Databricks Runtime 18 (bêta)

Cette page contient des notes de publication unifiées pour Databricks Runtime 18, alimentée par Apache Spark 4.1.0. Elle répertorie toutes les fonctionnalités, modifications de comportement et correctifs fournis tout au long du cycle de publication de Databricks Runtime 18.

Note

Les déploiements sont réalisés par étapes. Il se peut que votre compte Azure Databricks ne se mette pas à jour pendant plusieurs jours après la date de publication initiale.

À propos des notes de publication unifiées

Azure Databricks publie des fonctionnalités de manière incrémentielle tout au long du cycle de publication sans modifier le numéro de version. Au lieu de séparer les pages pour chaque version mineure, toutes les mises à jour apparaissent sur cette page unique en tant qu’entrées obsolètes. Les clusters reçoivent des mises à jour quand ils redémarrent.

Databricks Runtime 18 est la première version à utiliser ce format unifié. Auparavant, chaque version de fonctionnalité (18.0, 18.1, 18.2) avait sa propre page de notes de publication. Ces pages restent disponibles pour référence. Les fonctionnalités qui étaient auparavant publiées sous la forme de versions 18.3 ou ultérieures sont désormais publiées sous la forme de mises à jour datées de Databricks Runtime 18.

À l’avenir, les versions de Databricks Runtime suivront un cycle de vie allant de la version Beta (phase d’évaluation précoce) à la version GA (développement des fonctionnalités, environ six mois), puis à la version LTS (prise en charge à long terme, trois ans de stabilité et de correctifs de sécurité). Étant donné que les versions 18.0 à 18.2 ont été publiées selon l’ancien modèle, Databricks Runtime 18 est une version de transition qui passera directement du statut bêta à la version LTS. Pour plus d’informations sur le cycle de vie complet, consultez Les cycles de vie de prise en charge de Databricks Runtime.

Databricks Runtime 18 : 29 mai 2026

  • Déduplication de Structured Streaming avec des clés NaN : la déduplication dans Structured Streaming considère désormais les valeurs NaN (Not-a-Number) présentant des motifs de bits différents comme des doublons lorsqu’une colonne double ou float est utilisée comme clé de déduplication. Auparavant, NaN les valeurs avec différentes représentations internes étaient traitées comme distinctes et n’étaient pas dédupliquées.
  • Correction d’un problème où des autorisations de niveau table pouvaient être supprimées des tables de catalogues externes dans Unity Catalog (par exemple, les tables de connexion à Snowflake) lors de l’actualisation des métadonnées, ce qui faisait échouer les requêtes avec des erreurs INSUFFICIENT_PERMISSIONS. Les autorisations sont maintenant conservées lorsque les métadonnées de table étrangère sont actualisées.

Databricks Runtime 18 : 18 mai 2026

Changements comportementaux

Passez en revue les modifications suivantes, qui prennent effet lorsque les clusters redémarrent sur ce runtime.

  • CREATE OR REPLACE TABLE: CREATE OR REPLACE TABLE conserve désormais les commentaires de colonne et de table existants par défaut. Auparavant, les commentaires ont été supprimés lors de la recréation d’une table. Les tables et vues gérées adoptent désormais le même comportement que les vues matérialisées et les tables de streaming existantes.
  • Écritures DataFrame par nom : writeTo().append(), writeTo().overwrite(), writeTo().overwritePartitions() et write.mode("append").saveAsTable() convertissent désormais automatiquement les colonnes dont le type est compatible (par exemple, de int en long) pour correspondre au schéma de la table Delta cible. Auparavant, ces opérations ont échoué avec une DELTA_FAILED_TO_MERGE_FIELDS erreur lorsque les types de colonnes étaient compatibles, mais pas identiques. Le comportement correspond maintenant à SQL INSERT INTO ... BY NAME. save() et saveAsTable() en mode remplacement ne sont pas affectés.
  • ALTER TABLE SET TBLPROPERTIES pour pipelines.pipelineId: ALTER TABLE <table> SET TBLPROPERTIES('pipelines.pipelineId' = '<pipeline-id>') tente maintenant de rendre la table spécifiée éligible pour les écritures par le pipeline. Auparavant, la définition de cette propriété sur une table régulière n’avait aucun effet. Si la table n’est pas admissible aux écritures via pipeline, la commande lève SETTING_PIPELINES_PIPELINE_ID_NOT_SUPPORTED.
  • cloud_files_state: La cloud_files_state fonction renvoyant une table (TVF) inclut désormais une colonne discovery_mode indiquant comment Auto Loader a détecté chaque fichier. Les fichiers découverts avant la mise à niveau ont une null valeur dans cette colonne.
  • DESCRIBE EXTENDED AS JSON: inclut désormais dans sa sortie les résultats de l’évaluation de l’optimisation prédictive. Auparavant, ces informations n’étaient pas retournées dans la sortie JSON.
  • Mesures de la fenêtre de vue des métriques : renvoient désormais des résultats corrects lorsque les requêtes utilisent des filtres GROUP BY, IN/BETWEEN, ou des prédicats mixtes sur la colonne d’ordre de la fenêtre. Auparavant, ces modèles de filtre pouvaient produire des résultats incorrects.

Nouvelles fonctionnalités et améliorations

Les fonctionnalités et améliorations suivantes sont disponibles dans cette version.

  • Bibliothèques de cluster : lorsque vous installez des bibliothèques PyPI, des roues ou des fichiers requirements.txt sur un cluster, l’onglet Bibliothèques et l’API REST Bibliothèques affichent désormais tous les packages résolus et installés, y compris les dépendances transitives. Pour les installations qui résolvent plus de 500 packages, la liste est tronquée. Le rapport d’installation complet est disponible dans les journaux des pilotes du cluster.
  • CDC automatique à partir d’un instantané avec la syntaxe SQL : les pipelines déclaratifs Spark Lakeflow prennent désormais en charge la CDC automatique à partir d’un instantané avec la syntaxe SQL. Auparavant, cette fonctionnalité était disponible uniquement via l’API Python. Utilisez CREATE STREAMING TABLE ... FLOW AUTO CDC FROM SNAPSHOT pour traiter les sources de snapshots (telles que les tables Delta, le stockage dans le cloud ou JDBC), un snapshot à la fois. ScD Type 1 (valeur par défaut) et SCD Type 2 sont pris en charge.
  • array_sort avec des comparateurs personnalisés : Photon accélère désormais les array_sort expressions qui utilisent des comparateurs personnalisés pour trier les structs par un ou plusieurs champs. Auparavant, ces expressions basculaient vers une exécution non-Photon. Pour activer cette optimisation, définissez spark.databricks.photon.rewriteArraySortComparator.enabled sur true.

Correctifs et améliorations d’Apache Spark

Cette version inclut les correctifs de bogues suivants et les améliorations apportées à Spark :

  • Les requêtes SQL prennent désormais en charge une QUALIFY clause, qui vous permet de filtrer les résultats de fonction de fenêtre directement dans la requête. Auparavant, cela nécessitait l’habillage de la requête dans une sous-requête.
  • spark.read.json, spark.read.csv et spark.read.xml acceptent désormais un DataFrame comme entrée, ce qui vous permet de traiter des données en mémoire sans devoir d’abord les enregistrer dans un fichier.
  • DataFrame.changes() est désormais disponible pour permettre la lecture, via l’API DataFrame, des données de sortie de la capture des changements de données (CDC).
  • Lorsqu’une colonne DataFrame est référencée à partir du DataFrame incorrect, l’erreur nomme désormais la colonne spécifique. Vous pouvez également définir spark.sql.columnResolution.strict pour que Spark applique une correspondance de colonne plus stricte et intercepte ces erreurs précédemment.
  • MERGE INTO L’évolution du schéma fonctionne désormais correctement lorsque l’instruction inclut WHEN MATCHED THEN DELETE ou référence des colonnes imbriquées par alias. Auparavant, ces combinaisons pourraient échouer ou produire silencieusement des résultats incorrects.
  • SHOW COLLATIONS répertorie tous les classements pris en charge et leurs propriétés, ce qui est utile lors du choix d’un classement pour le tri ou la comparaison de texte.
  • L’optimiseur de requête de Spark estime désormais correctement la quantité de filtres de données à réduire. Des estimations erronées ont auparavant amené Spark à charger entièrement de grandes tables en mémoire lors des jointures, entraînant des erreurs de dépassement de mémoire.
  • Les requêtes avec plusieurs COUNT(DISTINCT) expressions s’exécutent plus rapidement, car Spark réduit désormais les données antérieures dans le plan d’exécution au lieu de les développer en premier.
  • Les fonctions Python définies par l’utilisateur qui utilisent l’optimisation Arrow n’effectuent plus de conversion inutile du format des données, ce qui réduit le surcoût.
  • Les jointures entre flux non externes peuvent désormais produire des résultats en mode de mise à jour, et non plus seulement en mode d’ajout, ce qui leur permet d’écrire vers davantage de destinations de sortie.
  • Les connexions JDBC sont désormais correctement fermées lorsqu’une tâche est annulée. Auparavant, l’annulation pouvait laisser une connexion ouverte, ce qui entraînait le blocage des tâches ultérieures.
  • array_insert ne produit plus de résultats incorrects lorsqu’un nombre très élevé est négatif en tant que position d’insertion.

Databricks Runtime 18 : 4 mai 2026

Changements comportementaux

Passez en revue les modifications suivantes, qui prennent effet lorsque les clusters redémarrent sur ce runtime.

  • XPath : lors de l’évaluation de XPath sur XML, Azure Databricks ne charge plus les définitions de type de document externes (DTD). Les requêtes qui ont échoué précédemment uniquement en raison d’une référence DTD externe inaccessible peuvent maintenant réussir.
  • Comportement de struct NULL avec l’évolution du schéma : Pour INSERT, MERGEet les écritures de streaming qui utilisent l’évolution du schéma, un struct NULL dans la source est désormais stocké en tant que NULL dans la cible. Auparavant, les structures NULL étaient incorrectement instanciées comme des structures non NULL dont tous les champs étaient définis sur NULL. Mettez à jour tout code qui reposait sur la réception d’une structure non nulle dont tous les champs sont NULL — ces cas renvoient désormais une structure NULL.
  • NATURAL JOIN : utilise désormais correctement la correspondance des colonnes sans tenir compte de la casse lorsque spark.sql.caseSensitive est false (la valeur par défaut). Auparavant, les colonnes qui diffèrent uniquement dans le cas (par exemple, ID vs id) n’ont pas été reconnues comme correspondants, ce qui NATURAL JOIN entraîne la production silencieuse de résultats de jointure croisée. Ce correctif aligne le comportement de NATURAL JOIN sur celui des jointures USING.
  • Dépendances du Kit de développement logiciel (SDK) AWS v1 : désormais ombrées et ne sont plus directement disponibles sur le classpath. Si votre code dépend des bibliothèques AWS SDK v1 précédemment fournies par Databricks Runtime, ajoutez-les en tant que dépendances explicites dans votre projet.
  • Validation des dépendances UDF SQL dans le catalogue Unity : Le catalogue Unity applique désormais la validation des dépendances pour les fonctions définies par l’utilisateur SQL afin d’empêcher le contournement du contrôle d’accès. Les UDF SQL avec des configurations de dépendance non valides sont empêchées de s’exécuter.
  • LEFT OUTER JOIN LATERAL: Un bogue qui supprimait incorrectement des lignes a été corrigé. Les requêtes utilisant cette construction retournent désormais des résultats corrects. Pour revenir temporairement au comportement précédent, affectez spark.databricks.sql.optimizer.lateralJoinPreserveOuterSemantic à true.
  • regr_r2: traite correctement le premier paramètre comme la variable dépendante. Les requêtes qui s’appuyaient sur le comportement incorrect précédent retournent des résultats différents.
  • Fonctions hyperboliques : sinh, , coshtanhet les fonctions hyperboliques associées retournent Infinity désormais au lieu de lever une erreur de dépassement de capacité lorsqu’elles reçoivent des entrées très volumineuses.
  • asinh et acosh utilisent désormais l’algorithme fdlibm pour garantir une cohérence entre moteurs. Les résultats peuvent différer légèrement des versions précédentes pour les entrées de cas de périphérie.
  • LIKE filtrage par motif : gère maintenant correctement les caractères Unicode supplémentaires (points de code supérieurs à U+FFFF). Les motifs qui correspondaient auparavant à ces caractères, ou ne correspondaient pas correctement, renvoient désormais des résultats corrects.
  • VOID (NullType) colonnes : les tables Delta prennent désormais en charge les colonnes VOID (NullType). VOID les colonnes ne sont plus supprimées du schéma de table lors des lectures. Les écritures ne sont pas affectées.

Nouvelles fonctionnalités et améliorations

Les fonctionnalités et améliorations suivantes sont disponibles dans cette version.

  • CREATE OR REPLACE TEMP TABLE: désormais pris en charge, ce qui vous permet de créer ou de remplacer des tables temporaires dans une seule instruction.
  • agg(): désormais disponible en tant qu’alias pour la measure() fonction. Les requêtes existantes utilisant measure() continuent de fonctionner sans modification.
  • pyspark.pipelines.testing: désormais disponible en tant qu’alias pratique pour dlt.testing les API.
  • Performances de listage d’Auto Loader : Auto Loader utilise désormais une méthode de listage plus efficace qui améliore la vitesse de listage des sources de stockage cloud. Si vos déclencheurs de flux se chevauchent en raison d’opérations de référencement longues, cette optimisation peut entraîner une augmentation des coûts d’API de référencement cloud.
  • DESCRIBE HISTORY indicateurs d’options d’écriture : l’historique de la table Delta (DESCRIBE HISTORY) inclut désormais les indicateurs d’options d’écriture dans operationParameters pour les opérations WRITE et REPLACE TABLE. Les indicateurs n’apparaissent que lorsque true : isDynamicPartitionOverwrite, canOverwriteSchema, canMergeSchema, predicate et isV1WriterSaveAsTableOverwrite.
  • Rembobinage et relecture de Structured Streaming : Structured Streaming prend désormais en charge le rembobinage et la relecture, ce qui permet de retraiter les données à partir d’un point antérieur du flux afin de récupérer après des défaillances telles que des changements de schéma ou des erreurs logiques, sans réinitialisation complète de l’état.
  • SparkSession.emptyDataFrame: désormais disponible en tant qu’API pratique pour créer un objet vide DataFrame sans colonnes et aucune ligne.
  • TIMESTAMP WITH LOCAL TIME ZONE: désormais pris en charge en tant qu’alias de syntaxe SQL pour le TIMESTAMP_LTZ type.
  • to_json sortKeys option : la to_json fonction accepte désormais une option pour produire une sortie JSON avec des clés dans l’ordre sortKeys trié.
  • spark.catalog.*: les méthodes d’API ont désormais une parité des fonctionnalités avec leurs commandes DDL équivalentes pour les opérations de catalogue, de schéma et de table.
  • [Correctif de sécurité] Mises à jour de sécurité du système d’exploitation.

Databricks Runtime 18 : 20 avril 2026

  • Correction de l’autorité de référence spatiale CRS pour le GEOMETRY(102100) type. L'autorité est maintenant signalée comme ESRI:102100 au lieu de EPSG:102100.
  • [Correctif de sécurité] Mises à jour de sécurité du système d’exploitation.

Databricks Runtime 18 : 2 avril 2026

  • Amélioration de la gestion des erreurs pour les requêtes écrivant des données dans des tables Delta qui contiennent une VOID colonne (NullType) à l’intérieur d’un type défini par l’utilisateur (UDT).
  • Les connexions de récepteur de streaming JDBC appliquent désormais un délai d’expiration de socket de 30 secondes, une logique de nouvelle tentative avec interruption exponentielle pour les erreurs temporaires (échecs de connexion, blocages, limitation de débit) et restauration normale sur les connexions interrompues.
  • Correction de l’altération du texte SQL qui s’est produite lors de l’utilisation de caractères Unicode dans des requêtes paramétrables.
  • SHOW CREATE TABLE produit désormais un résultat correct pour les tables et les vues avec un interclassement non défini par défaut.
  • [Correctif de sécurité] Mises à jour de sécurité du système d’exploitation.

Databricks Runtime 18 : 11 mars 2026

Changements comportementaux

Passez en revue les modifications suivantes, qui prennent effet lorsque les clusters redémarrent sur ce runtime.

  • Erreurs de métrique d’observation : n’entraîne plus d’échecs d’exécution de requête. Auparavant, les erreurs dans OBSERVE les clauses (telles que la division par zéro) pouvaient bloquer ou échouer l’intégralité de la requête. Maintenant, la requête se termine avec succès et l’erreur est déclenchée lorsque vous appelez observation.get.
  • FILTER clause de MEASURE : les fonctions d’agrégation MEASURE prennent désormais en charge les clauses FILTER. Auparavant, les filtres étaient ignorés en mode silencieux.
  • DESCRIBE FLOW: La DESCRIBE FLOW commande est désormais disponible. Si vous avez une table nommée flow, utilisez DESCRIBE schema.flow, DESCRIBE TABLE flowou DESCRIBE `flow` avec des backticks.
  • Opérations booléennes sur des ensembles SpatialSQL : ST_Difference, ST_Intersection et ST_Union utilisent une nouvelle implémentation qui apporte les améliorations suivantes :
    • Les géométries d’entrée valides produisent toujours un résultat et ne déclenchent plus d’erreurs.
    • Performances environ 2 fois plus rapides.
    • Les résultats sont normalisés pour une sortie cohérente et comparable.
  • Types d’exceptions pour SQLSTATE : les types d’exceptions sont mis à jour pour prendre en charge SQLSTATE. Si votre code analyse les exceptions par chaîne correspondante ou intercepte des types d’exceptions spécifiques, mettez à jour votre logique de gestion des erreurs.
  • Élargissement automatique des types en streaming : les opérations de lecture en streaming sur les tables Delta prennent automatiquement en charge l’élargissement des types de colonnes. Pour exiger un accusé de réception manuel, définissez spark.databricks.delta.typeWidening.enableStreamingSchemaTracking sur true.

Nouvelles fonctionnalités et améliorations

Les fonctionnalités et améliorations suivantes sont disponibles dans cette version.

  • Événements de fichier chargeur automatique par défaut : le chargeur automatique utilise les événements de fichier par défaut lors du chargement à partir d’un emplacement externe avec les événements de fichier activés, ce qui réduit les opérations de liste et le coût par rapport à la liste des répertoires. Consultez le chargeur automatique avec la vue d’ensemble des événements de fichier. Pour utiliser la liste d’annuaires à la place, définissez useManagedFileEvents sur false.

  • Évolution du schéma avec INSERT: Utilisez la WITH SCHEMA EVOLUTION clause avec des instructions SQL INSERT pour faire évoluer automatiquement le schéma de la table cible pendant les opérations d’insertion. Pris en charge pour INSERT INTO, INSERT OVERWRITEet INSERT INTO ... REPLACE. Par exemple:

    INSERT WITH SCHEMA EVOLUTION INTO students TABLE visiting_students_with_additional_id;

  • Transactions multi-instructions de Delta Sharing : les tables Delta Sharing qui utilisent des modes de partage par URL présignée ou par jeton cloud prennent en charge les transactions multi-instructions. Lors du premier accès au sein d’une transaction, la version de la table est épinglée et réutilisée pour toutes les lectures suivantes dans la transaction.

  • parse_timestamp: la fonction PARSE_TIMESTAMP SQL analyse les chaînes d’horodatage à l’aide de plusieurs modèles, avec prise en charge du moteur Photon pour améliorer les performances.

  • max_by et min_by avec facultatif limit: les fonctions d’agrégation max_by et min_by acceptent désormais un troisième argument limit facultatif (jusqu’à 100 000). Lorsqu’elles sont disponibles, les fonctions renvoient un tableau contenant jusqu’à limit valeurs, ce qui simplifie les requêtes top-K et bottom-K sans recourir à des fonctions de fenêtre ni à des CTE.

  • DATETIMEOFFSET pour Azure Synapse : le type de données DATETIMEOFFSET est pris en charge pour les connexions Microsoft Azure Synapse.

  • Commentaires de table Google BigQuery : les descriptions des tables Google BigQuery sont résolues et exposées en tant que commentaires de table.

  • IGNORE NULLS / RESPECT NULLS pour array_agg et collect_list : Les fonctions d’agrégation array_agg et collect_list prennent désormais en charge les clauses IGNORE NULLS et RESPECT NULLS.

  • PIVOT alias : la PIVOT clause prend désormais en charge les alias, ce qui vous permet de renommer des expressions de colonne pivot dans la sortie.

  • Variables de CURSOR script SQL : les scripts SQL prennent désormais en charge les variables CURSOR pour itérer sur les lignes d’un jeu de résultats de requête, une ligne à la fois, dans un bloc de script.

  • Fonctions d’agrégation mathématiques vectorielles : les nouvelles fonctions d’agrégation de mathématiques vectorielles sont disponibles : vector_avg, vector_sum, vector_norm et vector_normalize. Ces fonctions fonctionnent sur des colonnes vectorielles denses et prennent en charge les charges de travail ML.

  • Trigger.AvailableNow dans les lecteurs Python de diffusion en continu : les lecteurs Python de diffusion en continu des sources de données prennent désormais en charge Trigger.AvailableNow et le contrôle d’admission, ce qui permet le traitement par lot unique de toutes les données disponibles.

  • API de repartition d’état dans PySpark : l’API de repartition d’état pour TransformWithState les opérateurs de streaming est désormais disponible dans PySpark, en plus de Scala. Consultez le répartitionnement d’état à la demande pour les requêtes de flux avec état.

  • applyInPandas correctif de performance: une régression des performances d’un facteur 3 dans applyInPandas pour les grands groupes a été corrigée.

Databricks Runtime 18 : 10 mars 2026

  • Les messages d’erreur des sous-requêtes scalaires utilisés avec EXEC IMMEDIATE maintenant identifient plus clairement la cause spécifique.
  • Correction d’une situation de concurrence dans le compactage du journal des points de contrôle du streaming, qui pouvait entraîner un comportement non déterministe dans les requêtes Structured Streaming.
  • [Correctif de sécurité] Mises à jour de sécurité du système d’exploitation.

Databricks Runtime 18 : 26 février 2026

  • SET METADATA ON COLUMN et UNSET METADATA ON COLUMN les commandes SQL sont désormais disponibles pour la gestion des métadonnées sémantiques sur les colonnes de la table catalogue Unity. Permet SET METADATA ON COLUMN d’attacher des propriétés (display_name, formatet synonyms) aux colonnes. Permet UNSET METADATA ON COLUMN de supprimer les propriétés de métadonnées précédemment définies.
  • DESCRIBE TABLE inclut désormais une metadata colonne affichant des métadonnées sémantiques au niveau des colonnes sous forme de chaîne JSON.
  • Correction d’une erreur lors de l’importation de PySpark dans les environnements Windows, causée par un UnixStreamServer manquant.
  • [Correctif de sécurité] Mises à jour de sécurité du système d’exploitation.

Databricks Runtime 18 : 19 février 2026

  • Lorsque vous déduitz le schéma des fichiers Excel, les cellules de chaîne sont désormais déduites en tant que spark StringType, en respectant le type de cellule défini dans Excel. Auparavant, les chaînes avec des valeurs numériques étaient converties automatiquement en types plus étroits comme Long ou Decimal. Mettez à jour le code qui s’appuyait sur le comportement précédent.
  • DataFrame.toJSON() est désormais disponible dans le client Python Spark Connect.
  • [Correctif de sécurité] Mises à jour de sécurité du système d’exploitation.

Databricks Runtime 18 : 27 janvier 2026

  • Le chargeur automatique signale désormais batchSizeNumFiles, batchSizeNumBytes et les états de traitement des fichiers (numFilesProcessed, numFilesSkippedCorrupted, numFilesSkippedMissing, numFilesUnknownState) comme métriques.
  • INSERT INTO ... BY NAME prend désormais en charge la REPLACE WHERE clause.
  • La propriété spark.sql.xml.legacyXMLParser.enabled de configuration a été renommée spark.sql.legacy.useLegacyXMLParseren . Mettez à jour les configurations de cluster ou de session qui utilisent l’ancien nom.
  • Lorsqu’il spark.task.resource.gpu.amount est supérieur à 1, le serveur de distribution Torch lance désormais un torchrun processus par GPU plutôt que par tâche.
  • [Correctif de sécurité] Mises à jour de sécurité du système d’exploitation.

Databricks Runtime 18 : 15 janvier 2026

Databricks Runtime 18 est désormais entré en phase de développement de nouvelles fonctionnalités, basé sur Apache Spark 4.1.0. Cette version intègre toutes les fonctionnalités, améliorations et correctifs de bogues de toutes les versions précédentes de Databricks Runtime.

Changements comportementaux

Passez en revue les modifications suivantes, qui prennent effet lorsque les clusters redémarrent sur ce runtime.

  • JDK 21 : Databricks Runtime 18 utilise JDK 21 comme kit de développement Java par défaut. JDK 21 est généralement disponible et est une version de support à long terme (LTS). Auparavant, la valeur par défaut était JDK 17. Changements notables :

    • Double.toString() et Float.toString() produisent désormais des représentations de chaîne uniques les plus courtes, qui peuvent différer des sorties JDK 17 dans certains cas limites.
    • Thread.stop(), Thread.suspend() et Thread.resume() lancent maintenant UnsupportedOperationException.
    • Les données de paramètres régionaux mises à jour (CLDR v42) peuvent affecter la date, l’heure et la mise en forme des nombres.

    Si vous rencontrez des problèmes de compatibilité, revenez à JDK 17. Pour plus d’informations sur la configuration des versions JDK, consultez Créer un cluster avec une version JDK spécifique.

  • FSCK REPAIR TABLE: inclut maintenant une étape de réparation des métadonnées initiale avant de vérifier les fichiers de données manquants. La commande fonctionne sur des tables avec des points de contrôle endommagés ou des valeurs de partition non valides.

  • Caractère nullable dans Spark Connect Scala : le caractère nullable des types tableau et map est désormais préservé pour les littéraux typés dans le client Spark Connect Scala. Auparavant, les éléments des tableaux et des valeurs des cartes étaient toujours nullables.

  • FSCK REPAIR TABLE DRY RUN: La colonne dataFilePath dans le schéma de sortie FSCK REPAIR TABLE DRY RUN peut désormais contenir des valeurs nulles afin de prendre en charge le signalement de nouveaux types de problèmes pour lesquels le chemin du fichier de données ne s’applique pas.

  • SHOW TABLES DROPPED : respecte désormais correctement la clause LIMIT.

  • Exécution des UDF Python : les UDF Python de Unity Catalog utilisent désormais Apache Arrow comme format d’échange par défaut, ce qui améliore les performances globales. Dans le cadre de cette modification, TIMESTAMP les valeurs transmises aux fonctions UDF Python ne contiennent plus d'informations sur le fuseau horaire dans l'attribut de l'objet datetimetzinfo. Les valeurs d’horodatage elles-mêmes restent au format UTC, mais les métadonnées de fuseau horaire sont désormais supprimées. Si votre fonction UDF s’appuie sur les informations de fuseau horaire, restaurez-la avec date = date.replace(tzinfo=timezone.utc). Pour plus d’informations, consultez le comportement du fuseau horaire timestamp pour les entrées.

  • Voyage temporel et VACUUMrétention : Azure Databricks bloque désormais les requêtes de voyage temporel au-delà du seuil deletedFileRetentionDuration pour toutes les tables. La VACUUM commande ignore l’argument de durée de rétention, sauf lorsque la valeur est de 0 heures. Vous ne pouvez pas définir deletedFileRetentionDuration plus grand que logRetentionDuration ou inversement.

  • BinaryType dans PySpark : Dans PySpark, BinaryType est désormais mappé à Python bytes. Auparavant, PySpark mappait BinaryType à bytes ou bytearray en fonction du contexte. Pour restaurer l’ancien comportement, définissez spark.sql.execution.pyspark.binaryAsBytes sur false.

  • Structures NULL dans Delta MERGE et UPDATE : désormais préservées comme valeurs NULL dans Delta MERGE, UPDATE et les opérations d’écriture en streaming qui incluent des conversions de type de structure. Auparavant, les structs NULL ont été développés en structs avec des champs NULL.

  • Matérialisation des colonnes de partition : les tables Delta partitionnées matérialisent désormais les colonnes de partition dans les fichiers de données Parquet nouvellement créés. Auparavant, les valeurs de partition étaient stockées dans les métadonnées du journal des transactions Delta et reflétées dans les chemins d’accès au répertoire, mais pas écrites en tant que colonnes dans les fichiers Parquet eux-mêmes. Cette modification s’aligne sur le comportement Apache Iceberg et UniForm et peut affecter les charges de travail qui lisent directement les fichiers Parquet écrits par Delta Lake.

  • Fuseau horaire de la partition d’horodatage : les valeurs d’horodatage de partition étaient auparavant converties en UTC à l’aide du fuseau horaire de la JVM au lieu de celui défini par la configuration spark.sql.session.timeZone. Les valeurs de partition d’horodatage sont désormais correctement ajustées à l’aide du paramètre de fuseau horaire de session Spark.

  • DESCRIBE TABLE colonne de métadonnées : la sortie de DESCRIBE TABLE [EXTENDED] inclut désormais une nouvelle colonne metadata pour tous les types de tables. Cette colonne contient des métadonnées sémantiques (nom d’affichage, format et synonymes) définies sur la table en tant que chaîne JSON.

Nouvelles fonctionnalités et améliorations

Les fonctionnalités et améliorations suivantes sont disponibles dans cette version.

  • Script SQL : la fonctionnalité de script SQL est désormais en disponibilité générale.
  • Isolation partagée pour les fonctions Python définies par l’utilisateur (UDF) de Unity Catalog : les UDF Python de Unity Catalog ayant le même propriétaire peuvent désormais partager par défaut un environnement d’isolation. Cela améliore les performances et réduit l’utilisation de la mémoire en réduisant le nombre d’environnements distincts lancés. Pour garantir qu’une fonction UDF s’exécute toujours dans un environnement entièrement isolé, ajoutez la STRICT ISOLATION clause caractéristique. Consultez l’isolation de l’environnement.
  • Fonctions de fenêtre SQL dans les vues de métriques : vous pouvez désormais utiliser les fonctions de fenêtre SQL dans les vues de métriques pour calculer les totaux en cours d’exécution, les classements et d’autres calculs basés sur des fenêtres.
  • Partitions aléatoires dynamiques en streaming sans état : vous pouvez désormais modifier le nombre de partitions aléatoires dans les requêtes de streaming sans état sans redémarrer la requête.
  • AQE et AOS en streaming sans état : L’exécution de requêtes adaptatives (AQE) et le shuffle optimisé automatiquement (AOS) sont désormais pris en charge dans les requêtes de streaming sans état.
  • Marqueurs de paramètres : vous pouvez désormais utiliser des marqueurs de paramètres nommés (:param) et non nommés (?) pratiquement partout où une valeur littérale du type approprié peut être utilisée. Cela inclut des instructions DDL telles que CREATE VIEW v AS SELECT ? AS c1, des types de colonnes DECIMAL(:p, :s) ou COMMENT ON t IS :comment. Pour plus d’informations, consultez les marqueurs de paramètres .
  • IDENTIFIER clause : la portée de la IDENTIFIER clause, qui convertit les chaînes en noms d’objets SQL, a été étendue à presque partout où un identificateur est autorisé. Pour plus d’informations, consultez IDENTIFIERclause.
  • BITMAP_AND_AGG: La bibliothèque existante de BITMAP fonctions inclut désormais une nouvelle fonction BITMAP_AND_AGG .
  • Fonctions Theta Sketch : vous pouvez désormais utiliser une nouvelle bibliothèque de fonctions pour le comptage approximatif des valeurs distinctes et les opérations ensemblistes avec Datasketches Theta Sketch. Consultez theta_sketch_agg et les fonctions associées.
  • Fonctions de croquis KLL : vous pouvez désormais utiliser une nouvelle bibliothèque de fonctions pour un calcul quantile approximatif à l’aide de KLL Sketches. Consultez kll_sketch_agg_bigint et les fonctions associées.
  • Nouvelles fonctions géospatiales : st_azimuth, st_boundary, st_closestpoint et st_geogfromewkt sont désormais disponibles.
  • GeometryType et GeographyType : Apache Spark prend désormais en charge les types de données natifs GeometryType et GeographyType dans les API PySpark et Java. Ces types prennent en charge la sérialisation Arrow ainsi que la lecture et l’écriture au format Parquet, et sont distincts des fonctions géospatiales SQL.
  • approx_top_k: la nouvelle fonction d’agrégation approx_top_k retourne les valeurs principales approximatives les plus fréquentes d’une colonne à l’aide d’un algorithme de croquis efficace dans l’espace.
  • Pilote JDBC Spark Connect : Apache Spark inclut désormais un pilote JDBC pour Spark Connect, permettant aux clients et outils JDBC de se connecter à Spark via le protocole Spark Connect.
  • Iterator[pandas.DataFrame] in applyInPandas: DataFrame.applyInPandas accepte désormais une fonction ayant une signature Iterator[pandas.DataFrame], ce qui réduit la surcharge lors du traitement de groupes volumineux en traitant les données par lots.
  • Contraintes de vérification : prennent désormais en charge les comparaisons de valeurs nulles dans l’expression de contrainte.
  • API de repartition d’état pour TransformWithState: une nouvelle API de repartition d’état est disponible pour TransformWithState les opérateurs de streaming en Scala, ce qui vous permet de modifier le partitionnement de clés des données avec état entre les redémarrages de requête. Consultez le répartitionnement d’état à la demande pour les requêtes de flux avec état.
  • Python 3.14 dans pyspark-connect : pyspark-client et pyspark-connect prennent désormais en charge Python 3.14.

Mises à niveau de la bibliothèque

  • Bibliothèques de Python mises à niveau :

    • anyio de 4.6.2 à 4.7.0
    • asttokens de 2.0.5 à 3.0.0
    • Mise à jour d'azure-core de la version 1.34.0 à la version 1.37.0
    • azure-mgmt-core de 1.5.0 à 1.6.0
    • azure-storage-blob de 12.23.0 à 12.28.0
    • azure-storage-file-datalake de 12.17.0 à 12.22.0
    • boto3 de 1.36.2 à 1.40.45
    • botocore de 1.36.3 à 1.40.45
    • certifi de 2025.1.31 à 2025.4.26
    • cliquez entre 8.1.7 et 8.1.8
    • chiffrement de 43.0.3 à 44.0.1
    • Cython de 3.0.12 à 3.1.5
    • databricks-sdk de 0.49.0 à 0.67.0
    • Déconseillé de 1.2.13 à 1.2.18
    • exécution de 0.8.3 à 1.2.0
    • fastapi de 0.115.12 à 0.128.0
    • filelock de 3.18.0 à 3.17.0
    • google-api-core de 2.20.0 à 2.28.1
    • google-auth de 2.40.0 à 2.47.0
    • google-cloud-core de 2.4.3 à 2.5.0
    • google-cloud-storage de 3.1.0 à 3.7.0
    • google-crc32c de 1.7.1 à 1.8.0
    • google-resumable-media de 2.7.2 à 2.8.0
    • h11 de 0.14.0 à 0.16.0
    • httpcore de 1.0.2 à 1.0.9
    • httpx de 0.27.0 à 0.28.1
    • isodate de 0.6.1 à 0.7.2
    • Jinja2 de 3.1.5 à 3.1.6
    • jupyter-events de 0.10.0 à 0.12.0
    • jupyter-lsp de 2.2.0 à 2.2.5
    • jupyter_server de 2.14.1 à 2.15.0
    • jupyter_server_terminals de 0.4.4 à 0.5.3
    • mistune de 2.0.4 à 3.1.2
    • mlflow-skinny de 3.0.1 à 3.8.1
    • mmh3 de 5.1.0 à 5.2.0
    • msal de 1.32.3 à 1.34.0
    • nbclient de 0.8.0 à 0.10.2
    • nbconvert de 7.16.4 à 7.16.6
    • nodeenv de 1.9.1 à 1.10.0
    • notebook_shim de 0.2.3 à 0.2.4
    • opentelemetry-api de 1.32.1 à 1.39.1
    • opentelemetry-sdk de 1.32.1 à 1.39.1
    • opentelemetry-semantic-conventions de 0.53b1 à 0.60b1
    • platformdirs de 3.10.0 à 4.3.7
    • prometheus_client de 0.21.0 à 0.21.1
    • proto-plus de 1.26.1 à 1.27.0
    • psycopg2 de 2.9.3 à 2.9.11
    • pyarrow de 19.0.1 à 21.0.0
    • Pygments de 2.15.1 à 2.19.1
    • pyiceberg de 0.9.0 à 0.10.0
    • python-lsp-server de 1.12.0 à 1.12.2
    • corde de 1.12.0 à 1.13.0
    • s3transfer de 0.11.3 à 0.14.0
    • scipy de 1.15.1 à 1.15.3
    • setuptools de 74.0.0 à 78.1.1
    • six de 1.16.0 à 1.17.0
    • sqlparse de 0.5.3 à 0.5.5
    • stack-data de 0.2.0 à 0.6.3
    • starlette de 0.46.2 à 0.50.0
    • tornado de 6.4.2 à 6.5.1
    • types-python-dateutil de 2.9.0.20241206 à 2.9.0.20251115
    • uvicorn de 0.34.2 à 0.40.0
    • webcolors de 24.11.1 à 25.10.0

  • Bibliothèques R mises à niveau :

    • flèche de 19.0.1 à 22.0.0
    • base comprise entre 4.4.2 et 4.5.1
    • BigD de 0.3.0 à 0.3.1
    • broom de 1.0.7 à 1.0.10
    • horloge de la version 0.7.2 à 0.7.3
    • commonmark de 1.9.5 à 2.0.0
    • compilateur de 4.4.2 à 4.5.1
    • informations d’identification de 2.0.2 à 2.0.3
    • curl de 6.4.0 à 7.0.0
    • data.table de 1.17.0 à 1.17.8
    • jeux de données de 4.4.2 à 4.5.1
    • dbplyr de 2.5.0 à 2.5.1
    • devtools de 2.4.5 à 2.4.6
    • diffobj de 0.3.5 à 0.3.6
    • digest de 0.6.37 à 0.6.39
    • downlit de 0.4.4 à 0.4.5
    • dtplyr de 1.3.1 à 1.3.2
    • évaluer de 1.0.3 à 1.0.5
    • fansi de 1.0.6 à 1.0.7
    • forcats de la version 1.0.0 à la version 1.0.1
    • fs de 1.6.5 à 1.6.6
    • future de 1.34.0 à 1.68.0
    • future.apply de 1.11.3 à 1.20.0
    • bascule de 1.5.2 à 1.6.0
    • gert de 2.1.4 à 2.2.0
    • ggplot2 de 3.5.1 à 4.0.1
    • gh de 1.4.1 à 1.5.0
    • git2r de 0.35.0 à 0.36.2
    • glmnet de 4.1-8 à 4.1-10
    • googledrive de 2.1.1 à 2.1.2
    • googlesheets4 de 1.1.1 à 1.1.2
    • graphiques de 4.4.2 à 4.5.1
    • grDevices de 4.4.2 à 4.5.1
    • grille comprise entre 4.4.2 et 4.5.1
    • gt de 0.11.1 à 1.1.0
    • Mise à jour de hardhat de la version 1.4.1 à la version 1.4.2
    • haven de 2.5.4 à 2.5.5.5
    • hms de 1.1.3 à 1.1.4
    • httpuv de 1.6.15 à 1.6.16
    • httr2 de 1.1.1 à 1.2.1
    • jsonlite de 1.9.1 à 2.0.0
    • plus tard de 1.4.1 à 1.4.4
    • lave de 1.8.1 à 1.8.2
    • listenv de 0.9.1 à 0.10.0
    • magrittr de 2.0.3 à 2.0.4
    • Markdown de 1.13 à 2.0
    • méthodes comprises entre 4.4.2 et 4.5.1
    • miniUI de 0.1.1.1 à 0.1.2
    • mlflow de 2.20.4 à 3.6.0
    • openssl de 2.3.3 à 2.3.4
    • parallèle de 4.4.2 à 4.5.1
    • parallèlement de 1.42.0 à 1.45.1
    • pilier de 1.11.0 à 1.11.1
    • pkgbuild de 1.4.6 à 1.4.8
    • Mise à jour de pkgdown de la version 2.1.1 à la version 2.2.0
    • pkgload de 1.4.0 à 1.4.1
    • pROC de 1.18.5 à 1.19.0.1
    • prodlim de 2024.06.25 à 2025.04.28
    • progressr de 0.15.1 à 0.18.0
    • promesses comprises entre 1.3.2 et 1.5.0
    • ps de 1.9.0 à 1.9.1
    • purrr de 1.0.4 à 1.2.0
    • ragg de 1.3.3 à 1.5.0
    • Rcpp de 1.0.14 à 1.1.0
    • readr de 2.1.5 à 2.1.6
    • recettes comprises entre 1.2.0 et 1.3.1
    • reshape2 de 1.4.4 à 1.4.5
    • rmarkdown de 2.29 à 2.30
    • roxygen2 de 7.3.2 à 7.3.3
    • rprojroot de 2.0.4 à 2.1.1
    • RSQLite de 2.3.9 à 2.4.4
    • rversions de 2.1.2 à 3.0.0
    • rvest de 1.0.4 à 1.0.5
    • sass de 0.4.9 à 0.4.10
    • va de 1.3.0 à 1.4.0
    • brillant de 1.10.0 à 1.11.1
    • sparklyr de 1.9.1 à 1.9.3
    • SparkR de 4.0.0 à 4.1.0
    • sparsevctrs de 0.3.1 à 0.3.4
    • splines de 4.4.2 à 4.5.1
    • statistiques comprises entre 4.4.2 et 4.5.1
    • stats4 de 4.4.2 à 4.5.1
    • stringr de 1.5.1 à 1.6.0
    • systemfonts de 1.2.1 à 1.3.1
    • tcltk de 4.4.2 à 4.5.1
    • testthat de 3.2.3 à 3.3.0
    • Textshaping de 1.0.0 à 1.0.4
    • timeDate de 4041.110 à 4051.111
    • tinytex de 0,56 à 0,58
    • outils de 4.4.2 à 4.5.1
    • usethis de 3.1.0 à 3.2.1
    • utils de 4.4.2 à 4.5.1
    • V8 de 6.0.2 à 8.0.1
    • vroom de 1.6.5 à 1.6.6
    • waldo de 0.6.1 à 0.6.2
    • xfun de 0,51 à 0,54
    • xml2 de 1.3.8 à 1.5.0
    • zeallot de 0.1.0 à 0.2.0
    • zip de 2.3.2 à 2.3.3

  • Bibliothèques de Java mises à niveau :

    • com.amazonaws.amazon-kinesis-client de 1.12.0 à 1.15.3
    • com.amazonaws.aws-java-sdk-autoscaling de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-cloudformation de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-cloudfront de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-cloudhsm de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-cloudsearch de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-cloudtrail de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-cloudwatch de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-cloudwatchmetrics de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-codedeploy de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-cognitoidentity de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-cognitosync de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-config de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-core de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-datapipeline de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-directconnect de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-directory de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-dynamodb de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-ec2 de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-ecs de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-efs de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-elasticache de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-elasticbeanstalk de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-elasticloadbalancing de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-elastictranscoder de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-emr de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-glacier de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-glue de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-iam de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-importexport de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-kinesis de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-kms de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-lambda de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-logs de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-machinelearning de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-opsworks de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-rds de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-redshift de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-route53 de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-s3 de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-ses de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-simpledb de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-simpleworkflow de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-sns de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-sqs de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-ssm de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-storagegateway de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-sts de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-support de 1.12.638 à 1.12.681
    • com.amazonaws.aws-java-sdk-workspaces de 1.12.638 à 1.12.681
    • com.amazonaws.jmespath-java de 1.12.638 à 1.12.681
    • com.databricks.databricks-sdk-java de 0.27.0 à 0.53.0
    • com.fasterxml.jackson.datatype.jackson-datatype-jsr310 de 2.18.2 à 2.18.3
    • com.github.luben.zstd-jni de 1.5.6-10 à 1.5.7-6
    • com.google.flatbuffers.flatbuffers-java de 24.3.25 à 25.2.10
    • com.google.guava.failureaccess de 1.0.2 à 1.0.3
    • com.google.guava.guava de 33.4.0-jre à 33.4.8-jre
    • com.microsoft.sqlserver.mssql-jdbc de 11.2.3.jre8 à 12.8.0.jre8
    • commons-cli.commons-cli de 1.9.0 à 1.10.0
    • commons-codec.commons-codec de la version 1.17.2 à la version 1.19.0
    • commons-fileupload.commons-fileupload de 1.5 à 1.6.0
    • commons-io.commons-io de 2.18.0 à 2.21.0
    • dev.ludovic.netlib.arpack de 3.0.3 à 3.0.4
    • dev.ludovic.netlib.blas de 3.0.3 à 3.0.4
    • dev.ludovic.netlib.lapack de 3.0.3 à 3.0.4
    • io.dropwizard.metrics.metrics-annotation de 4.2.30 à 4.2.37
    • io.dropwizard.metrics.metrics-core de 4.2.30 à 4.2.37
    • io.dropwizard.metrics.metrics-graphite de 4.2.30 à 4.2.37
    • io.dropwizard.metrics.metrics-healthchecks de 4.2.30 à 4.2.37
    • io.dropwizard.metrics.metrics-jmx de 4.2.30 à 4.2.37
    • io.dropwizard.metrics.metrics-json de la version 4.2.30 à la version 4.2.37
    • io.dropwizard.metrics.metrics-jvm de 4.2.30 à 4.2.37
    • io.dropwizard.metrics.metrics-servlets de 4.2.30 à 4.2.37
    • io.delta.delta-sharing-client_2.13 de 1.3.10 à 1.3.11
    • io.netty.netty-all de 4.1.118.Final à 4.2.7.Final
    • io.netty.netty-buffer de 4.1.118.Final à 4.2.7.Final
    • io.netty.netty-codec de 4.1.118.Final à 4.2.7.Final
    • io.netty.netty-codec-http de 4.1.118.Final à 4.2.7.Final
    • io.netty.netty-codec-http2 de 4.1.118.Final à 4.2.7.Final
    • io.netty.netty-codec-socks de la version 4.1.118.Final à la version 4.2.7.Final
    • io.netty.netty-common de 4.1.118.Final à 4.2.7.Final
    • io.netty.netty-handler de 4.1.118.Final à 4.2.7.Final
    • io.netty.netty-handler-proxy de 4.1.118.Final à 4.2.7.Final
    • io.netty.netty-resolver de 4.1.118.Final à 4.2.7.Final
    • io.netty.netty-tcnative-boringssl-static de 2.0.70.Final-db-r0-windows-x86_64 à 2.0.74.Final-db-r0-windows-x86_64
    • io.netty.netty-tcnative-classes de 2.0.70.Final à 2.0.74.Final
    • io.netty.netty-transport de 4.1.118.Final à 4.2.7.Final
    • io.netty.netty-transport-classes-epoll de 4.1.118.Final à 4.2.7.Final
    • io.netty.netty-transport-classes-kqueue de 4.1.118.Final à 4.2.7.Final
    • io.netty.netty-transport-native-epoll de 4.1.118.Final-linux-x86_64 à 4.2.7.Final-linux-x86_64
    • io.netty.netty-transport-native-kqueue de 4.1.118.Final-osx-x86_64 à 4.2.7.Final-osx-x86_64
    • io.netty.netty-transport-native-unix-common de 4.1.118.Final à 4.2.7.Final
    • joda-time.joda-time de 2.13.0 à 2.14.0
    • org.apache.arrow.arrow-format de 18.2.0 à 18.3.0
    • org.apache.arrow.arrow-memory-core de 18.2.0 à 18.3.0
    • org.apache.arrow.arrow-memory-netty de 18.2.0 à 18.3.0
    • org.apache.arrow.arrow-memory-netty-buffer-patch de 18.2.0 à 18.3.0
    • org.apache.arrow.arrow-vector de 18.2.0 à 18.3.0
    • org.apache.avro.avro de 1.12.0 à 1.12.1
    • org.apache.avro.avro-ipc de 1.12.0 à 1.12.1
    • org.apache.avro.avro-mapred de 1.12.0 à 1.12.1
    • org.apache.commons.commons-collections4 de 4.4 à 4.5.0
    • org.apache.commons.commons-compress de 1.27.1 à 1.28.0
    • org.apache.commons.commons-lang3 de 3.17.0 à 3.19.0
    • org.apache.commons.commons-text de 1.13.0 à 1.14.0
    • org.apache.curator.curator-client de 5.7.1 à 5.9.0
    • Mise à jour de org.apache.curator.curator-framework de la version 5.7.1 à la version 5.9.0
    • org.apache.curator.curator-recipes de 5.7.1 à 5.9.0
    • org.apache.datasketches.datasketches-java de 6.1.1 à 6.2.0
    • org.apache.hadoop.hadoop-client-runtime de 3.4.1 à 3.4.2
    • org.apache.orc.orc-core de 2.1.1-shaded-protobuf à 2.2.0-shaded-protobuf
    • org.apache.orc.orc-format de 1.1.0-shaded-protobuf à 1.1.1-shaded-protobuf
    • org.apache.orc.orc-mapreduce de 2.1.1-shaded-protobuf à 2.2.0-shaded-protobuf
    • org.apache.orc.orc-shims de 2.1.1 à 2.2.0
    • org.apache.xbean.xbean-asm9-shaded de 4.26 à 4.28
    • org.apache.zookeeper.zookeeper de 3.9.3 à 3.9.4
    • org.apache.zookeeper.zookeeper-jute de 3.9.3 à 3.9.4
    • org.eclipse.jetty.jetty-client de 9.4.53.v20231009 à 10.0.26
    • org.eclipse.jetty.jetty-http de 9.4.53.v20231009 à 10.0.26
    • org.eclipse.jetty.jetty-io de 9.4.53.v20231009 à 10.0.26
    • org.eclipse.jetty.jetty-jndi de 9.4.53.v20231009 à 10.0.26
    • org.eclipse.jetty.jetty-plus de 9.4.53.v20231009 à 10.0.26
    • org.eclipse.jetty.jetty-proxy de 9.4.53.v20231009 à 10.0.26
    • org.eclipse.jetty.jetty-security de 9.4.53.v20231009 à 10.0.26
    • org.eclipse.jetty.jetty-server de 9.4.53.v20231009 à 10.0.26
    • org.eclipse.jetty.jetty-servlet de 9.4.53.v20231009 à 10.0.26
    • org.eclipse.jetty.jetty-servlets de 9.4.53.v20231009 à 10.0.26
    • org.eclipse.jetty.jetty-util, de la version 9.4.53.v20231009 à la version 10.0.26
    • org.eclipse.jetty.jetty-webapp de 9.4.53.v20231009 à 10.0.26
    • org.eclipse.jetty.jetty-xml de 9.4.53.v20231009 à 10.0.26
    • org.mlflow.mlflow-spark_2.13 de 2.9.1 à 2.22.1
    • org.objenesis.objenesis de 3.3 à 3.4
    • org.scala-lang.modules.scala-xml_2.13 de 2.3.0 à 2.4.0

Prise en charge du pilote ODBC/JDBC Databricks

Databricks prend en charge les pilotes ODBC/JDBC publiés au cours des 2 dernières années. Téléchargez les pilotes et la mise à niveau récemment publiés (téléchargez ODBC, téléchargez JDBC).

Environnement du système

  • Système d’exploitation : Ubuntu 24.04.4 LTS
  • Java : Zulu21.42+19-CA
  • Scala : 2.13.16
  • Python : 3.12.3
  • R : 4.5.1
  • Delta Lake : 4.2.0

Bibliothèques Python installées

Bibliothèque Version Bibliothèque Version Bibliothèque Version
aiohappyeyeballs 2.4.4 AIOHTTP 3.11.10 aiosignal 1.2.0
document annoté 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
flèche 1.3.0 asttokens 3.0.0 astunparse 1.6.3
async-lru 2.0.4 attributs 24.3.0 commande automatique 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 noir 24.10.0 blanchiment 6.2.0
clignotant 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 cliquez 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 exécution 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 (base de données Git) 4.0.11
GitPython 3.1.43 google-api-core 2.28.1 google-auth 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 spécifications du schéma JSON 2023.7.1 événements Jupyter 0.12.0
jupyter-lsp 2.2.5 jupyter_client 8.6.3 jupyter_core 5.7.2
serveur Jupyter 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 guimauve 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 (version légère de mlflow) 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 ordinateur portable 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 remplace 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
serveur LSP pour Python 1.12.2 pytoolconfig 1.2.6 pytz 2024.1
PyYAML 6.0.2 pyzmq 26.2.0 référencement 0.30.2
regex 2024.11.6 requests 2.32.3 requests-toolbelt 1.0.0
RFC3339 validateur 0.1.4 rfc3986-validator 0.1.1 riche 13.9.4
corde 1.13.0 rpds-py 0.22.3 rsa 4.9.1
s3transfer 0.14.0 scikit-learn 1.6.1 scipy (bibliothèque Python pour le calcul scientifique) 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
terminé 0.17.1 threadpoolctl 3.5.0 tiktoken 0.12.0
tinycss2 1.4.0 tokenize_rt 6.1.0 générateurs de jetons 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 saisie-inspection 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 0.2.5 webcolores 25.10.0 webencodings 0.5.1
websocket-client 1.8.0 whatthepatch 1.0.2 wheel 0.45.1
chaque fois que 0.7.3 widgetsnbextension 3.6.6 enveloppé 1.17.0
yapf 0.40.2 yarl 1.18.0 zipp 3.21.0
zstandard 0.23.0

Bibliothèques R installées

Les bibliothèques R sont installées à partir de l’instantané Posit Gestionnaire de package CRAN sur PACKAGES.

Bibliothèque Version Bibliothèque Version Bibliothèque Version
flèche 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 bit-64 4.6.0-1
bitops 1.0-9 BLOB 1.2.4 boot 1.3-30
brew 1.0-10 brio 1.1.5 balai 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
horloge 0.7.3 cluster 2.1.6 codetools 0,2-20
commonmark 2.0.0 compiler 4.5.1 config 0.3.2
En conflit 1.2.0 cpp11 0.5.2 crayon 1.5.3
credentials 2.0.3 friser 7.0.0 table de données 1.17.8
datasets 4.5.1 DBI 1.2.3 dbplyr 2.5.1
desc 1.4.3 devtools 2.4.6 diagramme 1.6.5
diffobj 0.3.6 digest 0.6.39 éclairage dirigé vers le bas 0.4.5
dplyr 1.1.4 dtplyr 1.3.2 e1071 1.7-16
ellipse 0.3.2 évaluer 1.0.5 fansi 1.0.7
farver 2.1.2 fastmap 1.2.0 fontawesome 0.5.3
travailleurs forcés 1.0.1 foreach 1.5.2 étranger 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
colle 1.8.0 googledrive 2.1.2 googlesheets4 1.1.2
gower 1.0.2 graphics 4.5.1 grDevices 4.5.1
réseau 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
itérateurs 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 plus tard 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 Matrice 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 parallèle 4.5.1 parallèlement 1.45.1
pilier 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 prototype 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 réactif 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
forme 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
chaine 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 mise en forme de texte 1.0.4
tibble 3.3.0 tidyr 1.3.1 tidyselect 1.2.1
tidyverse 2.0.0 changement d'heure 0.3.0 timeDate 4051.111
tinytex 0.58 tools 4.5.1 tzdb 0.5.0
Vérificateur d'URL 1.0.1 usethis 3.2.1 utf8 1.2.6
utilitaires 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 flétrir 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

Bibliothèques Java et Scala installées (version du cluster Scala 2.13)

ID de groupe ID d’artefact 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 ombragé cryogénique 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 natifs
com.github.fommil.netlib native_system-java 1.1
com.github.fommil.netlib native_system-java 1.1 natifs
com.github.fommil.netlib netlib-native_ref-linux-x86_64 1.1 natifs
com.github.fommil.netlib netlib-native_system-linux-x86_64 1.1 natifs
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 annotations de valeur automatique 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 annotations_sujettes_à_erreurs 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 (compression utilisant l'algorithme 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 annotation des métriques 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-compression 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 transport-netty-natif-commun-unix 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 conserve 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 (module d'ingestion de Snowflake) 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 compression de flèches 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 curateur-client 5.9.0
org.apache.curator curator-framework 5.9.0
org.apache.curator créateur de recettes 5.9.0
org.apache.datasketches datasketches-java 6.2.0
org.apache.datasketches datasketches-memory (mémoire de croquis de données) 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 (outil de ligne de commande d'Apache Hive) 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 (API de stockage pour Hive) 2.8.1
org.apache.hive.shims hive-shims-0.23 2.3.10
org.apache.hive.shims Composant commun de hive-shims 2.3.10
org.apache.hive.shims programmeur de cales de hive 2.3.10
org.apache.httpcomponents httpclient 4.5.14
org.apache.httpcomponents httpcore 4.4.16
org.apache.ivy lierre 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 compatible avec scalatest 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.Finale
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
  • Last updated on