftete Streamingabfragen. -
Python 3.14 in
pyspark-connect:pyspark-clientundpyspark-connectunterstützen jetzt Python 3.14.
Bekannte Probleme
Der Apache Avro Fast Reader kann den Ausführungsspeicher bei langlaufenden Aufgaben erschöpfen: In Databricks Runtime 18 LTS schaltet Apache Avro 1.12.1 standardmäßig den Avro Fast Reader (
org.apache.avro.fastread) ein. Sein schemaspezifischer Reader-Cache wird nicht bereinigt, sodass eine langlebige JVM, die viele Avro-Dateien mit unterschiedlichen Writer-Schemas liest, Reader-Objekte auf dem Executor-Heap ansammelt. Dies betrifft langlaufende Jobs wie Structured Streaming oder Auto Loader-Jobs , die einen großenmaxFilesPerTriggerverwenden. Über mehrere Stunden steigt der Post-GC-Heap-Boden, bis Aufgaben mitjava.lang.OutOfMemoryError: GC overhead limit exceededausfallen. Databricks Laufzeit 17.3 und früher sind nicht betroffen, da der schnelle Leser standardmäßig deaktiviert war. Das wird im Upstream in AVRO-4253 nachverfolgt.Um dies zu umgehen, deaktivieren Sie den schnellen Avro-Reader, indem Sie
-Dorg.apache.avro.fastread=falsezu den JVM-Optionen sowohl für den Treiber als auch für die Executors in der Spark-Konfiguration Ihres Clusters hinzufügen.spark.driver.extraJavaOptionsundspark.executor.extraJavaOptionsenthalten jeweils eine einzelne, durch Leerzeichen getrennte Zeichenkette. Fügen Sie dieses Flag also zu bereits gesetzten Optionen hinzu, anstatt sie zu ersetzen. Zum Beispiel, wenn keine anderen Optionen gesetzt sind:spark.driver.extraJavaOptions -Dorg.apache.avro.fastread=false spark.executor.extraJavaOptions -Dorg.apache.avro.fastread=falseNeustarte den Cluster, damit die Änderung wirksam wird.
Verbesserungen der Bibliothek
Aktualisierte Python-Bibliotheken:
- anyio von 4.6.2 bis 4.7.0
- asttokens von 2.0.5 auf 3.0.0
- azure-core von 1.34.0 bis 1.37.0
- Aktualisierung von azure-mgmt-core von Version 1.5.0 auf 1.6.0
- azure-storage-blob von 12.23.0 bis 12.28.0
- azure-storage-file-datalake von 12.17.0 bis 12.22.0
- boto3 von 1.36.2 bis 1.40.45
- Botocore von 1.36.3 bis 1.40.45
- Zertifi von 31.01.2025 bis 26.04.2025
- Klicken Sie von 8.1.7 auf 8.1.8
- Kryptografie von 43.0.3 bis 44.0.1
- Cython von 3.0.12 bis 3.1.5
- databricks-sdk von 0.49.0 bis 0.67.0
- Deprecated von 1.2.13 auf 1.2.18
- executing von 0.8.3 auf 1.2.0
- fastapi von 0.115.12 bis 0.128.0
- filelock von 3.18.0 auf 3.17.0
- google-api-core von 2.20.0 bis 2.28.1
- google-auth von 2.40.0 bis 2.47.0
- google-cloud-core von 2.4.3 bis 2.5.0
- google-cloud-storage von 3.1.0 bis 3.7.0
- google-crc32c von 1.7.1 bis 1.8.0
- google-resumable-media von 2.7.2 auf 2.8.0
- h11 von 0.14.0 bis 0.16.0
- httpcore von 1.0.2 bis 1.0.9
- httpx von 0.27.0 bis 0.28.1
- isodate von 0.6.1 bis 0.7.2
- Jinja2 von 3.1.5 bis 3.1.6
- jupyter-events von 0.10.0 bis 0.12.0
- jupyter-lsp von 2.2.0 bis 2.2.5
- jupyter_server von 2.14.1 bis 2.15.0
- jupyter_server_terminals von 0.4.4 bis 0.5.3
- mistune von 2.0.4 auf 3.1.2
- mlflow-skinny von 3.0.1 bis 3.8.1
- mmh3 von 5.1.0 bis 5.2.0
- msal von 1.32.3 bis 1.34.0
- nbclient von 0.8.0 bis 0.10.2
- nbconvert von 7.16.4 auf 7.16.6
- nodeenv von 1.9.1 bis 1.10.0
- notebook_shim von 0.2.3 bis 0.2.4
- opentelemetry-api von 1.32.1 bis 1.39.1
- opentelemetry-sdk von 1.32.1 bis 1.39.1
- opentelemetry-semantic-conventions von 0.53b1 auf 0.60b1
- platformdirs von 3.10.0 bis 4.3.7
- prometheus_client von 0.21.0 bis 0.21.1
- proto-plus von 1.26.1 bis 1.27.0
- psycopg2 von 2.9.3 auf 2.9.11
- Pyarrow von 19.0.1 bis 21.0.0
- Pygments von 2.15.1 bis 2.19.1
- pyiceberg von 0.9.0 auf 0.10.0
- python-lsp-server von 1.12.0 bis 1.12.2
- rope von 1.12.0 auf 1.13.0
- s3transfer von 0.11.3 auf 0.14.0
- scipy von 1.15.1 bis 1.15.3
- setuptools von 74.0.0 bis 78.1.1
- six von 1.16.0 auf 1.17.0
- sqlparse von Version 0.5.3 auf Version 0.5.5 aktualisiert
- Stack-Data von 0.2.0 bis 0.6.3
- starlette von 0.46.2 bis 0.50.0
- Tornado von 6.4.2 bis 6.5.1
- types-python-dateutil von 2.9.0.20241206 bis 2.9.0.20251115
- uvicorn von 0.34.2 bis 0.40.0
- Webcolors von 24.11.1 bis 25.10.0
Aktualisierte R-Bibliotheken:
- Pfeil von 19.0.1 bis 22.0.0
- base von 4.4.2 auf 4.5.1
- bigD von 0.3.0 bis 0.3.1
- broom von 1.0.7 auf 1.0.10
- clock von 0.7.2 auf 0.7.3
- commonmark von 1.9.5 auf 2.0.0
- Compiler von 4.4.2 bis 4.5.1
- Anmeldeinformationen von 2.0.2 bis 2.0.3
- curl von Version 6.4.0 auf Version 7.0.0
- data.table von 1.17.0 bis 1.17.8
- Datasets von 4.4.2 bis 4.5.1
- dbplyr von 2.5.0 bis 2.5.1
- devtools von 2.4.5 bis 2.4.6
- diffobj von 0.3.5 bis 0.3.6
- Digest von 0.6.37 bis 0.6.39
- downlit von 0.4.4 auf 0.4.5
- dtplyr von 1.3.1 bis 1.3.2
- evaluate von 1.0.3 auf 1.0.5
- fansi von 1.0.6 bis 1.0.7
- forcats von 1.0.0 bis 1.0.1
- fs von 1.6.5 bis 1.6.6
- future von 1.34.0 auf 1.68.0
- future.apply von 1.11.3 auf 1.20.0
- gargle von 1.5.2 auf 1.6.0
- gert von 2.1.4 auf 2.2.0
- ggplot2 von 3.5.1 bis 4.0.1
- gh von 1.4.1 bis 1.5.0
- git2r von 0.35.0 bis 0.36.2
- glmnet von 4.1-8 bis 4.1-10
- googledrive von 2.1.1 bis 2.1.2
- googlesheets4 von 1.1.1 bis 1.1.2
- Grafiken von 4.4.2 bis 4.5.1
- grDevices von 4.4.2 bis 4.5.1
- Raster von 4.4.2 bis 4.5.1
- Aktualisierung von gt von Version 0.11.1 auf 1.1.0
- hardhat von Version 1.4.1 auf Version 1.4.2
- haven von Version 2.5.4 bis 2.5.5
- hms von 1.1.3 auf 1.1.4
- httpuv von 1.6.15 bis 1.6.16
- httr2 Version 1.1.1 bis Version 1.2.1
- jsonlite von 1.9.1 bis 2.0.0
- später von 1.4.1 auf 1.4.4
- Lava von 1.8.1 bis 1.8.2
- listenv Update von Version 0.9.1 auf Version 0.10.0
- magrittr von 2.0.3 bis 2.0.4
- markdown von 1.13 auf 2.0
- Methoden von 4.4.2 bis 4.5.1
- miniUI von 0.1.1.1 bis 0.1.2
- mlflow Versionen von 2.20.4 bis 3.6.0
- openssl von Version 2.3.3 auf Version 2.3.4 aktualisieren
- parallel von 4.4.2 bis 4.5.1
- parallel von 1.42.0 bis 1.45.1
- pillar von 1.11.0 auf 1.11.1
- pkgbuild von 1.4.6 auf 1.4.8
- Aktualisieren von pkgdown von 2.1.1 auf 2.2.0
- pkgload von 1.4.0 auf 1.4.1
- pROC von 1.18.5 bis 1.19.0.1
- prodlim von 2024.06.25 bis 2025.04.28
- Aktualisierung progressr von Version 0.15.1 auf Version 0.18.0
- promises von 1.3.2 auf 1.5.0
- PostScript von 1.9.0 bis 1.9.1
- purrr von 1.0.4 auf 1.2.0 aktualisieren
- Ragg von 1.3.3 bis 1.5.0
- Rcpp von 1.0.14 bis 1.1.0
- Readr von Version 2.1.5 bis Version 2.1.6
- Rezepte von 1.2.0 bis 1.3.1
- reshape2 von 1.4.4 zu 1.4.5
- rmarkdown von 2.29 auf 2.30
- roxygen2 von 7.3.2 bis 7.3.3
- rprojroot von 2.0.4 bis 2.1.1
- RSQLite von 2.3.9 bis 2.4.4
- rversions von 2.1.2 bis 3.0.0
- rvest von 1.0.4 auf 1.0.5
- sass von Version 0.4.9 auf Version 0.4.10
- skaliert von 1,3,0 auf 1,4.0
- shiny von 1.10.0 auf 1.11.1
- sparklyr von 1.9.1 bis 1.9.3
- SparkR von 4.0.0 bis 4.1.0
- sparsevctrs von 0.3.1 bis 0.3.4
- Splines von 4.4.2 bis 4.5.1
- Statistiken von 4.4.2 bis 4.5.1
- stats4 von 4.4.2 bis 4.5.1
- stringr von Version 1.5.1 bis Version 1.6.0
- systemfonts von 1.2.1 bis 1.3.1
- tcltk von 4.4.2 auf 4.5.1
- Testthat von 3.2.3 bis 3.3.0
- Textgestaltung von 1.0.0 bis 1.0.4
- timeDate von 4041.110 bis 4051.111
- Tinytex von 0,56 bis 0,58
- Tools von 4.4.2 bis 4.5.1
- usethis von 3.1.0 auf 3.2.1
- utils von Version 4.4.2 auf Version 4.5.1
- V8 von 6.0.2 bis 8.0.1
- vroom von 1.6.5 bis 1.6.6
- waldo von 0.6.1 bis 0.6.2
- xfun von 0,51 bis 0,54
- xml2 von 1.3.8 bis 1.5.0
- zeallot von 0.1.0 bis 0.2.0
- zip von 2.3.2 auf 2.3.3
Aktualisierte Java-Bibliotheken:
- com.amazonaws.amazon-kinesis-client aktualisiert von 1.12.0 auf 1.15.3
- com.amazonaws.aws-java-sdk-autoscaling von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-cloudformation von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-cloudfront von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-cloudhsm von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-cloudsearch von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-cloudtrail von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-cloudwatch von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-cloudwatchmetrics von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-codedeploy von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-cognitoidentity von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-cognitosync von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-config von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-core von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-datapipeline von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-directconnect von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-directory von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-dynamodb von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-ec2 von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-ecs von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-efs von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-elasticache von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-elasticbeanstalk von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-elasticloadbalancing von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-elastictranscoder von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-emr von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-glacier von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-glue von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-iam von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-importexport von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-kinesis von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-kms von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-lambda von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-logs von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-machinelearning von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-opsworks von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-rds von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-redshift von 1.12.638 auf 1.12.681
- com.amazonaws.aws-java-sdk-route53 von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-s3 von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-ses von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-simpledb von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-simpleworkflow von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-sns von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-sqs von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-ssm von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-storagegateway von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-sts von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-support von 1.12.638 bis 1.12.681
- com.amazonaws.aws-java-sdk-workspaces von Version 1.12.638 bis Version 1.12.681
- com.amazonaws.jmespath-java von 1.12.638 bis 1.12.681
- com.databricks.databricks-sdk-java von 0.27.0 bis 0.53.0
- com.fasterxml.jackson.datatype.jackson-datatype-jsr310 von 2.18.2 bis 2.18.3
- com.github.luben.zstd-jni von 1.5.6-10 bis 1.5.7-6
- com.google.flatbuffers.flatbuffers-java von 24.3.25 bis 25.2.10
- com.google.guava.failureaccess von 1.0.2 bis 1.0.3
- com.google.guava.guava von 33.4.0-jre auf 33.4.8-jre
- com.microsoft.sqlserver.mssql-jdbc von 11.2.3.jre8 bis 12.8.0.jre8
- commons-cli.commons-cli von 1.9.0 bis 1.10.0
- commons-codec.commons-codec von 1.17.2 bis 1.19.0
- commons-fileupload.commons-fileupload von 1.5 auf 1.6.0
- commons-io.commons-io von 2.18.0 bis 2.21.0
- dev.ludovic.netlib.arpack von 3.0.3 bis 3.0.4
- dev.ludovic.netlib.blas von 3.0.3 bis 3.0.4
- dev.ludovic.netlib.lapack von 3.0.3 bis 3.0.4
- io.dropwizard.metrics.metrics-annotation von 4.2.30 bis 4.2.37
- io.dropwizard.metrics.metrics-core von 4.2.30 bis 4.2.37
- io.dropwizard.metrics.metrics-graphite von 4.2.30 bis 4.2.37
- io.dropwizard.metrics.metrics-healthchecks von 4.2.30 bis 4.2.37
- io.dropwizard.metrics-jmx von 4.2.30 bis 4.2.37
- io.dropwizard.metrics.metrics-json von 4.2.30 bis 4.2.37
- io.dropwizard.metrics.metrics-jvm von 4.2.30 bis 4.2.37
- io.dropwizard.metrics.metrics-servlets von 4.2.30 bis 4.2.37
- io.delta.delta-sharing-client_2.13 von 1.3.10 bis 1.3.11
- io.netty.netty-all von 4.1.118.Final bis 4.2.7.Final
- io.netty.netty-buffer von 4.1.118.Final auf 4.2.7.Final
- Aktualisierung von io.netty.netty-codec von 4.1.118.Final auf 4.2.7.Final
- io.netty.netty-codec-http von 4.1.118.Final bis 4.2.7.Final
- io.netty.netty-codec-http2 von 4.1.118.Final bis 4.2.7.Final
- io.netty.netty-codec-socks von 4.1.118.Final auf 4.2.7.Final
- io.netty.netty-common von 4.1.118.Final bis 4.2.7.Final
- io.netty.netty-handler von 4.1.118.Final bis 4.2.7.Final
- io.netty.netty-handler-proxy von 4.1.118.Final auf 4.2.7.Final
- io.netty.netty-resolver von 4.1.118.Final auf 4.2.7.Final
- io.netty.netty-tcnative-boringssl-static von 2.0.70.Final-db-r0-windows-x86_64 auf 2.0.74.Final-db-r0-windows-x86_64
- io.netty.netty-tcnative-classes von 2.0.70.Final auf 2.0.74.Final
- io.netty.netty-transport von 4.1.118.Final auf 4.2.7.Final
- io.netty.netty-transport-classes-epoll von 4.1.118.Final auf 4.2.7.Final
- io.netty.netty-transport-classes-kqueue von 4.1.118.Final bis 4.2.7.Final
- io.netty.netty-transport-native-epoll von 4.1.118.Final-linux-x86_64 auf 4.2.7.Final-linux-x86_64
- io.netty.netty-transport-native-kqueue von 4.1.118.Final-osx-x86_64 auf 4.2.7.Final-osx-x86_64
- io.netty.netty-transport-native-unix-common von 4.1.118.Final bis 4.2.7.Final
- joda-time.joda-time von 2.13.0 bis 2.14.0
- org.apache.arrow.arrow-format von 18.2.0 auf 18.3.0
- org.apache.arrow.arrow-memory-core von 18.2.0 bis 18.3.0
- org.apache.arrow.arrow-memory-netty von 18.2.0 bis 18.3.0
- org.apache.arrow.arrow-memory-netty-buffer-patch von 18.2.0 auf 18.3.0
- org.apache.arrow.arrow-vector von 18.2.0 bis 18.3.0
- org.apache.avro.avro von 1.12.0 zu 1.12.1
- org.apache.avro.avro-ipc von 1.12.0 auf 1.12.1
- org.apache.avro.avro-mapred von Version 1.12.0 zu Version 1.12.1
- org.apache.commons.commons-collections4 von 4.4 bis 4.5.0
- org.apache.commons.commons-compress von 1.27.1 auf 1.28.0
- org.apache.commons.commons-lang3 von 3.17.0 bis 3.19.0
- org.apache.commons.commons-text von 1.13.0 bis 1.14.0
- org.apache.curator.curator-client von 5.7.1 bis 5.9.0
- org.apache.curator.curator-framework von 5.7.1 bis 5.9.0
- org.apache.curator.curator-recipes von 5.7.1 bis 5.9.0
- org.apache.datasketches.datasketches-java von 6.1.1 bis 6.2.0
- org.apache.hadoop.hadoop-client-runtime von 3.4.1 auf 3.4.2
- org.apache.orc.orc-core von 2.1.1-shaded-protobuf auf 2.2.0-shaded-protobuf
- org.apache.orc.orc-format von 1.1.0-shaded-protobuf auf 1.1.1-shaded-protobuf
- org.apache.orc.orc-mapreduce von 2.1.1-shaded-protobuf auf 2.2.0-shaded-protobuf
- org.apache.orc.orc-shims von Version 2.1.1 auf Version 2.2.0
- org.apache.xbean.xbean-asm9-shaded von 4.26 bis 4.28
- org.apache.zookeeper.zookeeper aktualisiert von 3.9.3 auf 3.9.4
- org.apache.zookeeper.zookeeper-jute von 3.9.3 bis 3.9.4
- org.eclipse.jetty.jetty-client von 9.4.53.v20231009 bis 10.0.26
- org.eclipse.jetty.jetty-http von 9.4.53.v20231009 bis 10.0.26
- Aktualisierung von org.eclipse.jetty.jetty-io von 9.4.53.v20231009 auf 10.0.26
- org.eclipse.jetty.jetty-jndi von 9.4.53.v20231009 bis 10.0.26
- org.eclipse.jetty.jetty-plus von 9.4.53.v20231009 bis 10.0.26
- org.eclipse.jetty.jetty-proxy von 9.4.53.v20231009 bis 10.0.26
- org.eclipse.jetty.jetty-security von 9.4.53.v20231009 auf 10.0.26
- org.eclipse.jetty.jetty-server von 9.4.53.v20231009 auf 10.0.26
- org.eclipse.jetty.jetty-servlet von 9.4.53.v20231009 bis 10.0.26
- org.eclipse.jetty.jetty-servlets von 9.4.53.v20231009 bis 10.0.26
- org.eclipse.jetty.jetty-util von 9.4.53.v20231009 bis 10.0.26
- org.eclipse.jetty.jetty-webapp von Version 9.4.53.v20231009 auf Version 10.0.26
- org.eclipse.jetty.jetty-xml von 9.4.53.v20231009 bis 10.0.26
- org.mlflow.mlflow-spark_2.13 von 2.9.1 bis 2.22.1
- org.objenesis.objenesis von 3.3 auf 3.4
- org.scala-lang.modules.scala-xml_2.13 von 2.3.0 bis 2.4.0
Databricks ODBC/JDBC-Treiberunterstützung
Databricks unterstützt ODBC-/JDBC-Treiber, die in den letzten 2 Jahren veröffentlicht wurden. Laden Sie die kürzlich veröffentlichten Treiber herunter, und führen Sie ein Upgrade durch (ODBC herunterladen, JDBC herunterladen).
Systemumgebung
- Betriebssystem: Ubuntu 24.04.4 LTS
- Java: Zulu21.42+19-CA
- Skala: 2.13.16
- Python: 3.12.3
- R: 4.5.1
- Delta Lake: 4.2.0
Installierte Python-Bibliotheken
Diese Liste umfasst Python-Pakete, die von Ubuntu-Systempaketen installiert werden, wie zum Beispiel unattended-upgrades und ssh-import-id.
| Bibliothek | Version | Bibliothek | Version | Bibliothek | Version |
|---|---|---|---|---|---|
| aiohappyeyeballs | 2.4.4 | aiohttp | 3.11.10 | aiosignal | 1.2.0 |
| annotierte-Dokumentation | 0.0.4 | annotated-types | 0.7.0 | anyio | 4.7.0 |
| argon2-cffi | 21.3.0 | argon2-cffi-bindings | 21.2.0 | arro3-core | 0.6.5 |
| arrow | 1.3.0 | asttokens | 3.0.0 | astunparse | 1.6.3 |
| async-lru | 2.0.4 | attrs | 24.3.0 | autocommand | 2.2.2 |
| azure-common | 1.1.28 | azure-core | 1.37.0 | azure-identity | 1.20.0 |
| azure-mgmt-core | 1.6.0 | azure-mgmt-web | 8.0.0 | azure-storage-blob | 12.28.0 |
| azure-storage-file-datalake | 12.22.0 | babel | 2.16.0 | backports.tarfile | 1.2.0 |
| beautifulsoup4 | 4.12.3 | black | 24.10.0 | bleach | 6.2.0 |
| blinker | 1.7.0 | boto3 | 1.40.45 | botocore | 1.40.45 |
| cachetools | 5.5.1 | certifi | 2025.4.26 | cffi | 1.17.1 |
| chardet | 4.0.0 | charset-normalizer | 3.3.2 | click | 8.1.8 |
| cloudpickle | 3.0.0 | comm | 0.2.1 | contourpy | 1.3.1 |
| cryptography | 44.0.1 | cycler | 0.11.0 | Cython | 3.1.5 |
| databricks-agents | 1.9.1 | databricks-sdk | 0.67.0 | dataclasses-json | 0.6.7 |
| dbus-python | 1.3.2 | debugpy | 1.8.11 | decorator | 5.1.1 |
| defusedxml | 0.7.1 | Deltalake | 1.1.4 | Deprecated | 1.2.18 |
| distlib | 0.3.9 | docstring-to-markdown | 0.11 | executing | 1.2.0 |
| facets-overview | 1.1.1 | fastapi | 0.128.0 | fastjsonschema | 2.21.1 |
| filelock | 3.17.0 | fonttools | 4.55.3 | fqdn | 1.5.1 |
| frozenlist | 1.5.0 | fsspec | 2023.5.0 | gitdb | 4.0.11 |
| GitPython | 3.1.43 | google-api-core | 2.28.1 | Google-Authentifizierung | 2.47.0 |
| google-cloud-core | 2.5.0 | google-cloud-storage | 3.7.0 | google-crc32c | 1.8.0 |
| google-resumable-media | 2.8.0 | googleapis-common-protos | 1.65.0 | grpcio | 1.67.0 |
| grpcio-status | 1.67.0 | h11 | 0.16.0 | hf-xet | 1.2.0 |
| httpcore | 1.0.9 | httplib2 | 0.20.4 | httpx | 0.28.1 |
| huggingface_hub | 1.2.4 | idna | 3,7 | importlib_metadata | 8.5.0 |
| inflect | 7.3.1 | iniconfig | 1.1.1 | ipyflow-core | 0.0.209 |
| ipykernel | 6.29.5 | ipython | 8.30.0 | ipython-genutils | 0.2.0 |
| ipywidgets | 7.8.1 | isodate | 0.7.2 | isoduration | 20.11.0 |
| jaraco.collections | 5.1.0 | jaraco.context | 5.3.0 | jaraco.functools | 4.0.1 |
| jaraco.text | 3.12.1 | jedi | 0.19.2 | Jinja2 | 3.1.6 |
| jiter | 0.12.0 | jmespath | 1.0.1 | joblib | 1.4.2 |
| json5 | 0.9.25 | jsonpatch | 1.33 | jsonpointer | 3.0.0 |
| jsonschema | 4.23.0 | jsonschema-specifications | 2023.7.1 | jupyter-events | 0.12.0 |
| jupyter-lsp | 2.2.5 | jupyter_client | 8.6.3 | jupyter_core | 5.7.2 |
| jupyter_server | 2.15.0 | jupyter_server_terminals | 0.5.3 | jupyterlab | 4.3.4 |
| jupyterlab_pygments | 0.3.0 | jupyterlab_server | 2.27.3 | jupyterlab_widgets | 1.1.11 |
| kiwisolver | 1.4.8 | langchain-core | 1.2.6 | langchain-openai | 1.1.6 |
| langsmith | 0.6.1 | launchpadlib | 1.11.0 | lazr.restfulclient | 0.14.6 |
| lazr.uri | 1.0.6 | litellm | 1.75.9 | markdown-it-py | 2.2.0 |
| MarkupSafe | 3.0.2 | marshmallow | 3.26.2 | matplotlib | 3.10.0 |
| matplotlib-inline | 0.1.7 | mccabe | 0.7.0 | mdurl | 0.1.0 |
| mistune | 3.1.2 | mlflow-skinny | 3.8.1 | mmh3 | 5.2.0 |
| more-itertools | 10.3.0 | msal | 1.34.0 | msal-extensions | 1.3.1 |
| multidict | 6.1.0 | mypy-extensions | 1.0.0 | nbclient | 0.10.2 |
| nbconvert | 7.16.6 | nbformat | 5.10.4 | nest-asyncio | 1.6.0 |
| nodeenv | 1.10.0 | Notebook | 7.3.2 | notebook_shim | 0.2.4 |
| numpy | 2.1.3 | oauthlib | 3.2.2 | openai | 2.14.0 |
| opentelemetry-api | 1.39.1 | opentelemetry-proto | 1.39.1 | opentelemetry-sdk | 1.39.1 |
| opentelemetry-semantic-conventions | 0,60b1 | orjson | 3.11.5 | Überschreibt | 7.4.0 |
| packaging | 24.2 | pandas | 2.2.3 | pandocfilters | 1.5.0 |
| parso | 0.8.4 | pathspec | 0.10.3 | patsy | 1.0.1 |
| pexpect | 4.8.0 | pillow | 11.1.0 | pip | 25.0.1 |
| platformdirs | 4.3.7 | plotly | 5.24.1 | pluggy | 1.5.0 |
| prometheus_client | 0.21.1 | prompt-toolkit | 3.0.43 | propcache | 0.3.1 |
| proto-plus | 1.27.0 | protobuf | 5.29.4 | psutil | 5.9.0 |
| psycopg2 | 2.9.11 | ptyprocess | 0.7.0 | pure-eval | 0.2.2 |
| Pyarrow | 21.0.0 | pyasn1 | 0.4.8 | pyasn1-modules | 0.2.8 |
| pyccolo | 0.0.71 | pycparser | 2.21 | pydantic | 2.10.6 |
| pydantic_core | 2.27.2 | pyflakes | 3.2.0 | Pygments | 2.19.1 |
| PyGObject | 3.48.2 | pyiceberg | 0.10.0 | PyJWT | 2.10.1 |
| pyodbc | 5.2.0 | pyparsing | 3.2.0 | pyright | 1.1.394 |
| Pyroaring | 1.0.3 | pytest | 8.3.5 | Python-dateutil | 2.9.0.post0 |
| python-dotenv | 1.2.1 | python-json-logger | 3.2.1 | python-lsp-jsonrpc | 1.1.2 |
| python-lsp-server | 1.12.2 | pytoolconfig | 1.2.6 | pytz | 2024.1 |
| PyYAML | 6.0.2 | pyzmq | 26.2.0 | referencing | 0.30.2 |
| regex | 2024.11.6 | requests | 2.32.3 | Anforderungs-toolbelt | 1.0.0 |
| rfc3339-validator | 0.1.4 | rfc3986-validator | 0.1.1 | rich | 13.9.4 |
| rope | 1.13.0 | rpds-py | 0.22.3 | rsa | 4.9.1 |
| s3transfer | 0.14.0 | scikit-learn | 1.6.1 | scipy | 1.15.3 |
| seaborn | 0.13.2 | Send2Trash | 1.8.2 | setuptools | 78.1.1 |
| shellingham | 1.5.4 | six | 1.17.0 | smmap | 5.0.0 |
| sniffio | 1.3.0 | sortedcontainers | 2.4.0 | soupsieve | 2,5 |
| sqlparse | 0.5.5 | ssh-import-id | 5.11 | stack-data | 0.6.3 |
| starlette | 0.50.0 | strictyaml | 1.7.3 | tenacity | 9.0.0 |
| terminado | 0.17.1 | threadpoolctl | 3.5.0 | tiktoken | 0.12.0 |
| tinycss2 | 1.4.0 | tokenize_rt | 6.1.0 | tokenizers | 0.22.2 |
| tomli | 2.0.1 | tornado | 6.5.1 | tqdm | 4.67.1 |
| traitlets | 5.14.3 | typeguard | 4.3.0 | typer-slim | 0.21.1 |
| types-python-dateutil | 2.9.0.20251115 | typing-inspect | 0.9.0 | typing_extensions | 4.12.2 |
| tzdata | 2024.1 | ujson | 5.10.0 | unattended-upgrades | 0.1 |
| uri-template | 1.3.0 | urllib3 | 2.3.0 | uuid_utils | 0.12.0 |
| uvicorn | 0.40.0 | virtualenv | 20.29.3 | wadllib | 1.3.6 |
| wcwidth (Breite eines Zeichens) | 0.2.5 | webcolors | 25.10.0 | webencodings | 0.5.1 |
| websocket-client | 1.8.0 | whatthepatch | 1.0.2 | wheel | 0.45.1 |
| Wann auch immer | 0.7.3 | widgetsnbextension | 3.6.6 | wrapt | 1.17.0 |
| yapf | 0.40.2 | yarl | 1.18.0 | zipp | 3.21.0 |
| zstandard | 0.23.0 |
Installierte R-Bibliotheken
R-Bibliotheken werden aus dem Posit-Paket-Manager CRAN-Snapshot auf PACKAGES installiert.
| Bibliothek | Version | Bibliothek | Version | Bibliothek | Version |
|---|---|---|---|---|---|
| arrow | 22.0.0 | askpass | 1.2.1 | assertthat | 0.2.1 |
| backports | 1.5.0 | base | 4.5.1 | base64enc | 0.1-3 |
| bigD | 0.3.1 | bit | 4.6.0 | bit64 | 4.6.0-1 |
| bitops | 1.0-9 | blob | 1.2.4 | boot | 1.3-30 |
| brew | 1.0-10 | brio | 1.1.5 | broom | 1.0.10 |
| bslib | 0.9.0 | cachem | 1.1.0 | callr | 3.7.6 |
| caret | 7.0-1 | cellranger | 1.1.0 | chron | 2.3-62 |
| class | 7.3-22 | cli | 3.6.5 | clipr | 0.8.0 |
| clock | 0.7.3 | cluster | 2.1.6 | codetools | 0.2-20 |
| commonmark | 2.0.0 | compiler | 4.5.1 | config | 0.3.2 |
| conflicted | 1.2.0 | cpp11 | 0.5.2 | crayon | 1.5.3 |
| Zugangsdaten | 2.0.3 | cURL | 7.0.0 | data.table | 1.17.8 |
| datasets | 4.5.1 | DBI | 1.2.3 | dbplyr | 2.5.1 |
| desc | 1.4.3 | devtools | 2.4.6 | diagram | 1.6.5 |
| diffobj | 0.3.6 | digest | 0.6.39 | downlit | 0.4.5 |
| dplyr | 1.1.4 | dtplyr | 1.3.2 | e1071 | 1.7-16 |
| ellipsis | 0.3.2 | evaluate | 1.0.5 | fansi | 1.0.7 |
| farver | 2.1.2 | fastmap | 1.2.0 | fontawesome | 0.5.3 |
| forcats | 1.0.1 | foreach | 1.5.2 | foreign | 0.8-86 |
| fs | 1.6.6 | future | 1.68.0 | future.apply | 1.20.0 |
| gargle | 1.6.0 | generics | 0.1.4 | gert | 2.2.0 |
| ggplot2 | 4.0.1 | gh | 1.5.0 | git2r | 0.36.2 |
| gitcreds | 0.1.2 | glmnet | 4.1-10 | globals | 0.18.0 |
| glue | 1.8.0 | googledrive | 2.1.2 | googlesheets4 | 1.1.2 |
| gower | 1.0.2 | graphics | 4.5.1 | grDevices | 4.5.1 |
| grid | 4.5.1 | gridExtra | 2.3 | gsubfn | 0.7 |
| gt | 1.1.0 | gtable | 0.3.6 | hardhat | 1.4.2 |
| haven | 2.5.5 | highr | 0.11 | hms | 1.1.4 |
| htmltools | 0.5.8.1 | htmlwidgets | 1.6.4 | httpuv | 1.6.16 |
| httr | 1.4.7 | httr2 | 1.2.1 | ids | 1.0.1 |
| ini | 0.3.1 | ipred | 0.9-15 | isoband | 0.2.7 |
| iterators | 1.0.14 | jquerylib | 0.1.4 | jsonlite | 2.0.0 |
| juicyjuice | 0.1.0 | KernSmooth | 2.23-22 | knitr | 1.50 |
| labeling | 0.4.3 | later | 1.4.4 | lattice | 0.22-5 |
| lava | 1.8.2 | lifecycle | 1.0.4 | listenv | 0.10.0 |
| litedown | 0.8 | lubridate | 1.9.4 | magrittr | 2.0.4 |
| markdown | 2.0 | MASS | 7.3-60.0.1 | Matrix | 1.6-5 |
| memoise | 2.0.1 | methods | 4.5.1 | mgcv | 1.9-1 |
| mime | 0.13 | miniUI | 0.1.2 | mlflow | 3.6.0 |
| ModelMetrics | 1.2.2.2 | modelr | 0.1.11 | nlme | 3.1-164 |
| nnet | 7.3-19 | numDeriv | 2016.8-1.1 | openssl | 2.3.4 |
| otel | 0.2.0 | parallel | 4.5.1 | parallelly | 1.45.1 |
| pillar | 1.11.1 | pkgbuild | 1.4.8 | pkgconfig | 2.0.3 |
| pkgdown | 2.2.0 | pkgload | 1.4.1 | plogr | 0.2.0 |
| plyr | 1.8.9 | praise | 1.0.0 | prettyunits | 1.2.0 |
| pROC | 1.19.0.1 | processx | 3.8.6 | prodlim | 2025.04.28 |
| profvis | 0.4.0 | progress | 1.2.3 | progressr | 0.18.0 |
| promises | 1.5.0 | proto | 1.0.0 | proxy | 0.4-27 |
| ps | 1.9.1 | purrr | 1.2.0 | R6 | 2.6.1 |
| ragg | 1.5.0 | randomForest | 4.7-1.2 | rappdirs | 0.3.3 |
| rcmdcheck | 1.4.0 | RColorBrewer | 1.1-3 | Rcpp | 1.1.0 |
| RcppEigen | 0.3.4.0.2 | reactable | 0.4.4 | reactR | 0.6.1 |
| readr | 2.1.6 | readxl | 1.4.5 | recipes | 1.3.1 |
| rematch | 2.0.0 | rematch2 | 2.1.2 | remotes | 2.5.0 |
| reprex | 2.1.1 | reshape2 | 1.4.5 | rlang | 1.1.6 |
| rmarkdown | 2,30 | RODBC | 1.3-26 | roxygen2 | 7.3.3 |
| rpart | 4.1.23 | rprojroot | 2.1.1 | Rserve | 1.8-15 |
| RSQLite | 2.4.4 | rstudioapi | 0.17.1 | rversions | 3.0.0 |
| rvest | 1.0.5 | S7 | 0.2.1 | sass | 0.4.10 |
| scales | 1.4.0 | selectr | 0.4-2 | sessioninfo | 1.2.3 |
| shape | 1.4.6.1 | shiny | 1.11.1 | sourcetools | 0.1.7-1 |
| sparklyr | 1.9.3 | SparkR | 4.1.0 | sparsevctrs | 0.3.4 |
| spatial | 7.3-17 | splines | 4.5.1 | sqldf | 0.4-11 |
| SQUAREM | 2021.1 | stats | 4.5.1 | stats4 | 4.5.1 |
| stringi | 1.8.7 | stringr | 1.6.0 | survival | 3.5-8 |
| swagger | 5.17.14.1 | sys | 3.4.3 | systemfonts | 1.3.1 |
| tcltk | 4.5.1 | testthat | 3.3.0 | textshaping | 1.0.4 |
| tibble | 3.3.0 | tidyr | 1.3.1 | tidyselect | 1.2.1 |
| tidyverse | 2.0.0 | timechange | 0.3.0 | timeDate | 4051.111 |
| tinytex | 0.58 | tools | 4.5.1 | tzdb | 0.5.0 |
| urlchecker | 1.0.1 | usethis | 3.2.1 | utf8 | 1.2.6 |
| utils | 4.5.1 | uuid | 1.2-1 | V8 | 8.0.1 |
| vctrs | 0.6.5 | viridisLite | 0.4.2 | vroom | 1.6.6 |
| waldo | 0.6.2 | whisker | 0.4.1 | withr | 3.0.2 |
| xfun | 0.54 | xml2 | 1.5.0 | xopen | 1.0.1 |
| xtable | 1.8-4 | yaml | 2.3.10 | zeallot | 0.2.0 |
| zip | 2.3.3 |
Installierte Java- und Scala-Bibliotheken (Scala 2.13-Clusterversion)
| Gruppen-ID | Artefakt-ID | Version |
|---|---|---|
| antlr | antlr | 2.7.7 |
| com.clearspring.analytics | stream | 2.9.8 |
| com.databricks | Rserve | 1.8-3 |
| com.databricks | databricks-sdk-java | 0.53.0 |
| com.databricks | jets3t | 0.7.1-0 |
| com.databricks.scalapb | scalapb-runtime_2.13 | 0.4.15-11 |
| com.esotericsoftware | kryo-shaded | 4.0.3 |
| com.esotericsoftware | minlog | 1.3.0 |
| com.fasterxml | classmate | 1.5.1 |
| com.fasterxml.jackson.core | jackson-annotations | 2.18.2 |
| com.fasterxml.jackson.core | jackson-core | 2.18.2 |
| com.fasterxml.jackson.core | jackson-databind | 2.18.2 |
| com.fasterxml.jackson.dataformat | jackson-dataformat-yaml | 2.15.2 |
| com.fasterxml.jackson.datatype | jackson-datatype-joda | 2.18.2 |
| com.fasterxml.jackson.datatype | jackson-datatype-jsr310 | 2.18.3 |
| com.fasterxml.jackson.module | jackson-module-paranamer | 2.18.2 |
| com.fasterxml.jackson.module | jackson-module-scala_2.13 | 2.18.2 |
| com.github.ben-manes.caffeine | caffeine | 2.9.3 |
| com.github.blemale | scaffeine_2.13 | 4.1.0 |
| com.github.fommil | jniloader | 1.1 |
| com.github.fommil.netlib | native_ref-java | 1.1 |
| com.github.fommil.netlib | native_ref-java | 1.1-natives |
| com.github.fommil.netlib | native_system-java | 1.1 |
| com.github.fommil.netlib | native_system-java | 1.1-natives |
| com.github.fommil.netlib | netlib-native_ref-linux-x86_64 | 1.1-natives |
| com.github.fommil.netlib | netlib-native_system-linux-x86_64 | 1.1-natives |
| com.github.luben | zstd-jni | 1.5.7-6 |
| com.github.virtuald | curvesapi | 1.08 |
| com.github.wendykierp | JTransforms | 3.1 |
| com.google.api.grpc | proto-google-common-protos | 2.5.1 |
| com.google.auth | google-auth-library-credentials | 1.20.0 |
| com.google.auth | google-auth-library-oauth2-http | 1.20.0 |
| com.google.auto.value | AutoValue-Anmerkungen | 1.10.4 |
| com.google.code.findbugs | jsr305 | 3.0.0 |
| com.google.code.gson | gson | 2.11.0 |
| com.google.crypto.tink | tink | 1.16.0 |
| com.google.errorprone | error_prone_annotations | 2.36.0 |
| com.google.flatbuffers | flatbuffers-java | 25.2.10 |
| com.google.guava | failureaccess | 1.0.3 |
| com.google.guava | guava | 33.4.8-jre |
| com.google.http-client | google-http-client | 1.43.3 |
| com.google.http-client | google-http-client-gson | 1.43.3 |
| com.google.j2objc | j2objc-annotations | 3.0.0 |
| com.google.protobuf | protobuf-java | 3.25.5 |
| com.google.protobuf | protobuf-java-util | 3.25.5 |
| com.helger | profiler | 1.1.1 |
| com.ibm.icu | icu4j | 75.1 |
| com.jcraft | jsch | 0.1.55 |
| com.lihaoyi | sourcecode_2.13 | 0.1.9 |
| com.microsoft.azure | azure-data-lake-store-sdk | 2.3.10 |
| com.microsoft.sqlserver | mssql-jdbc | 12.8.0.jre11 |
| com.microsoft.sqlserver | mssql-jdbc | 12.8.0.jre8 |
| com.ning | compress-lzf | 1.1.2 |
| com.sun.mail | javax.mail | 1.5.2 |
| com.sun.xml.bind | jaxb-core | 2.2.11 |
| com.sun.xml.bind | jaxb-impl | 2.2.11 |
| com.tdunning | Json | 1.8 |
| com.thoughtworks.paranamer | paranamer | 2.8 |
| com.trueaccord.lenses | lenses_2.13 | 0.4.13 |
| com.twitter | chill-java | 0.10.0 |
| com.twitter | chill_2.13 | 0.10.0 |
| com.twitter | util-app_2.13 | 19.8.1 |
| com.twitter | util-core_2.13 | 19.8.1 |
| com.twitter | util-function_2.13 | 19.8.1 |
| com.twitter | util-jvm_2.13 | 19.8.1 |
| com.twitter | util-lint_2.13 | 19.8.1 |
| com.twitter | util-registry_2.13 | 19.8.1 |
| com.twitter | util-stats_2.13 | 19.8.1 |
| com.typesafe | config | 1.4.3 |
| com.typesafe.scala-logging | scala-logging_2.13 | 3.9.2 |
| com.uber | h3 | 3.7.3 |
| com.univocity | univocity-parsers | 2.9.1 |
| com.zaxxer | HikariCP | 4.0.3 |
| com.zaxxer | SparseBitSet | 1.3 |
| commons-cli | commons-cli | 1.10.0 |
| commons-codec | commons-codec | 1.19.0 |
| commons-collections | commons-collections | 3.2.2 |
| commons-dbcp | commons-dbcp | 1.4 |
| commons-fileupload | commons-fileupload | 1.6.0 |
| commons-httpclient | commons-httpclient | 3.1 |
| commons-io | commons-io | 2.21.0 |
| commons-lang | commons-lang | 2.6 |
| commons-logging | commons-logging | 1.1.3 |
| commons-pool | commons-pool | 1.5.4 |
| dev.ludovic.netlib | arpack | 3.0.4 |
| dev.ludovic.netlib | blas | 3.0.4 |
| dev.ludovic.netlib | LAPACK | 3.0.4 |
| info.ganglia.gmetric4j | gmetric4j | 1.0.10 |
| io.airlift | aircompressor | 2.0.2 |
| io.delta | delta-sharing-client_2.13 | 1.3.11 |
| io.dropwizard.metrics | metrics-annotation | 4.2.37 |
| io.dropwizard.metrics | metrics-core | 4.2.37 |
| io.dropwizard.metrics | metrics-graphite | 4.2.37 |
| io.dropwizard.metrics | metrics-healthchecks | 4.2.37 |
| io.dropwizard.metrics | metrics-jetty10 | 4.2.37 |
| io.dropwizard.metrics | metrics-jmx | 4.2.37 |
| io.dropwizard.metrics | metrics-json | 4.2.37 |
| io.dropwizard.metrics | metrics-jvm | 4.2.37 |
| io.dropwizard.metrics | metrics-servlets | 4.2.37 |
| io.github.java-diff-utils | java-diff-utils | 4.15 |
| io.netty | netty-all | 4.2.7.Final |
| io.netty | netty-buffer | 4.2.7.Final |
| io.netty | netty-codec | 4.2.7.Final |
| io.netty | netty-codec-base | 4.2.7.Final |
| io.netty | netty-codec-classes-quic | 4.2.7.Final |
| io.netty | Netty-Codec-Komprimierung | 4.2.7.Final |
| io.netty | netty-codec-http | 4.2.7.Final |
| io.netty | netty-codec-http2 | 4.2.7.Final |
| io.netty | netty-codec-http3 | 4.2.7.Final |
| io.netty | netty-codec-marshalling | 4.2.7.Final |
| io.netty | netty-codec-native-quic | 4.2.7.Final-linux-aarch_64 |
| io.netty | netty-codec-native-quic | 4.2.7.Final-linux-x86_64 |
| io.netty | netty-codec-native-quic | 4.2.7.Final-osx-aarch_64 |
| io.netty | netty-codec-native-quic | 4.2.7.Final-osx-x86_64 |
| io.netty | netty-codec-native-quic | 4.2.7.Final-windows-x86_64 |
| io.netty | netty-codec-protobuf | 4.2.7.Final |
| io.netty | netty-codec-socks | 4.2.7.Final |
| io.netty | netty-common | 4.2.7.Final |
| io.netty | netty-handler | 4.2.7.Final |
| io.netty | netty-handler-proxy | 4.2.7.Final |
| io.netty | netty-resolver | 4.2.7.Final |
| io.netty | netty-tcnative-boringssl-static | 2.0.74.Final-db-r0-linux-aarch_64 |
| io.netty | netty-tcnative-boringssl-static | 2.0.74.Final-db-r0-linux-x86_64 |
| io.netty | netty-tcnative-boringssl-static | 2.0.74.Final-db-r0-osx-aarch_64 |
| io.netty | netty-tcnative-boringssl-static | 2.0.74.Final-db-r0-osx-x86_64 |
| io.netty | netty-tcnative-boringssl-static | 2.0.74.Final-db-r0-windows-x86_64 |
| io.netty | netty-tcnative-classes | 2.0.74.Final |
| io.netty | netty-transport | 4.2.7.Final |
| io.netty | netty-transport-classes-epoll | 4.2.7.Final |
| io.netty | netty-transport-classes-io_uring | 4.2.7.Final |
| io.netty | netty-transport-classes-kqueue | 4.2.7.Final |
| io.netty | netty-transport-native-epoll | 4.2.7.Final |
| io.netty | netty-transport-native-epoll | 4.2.7.Final-linux-aarch_64 |
| io.netty | netty-transport-native-epoll | 4.2.7.Final-linux-riscv64 |
| io.netty | netty-transport-native-epoll | 4.2.7.Final-linux-x86_64 |
| io.netty | netty-transport-native-io_uring | 4.2.7.Final-linux-aarch_64 |
| io.netty | netty-transport-native-io_uring | 4.2.7.Final-linux-riscv64 |
| io.netty | netty-transport-native-io_uring | 4.2.7.Final-linux-x86_64 |
| io.netty | netty-transport-native-kqueue | 4.2.7.Final-osx-aarch_64 |
| io.netty | netty-transport-native-kqueue | 4.2.7.Final-osx-x86_64 |
| io.netty | netty-transport-native-unix-common | 4.2.7.Final |
| io.opencensus | opencensus-api | 0.31.1 |
| io.opencensus | opencensus-contrib-http-util | 0.31.1 |
| io.prometheus | simpleclient | 0.16.1-databricks |
| io.prometheus | simpleclient_common | 0.16.1-databricks |
| io.prometheus | simpleclient_dropwizard | 0.16.1-databricks |
| io.prometheus | simpleclient_pushgateway | 0.16.1-databricks |
| io.prometheus | simpleclient_servlet | 0.16.1-databricks |
| io.prometheus | simpleclient_servlet_common | 0.16.1-databricks |
| io.prometheus | simpleclient_tracer_common | 0.16.1-databricks |
| io.prometheus | simpleclient_tracer_otel | 0.16.1-databricks |
| io.prometheus | simpleclient_tracer_otel_agent | 0.16.1-databricks |
| io.prometheus.jmx | collector | 0.18.0 |
| jakarta.annotation | jakarta.annotation-api | 1.3.5 |
| jakarta.servlet | jakarta.servlet-api | 4.0.3 |
| jakarta.validation | jakarta.validation-api | 2.0.2 |
| jakarta.ws.rs | jakarta.ws.rs-api | 2.1.6 |
| javax.activation | activation | 1.1.1 |
| javax.annotation | javax.annotation-api | 1.3.2 |
| javax.el | javax.el-api | 2.2.4 |
| javax.jdo | jdo-api | 3.0.1 |
| javax.transaction | jta | 1.1 |
| javax.transaction | transaction-api | 1.1 |
| javax.xml.bind | jaxb-api | 2.2.11 |
| javolution | javolution | 5.5.1 |
| jline | jline | 2.14.6 |
| joda-time | joda-time | 2.14.0 |
| net.java.dev.jna | jna | 5.8.0 |
| net.razorvine | pickle | 1.5 |
| net.sf.jpam | jpam | 1.1 |
| net.sf.opencsv | opencsv | 2.3 |
| net.sf.supercsv | super-csv | 2.2.0 |
| net.snowflake | snowflake-ingest-sdk | 0.9.6 |
| net.sourceforge.f2j | arpack_combined_all | 0.1 |
| org.acplt.remotetea | remotetea-oncrpc | 1.1.2 |
| org.antlr | ST4 | 4.0.4 |
| org.antlr | antlr-runtime | 3.5.2 |
| org.antlr | antlr4-runtime | 4.13.1 |
| org.antlr | StringTemplate | 3.2.1 |
| org.apache.ant | ant | 1.10.11 |
| org.apache.ant | ant-jsch | 1.10.11 |
| org.apache.ant | ant-launcher | 1.10.11 |
| org.apache.arrow | Pfeilkomprimierung | 18.3.0 |
| org.apache.arrow | arrow-format | 18.3.0 |
| org.apache.arrow | arrow-memory-core | 18.3.0 |
| org.apache.arrow | arrow-memory-netty | 18.3.0 |
| org.apache.arrow | arrow-memory-netty-buffer-patch | 18.3.0 |
| org.apache.arrow | arrow-vector | 18.3.0 |
| org.apache.avro | avro | 1.12.1 |
| org.apache.avro | avro-ipc | 1.12.1 |
| org.apache.avro | avro-mapred | 1.12.1 |
| org.apache.commons | commons-collections4 | 4.5.0 |
| org.apache.commons | commons-compress | 1.28.0 |
| org.apache.commons | commons-configuration2 | 2.11.0 |
| org.apache.commons | commons-crypto | 1.1.0 |
| org.apache.commons | commons-lang3 | 3.19.0 |
| org.apache.commons | commons-math3 | 3.6.1 |
| org.apache.commons | commons-text | 1.14.0 |
| org.apache.curator | curator-client | 5.9.0 |
| org.apache.curator | curator-framework | 5.9.0 |
| org.apache.curator | curator-recipes | 5.9.0 |
| org.apache.datasketches | datasketches-java | 6.2.0 |
| org.apache.datasketches | datasketches-memory | 3.0.2 |
| org.apache.derby | derby | 10.14.2.0 |
| org.apache.hadoop | hadoop-client-runtime | 3.4.2 |
| org.apache.hive | hive-beeline | 2.3.10 |
| org.apache.hive | hive-cli | 2.3.10 |
| org.apache.hive | hive-jdbc | 2.3.10 |
| org.apache.hive | hive-llap-client | 2.3.10 |
| org.apache.hive | hive-llap-common | 2.3.10 |
| org.apache.hive | hive-serde | 2.3.10 |
| org.apache.hive | hive-shims | 2.3.10 |
| org.apache.hive | hive-storage-api | 2.8.1 |
| org.apache.hive.shims | hive-shims-0.23 | 2.3.10 |
| org.apache.hive.shims | hive-shims-common | 2.3.10 |
| org.apache.hive.shims | hive-shims-scheduler | 2.3.10 |
| org.apache.httpcomponents | httpclient | 4.5.14 |
| org.apache.httpcomponents | httpcore | 4.4.16 |
| org.apache.ivy | ivy | 2.5.3 |
| org.apache.logging.log4j | log4j-1.2-api | 2.24.3 |
| org.apache.logging.log4j | log4j-api | 2.24.3 |
| org.apache.logging.log4j | log4j-core | 2.24.3 |
| org.apache.logging.log4j | log4j-layout-template-json | 2.24.3 |
| org.apache.logging.log4j | log4j-slf4j2-impl | 2.24.3 |
| org.apache.orc | orc-core | 2.2.0-shaded-protobuf |
| org.apache.orc | orc-format | 1.1.1-shaded-protobuf |
| org.apache.orc | orc-mapreduce | 2.2.0-shaded-protobuf |
| org.apache.orc | orc-shims | 2.2.0 |
| org.apache.poi | poi | 5.4.1 |
| org.apache.poi | poi-ooxml | 5.4.1 |
| org.apache.poi | poi-ooxml-full | 5.4.1 |
| org.apache.poi | poi-ooxml-lite | 5.4.1 |
| org.apache.thrift | libfb303 | 0.9.3 |
| org.apache.thrift | libthrift | 0.16.0 |
| org.apache.ws.xmlschema | xmlschema-core | 2.3.1 |
| org.apache.xbean | xbean-asm9-shaded | 4.28 |
| org.apache.xmlbeans | xmlbeans | 5.3.0 |
| org.apache.yetus | audience-annotations | 0.13.0 |
| org.apache.zookeeper | zookeeper | 3.9.4 |
| org.apache.zookeeper | zookeeper-jute | 3.9.4 |
| org.checkerframework | checker-qual | 3.43.0 |
| org.codehaus.janino | commons-compiler | 3.0.16 |
| org.codehaus.janino | janino | 3.0.16 |
| org.datanucleus | datanucleus-api-jdo | 4.2.4 |
| org.datanucleus | datanucleus-core | 4.1.17 |
| org.datanucleus | datanucleus-rdbms | 4.1.19 |
| org.datanucleus | javax.jdo | 3.2.0-m3 |
| org.eclipse.jetty | jetty-alpn-client | 10.0.26 |
| org.eclipse.jetty | jetty-client | 10.0.26 |
| org.eclipse.jetty | jetty-http | 10.0.26 |
| org.eclipse.jetty | jetty-io | 10.0.26 |
| org.eclipse.jetty | jetty-jndi | 10.0.26 |
| org.eclipse.jetty | jetty-plus | 10.0.26 |
| org.eclipse.jetty | jetty-proxy | 10.0.26 |
| org.eclipse.jetty | jetty-security | 10.0.26 |
| org.eclipse.jetty | jetty-server | 10.0.26 |
| org.eclipse.jetty | jetty-servlet | 10.0.26 |
| org.eclipse.jetty | jetty-servlets | 10.0.26 |
| org.eclipse.jetty | jetty-util | 10.0.26 |
| org.eclipse.jetty | jetty-webapp | 10.0.26 |
| org.eclipse.jetty | jetty-xml | 10.0.26 |
| org.fusesource.leveldbjni | leveldbjni-all | 1.8 |
| org.glassfish.hk2 | hk2-api | 2.6.1 |
| org.glassfish.hk2 | hk2-locator | 2.6.1 |
| org.glassfish.hk2 | hk2-utils | 2.6.1 |
| org.glassfish.hk2 | osgi-resource-locator | 1.0.3 |
| org.glassfish.hk2.external | aopalliance-repackaged | 2.6.1 |
| org.glassfish.hk2.external | jakarta.inject | 2.6.1 |
| org.glassfish.jersey.containers | jersey-container-servlet | 2.41 |
| org.glassfish.jersey.containers | jersey-container-servlet-core | 2.41 |
| org.glassfish.jersey.core | jersey-client | 2.41 |
| org.glassfish.jersey.core | jersey-common | 2.41 |
| org.glassfish.jersey.core | jersey-server | 2.41 |
| org.glassfish.jersey.inject | jersey-hk2 | 2.41 |
| org.hibernate.validator | hibernate-validator | 6.2.5.Final |
| org.ini4j | ini4j | 0.5.4 |
| org.javassist | javassist | 3.29.2-GA |
| org.jboss.logging | jboss-logging | 3.4.1.Final |
| org.jdbi | jdbi | 2.63.1 |
| org.jline | jline | 3.27.1-jdk8 |
| org.joda | joda-convert | 1.7 |
| org.json4s | json4s-ast_2.13 | 4.0.7 |
| org.json4s | json4s-core_2.13 | 4.0.7 |
| org.json4s | json4s-jackson-core_2.13 | 4.0.7 |
| org.json4s | json4s-jackson_2.13 | 4.0.7 |
| org.json4s | json4s-scalap_2.13 | 4.0.7 |
| org.locationtech.jts | jts-core | 1.20.0 |
| org.lz4 | lz4-java | 1.8.0-databricks-1 |
| org.mlflow | mlflow-spark_2.13 | 2.22.1 |
| org.objenesis | objenesis | 3.4 |
| org.postgresql | postgresql | 42.6.1 |
| org.roaringbitmap | RoaringBitmap | 1.2.1 |
| org.rosuda.REngine | REngine | 2.1.0 |
| org.scala-lang | scala-compiler_2.13 | 2.13.16 |
| org.scala-lang | scala-library_2.13 | 2.13.16 |
| org.scala-lang | scala-reflect_2.13 | 2.13.16 |
| org.scala-lang.modules | scala-collection-compat_2.13 | 2.11.0 |
| org.scala-lang.modules | scala-java8-compat_2.13 | 0.9.1 |
| org.scala-lang.modules | scala-parallel-collections_2.13 | 1.2.0 |
| org.scala-lang.modules | scala-parser-combinators_2.13 | 2.4.0 |
| org.scala-lang.modules | scala-xml_2.13 | 2.4.0 |
| org.scala-sbt | test-interface | 1.0 |
| org.scalacheck | scalacheck_2.13 | 1.18.0 |
| org.scalactic | scalactic_2.13 | 3.2.19 |
| org.scalanlp | breeze-macros_2.13 | 2.1.0 |
| org.scalanlp | breeze_2.13 | 2.1.0 |
| org.scalatest | scalatest-compatible | 3.2.19 |
| org.scalatest | scalatest-core_2.13 | 3.2.19 |
| org.scalatest | scalatest-diagrams_2.13 | 3.2.19 |
| org.scalatest | scalatest-featurespec_2.13 | 3.2.19 |
| org.scalatest | scalatest-flatspec_2.13 | 3.2.19 |
| org.scalatest | scalatest-freespec_2.13 | 3.2.19 |
| org.scalatest | scalatest-funspec_2.13 | 3.2.19 |
| org.scalatest | scalatest-funsuite_2.13 | 3.2.19 |
| org.scalatest | scalatest-matchers-core_2.13 | 3.2.19 |
| org.scalatest | scalatest-mustmatchers_2.13 | 3.2.19 |
| org.scalatest | scalatest-propspec_2.13 | 3.2.19 |
| org.scalatest | scalatest-refspec_2.13 | 3.2.19 |
| org.scalatest | scalatest-shouldmatchers_2.13 | 3.2.19 |
| org.scalatest | scalatest-wordspec_2.13 | 3.2.19 |
| org.scalatest | scalatest_2.13 | 3.2.19 |
| org.slf4j | jcl-over-slf4j | 2.0.16 |
| org.slf4j | jul-to-slf4j | 2.0.16 |
| org.slf4j | slf4j-api | 2.0.16 |
| org.slf4j | slf4j-simple | 1.7.25 |
| org.threeten | threeten-extra | 1.8.0 |
| org.tukaani | xz | 1.10 |
| org.typelevel | algebra_2.13 | 2.8.0 |
| org.typelevel | cats-kernel_2.13 | 2.8.0 |
| org.typelevel | spire-macros_2.13 | 0.18.0 |
| org.typelevel | spire-platform_2.13 | 0.18.0 |
| org.typelevel | spire-util_2.13 | 0.18.0 |
| org.typelevel | spire_2.13 | 0.18.0 |
| org.wildfly.openssl | wildfly-openssl | 1.1.3.Final |
| org.xerial | sqlite-jdbc | 3.42.0.0 |
| org.xerial.snappy | snappy-java | 1.1.10.3 |
| org.yaml | snakeyaml | 2.0 |
| oro | oro | 2.0.8 |
| pl.edu.icm | JLargeArrays | 1.5 |
| software.amazon.cryptools | AmazonCorrettoCryptoProvider | 2.5.0-linux-x86_64 |
| stax | stax-api | 1.0.1 |