Databricks Runtime 18 LTS

Ez a lap az Apache Spark 4.1.0 által működtetett Databricks Runtime 18 LTS egységes kibocsátási megjegyzéseit tartalmazza. Felsorolja a Databricks Runtime 18 LTS kiadási ciklusában szállított összes funkciót, viselkedésváltozást és javítást.

Note

A kiadások szakaszosak. Előfordulhat, hogy az Azure Databricks-fiókja a kezdeti kiadási dátum után néhány napig nem frissül.

Tudnivalók az egyesített kibocsátási megjegyzésekről

Az Azure Databricks a kiadási ciklus során fokozatosan vezet be új funkciókat, a verziószám módosítása nélkül. Ahelyett, hogy minden alverzióhoz külön oldalakat használ, az összes frissítés dátumozott bejegyzésként jelenik meg ezen az oldalon. A klaszterek újraindításkor kapnak frissítéseket.

A Databricks Runtime 18 az első kiadás, amely ezt az egységes formátumot használja. Korábban minden funkcióverziónak (18.0, 18.1, 18.2) saját kibocsátási jegyzetoldala volt. Ezek a lapok hivatkozás céljából továbbra is elérhetők maradnak. Azok a funkciók, amelyek korábban 18.3-as vagy újabb verzióként lettek volna szállítva, a Databricks Runtime 18-as verziójának dátumozott frissítéseiként lettek kézbesítve.

A jövőben a Databricks Runtime-verziók a bétaverziótól (korai értékeléstől) a ga (funkciófejlesztés, körülbelül hat hónap) és az LTS (hosszú távú támogatás, három év stabilitási és biztonsági javítások) közötti életciklust fogják követni. Mivel a 18.0–18.2 közötti verziókat még az előző modell szerint adták ki, a Databricks Runtime 18 átmeneti kiadásnak számít. Jelenleg a GA fázisban van, és az LTS-re vált, amikor a Databricks Runtime 19 általánosan elérhető. Az életciklus teljes részleteiért tekintse meg a Databricks Runtime támogatási életciklusait.

Databricks Runtime 18: 2026. június 10.

A Databricks Runtime 18 már általánosan elérhető (GA). Az életciklus részleteiért tekintse meg a Databricks Runtime támogatási életciklusait.

Új funkciók és fejlesztések

Ebben a kiadásban az alábbi funkciók és fejlesztések érhetők el.

  • Spark Deklaratív folyamatok a Lakeflow streamelési lekérdezésazonosítóján: A Lakeflow-folyamatok Spark Deklaratív folyamatai mostantól igény szerint beállíthatják a streamelési lekérdezés azonosítóját.
  • Új IP-címfüggvények (Nyilvános előzetes verzió): Új SQL-függvények érhetők el az IPv4- és IPv6-címekkel, valamint a CIDR-blokkokkal való munkához, beleértve a ip_host, ip_cidr, ip_version, ip_prefix_length, ip_network, ip_network_last, ip_cidr_contains, ip_as_binary, ip_as_string és try_* nullbiztos működést biztosító változatait. Lásd : ip_host és kapcsolódó függvények.
  • Igény szerinti állapot újraparticionálása (nyilvános előzetes verzió):A strukturált streamelés mostantól támogatja az állapotalapú lekérdezések shuffle partícióinak számát az ellenőrzőpont állapotának elvesztése nélkül. Tekintse meg az igény szerinti állapot újraparticionálását az állapotalapú streamelési lekérdezésekhez.

Apache Spark-javítások és -fejlesztések

Ez a kiadás az alábbi hibajavításokat és a Spark fejlesztéseit tartalmazza:

  • Kijavítottuk a helytelen nullérték-kezelést az LEFT OUTER JOIN LATERAL elemet tartalmazó EXPLODE kifejezésekben. Korábban bizonyos bemenetek helytelen null értékeket eredményezett az eredményekben.
  • A Photon mostantól a Parquet-séma feloldása során fellépő duplikált field_id hibák elhalasztását az érintett mező eléréséig végzi. Azok a lekérdezések, amelyek nem hivatkoznak a duplikált mezőre, most már sikeresen lefutnak ahelyett, hogy a sémafeloldás során meghiúsulnának.

Databricks Runtime 18: 2026. június 8.

Apache Spark-javítások és -fejlesztések

Ez a kiadás az alábbi hibajavításokat és a Spark fejlesztéseit tartalmazza:

  • NEAREST BY Mostantól támogatott SQL-illesztéstípus top-K legközelebbi szomszéd lekérdezésekhez.
  • DESCRIBE TABLE ... PARTITION v2-katalógustáblák esetén már támogatott. Korábban ez a szintaxis csak a v1-es táblákhoz volt elérhető.
  • Az SQL PATH támogatása kibővült: SET PATH mostantól támogatott SQL-utasítás, CURRENT_PATH() az aktuális elérési utat adja vissza, a PATH pedig a nézet és az SQL-függvény definícióiban is megmarad, és a kimenet tartalmazza DESCRIBE .
  • UPDATE A DSv2-táblák lekérdezései mostantól tartalmazzák a lekérdezés kimenetében szereplő műveleti metrikákat.
  • A DSv2 partíciós predikátumai mostantól támogatják a beágyazott partícióoszlopokat.
  • Kijavítottunk egy hibát, amely miatt a(z) PartialMerge vagy Final összesítő végrehajtást használó összesítő lekérdezések meghiúsulhattak a szükséges bemeneti attribútumok hiánya miatt.
  • A nagy külső rendezések mostantól korlátozott k-irányú egyesítést használnak az adatok lemezre való kiömlésekor felmerülő memóriakihasználtságok csökkentésére.

Databricks Runtime 18: 2026. június 4.

Viselkedési változások

Tekintse át az alábbi módosításokat, amelyek akkor lépnek hatályba, amikor a fürtök újraindulnak ebben a futtatókörnyezetben.

  • NATURAL JOIN kis- és nagybetűérzéketlen oszlopillesztés: NATURAL JOIN mostantól figyelembe veszi a spark.sql.caseSensitive beállítást (alapértelmezett: false) az összekapcsolás bal és jobb oldala közötti közös oszlopok egyeztetésekor. Korábban az oszlopegyeztetés mindig megkülönböztette a kis- és nagybetűket, ezért a csak a kis- és nagybetűk használatában eltérő oszlopokat (például ID vs id) nem ismerte fel közös oszlopokként. Ennek eredményeként a várt egyenlőségi összekapcsolás helyett észrevétlenül keresztszorzat jött létre. Az ezzel egyenértékű USING illesztés már megfelelően kezelte ezt. Az előző viselkedés visszaállításához állítsa spark.sql.legacy.naturalJoinCaseSensitiveColumnMatchingtrueértékre.

Databricks Runtime 18: 2026. május 29.

  • Strukturált streamelési deduplikáció kulcsokkalNaN: A strukturált streamelési deduplikáció mostantól duplikáltként kezeli NaN a különböző bitmintákkal rendelkező (nem szám) értékeket, ha egy double vagy float több oszlopot használnak deduplikációs kulcsként. Korábban a NaN különböző belső ábrázolású értékeket eltérőként kezelték, és nem deduplikáltak.
  • Kijavítottunk egy hibát, amely miatt a táblaszintű engedélyeket el lehetett távolítani a Unity Catalog idegen katalógustábláiból (például Snowflake kapcsolattáblákból) a metaadatok frissítése során, ami miatt a lekérdezések hiba miatt INSUFFICIENT_PERMISSIONS meghiúsultak. A külső tábla metaadatainak frissítésekor az engedélyek megmaradnak.

Databricks Runtime 18: 2026. május 18.

Viselkedési változások

Tekintse át az alábbi módosításokat, amelyek akkor lépnek hatályba, amikor a fürtök újraindulnak ebben a futtatókörnyezetben.

  • CREATE OR REPLACE TABLE: CREATE OR REPLACE TABLE mostantól alapértelmezés szerint megőrzi a meglévő oszlop- és táblamegjegyzéseket. Korábban a megjegyzések elvesztek egy tábla újbóli létrehozásakor. A felügyelt táblák és nézetek most már megfelelnek a materializált nézetek és a streamelési táblák meglévő viselkedésének.
  • DataFrame név szerinti írások: writeTo().append(), writeTo().overwrite(), writeTo().overwritePartitions() és write.mode("append").saveAsTable() most automatikusan a kompatibilis típusú oszlopokat a cél Delta-tábla sémájának megfelelő típusra alakítják (például int típusról long típusra). Korábban ezek a műveletek sikertelenek voltak, amikor az DELTA_FAILED_TO_MERGE_FIELDS oszloptípusok kompatibilisek voltak, de nem voltak azonosak. A viselkedés most már megfelel az SQL-nek INSERT INTO ... BY NAME. save() és saveAsTable() felülírási módban nincs hatással.
  • ALTER TABLE SET TBLPROPERTIES a(z) pipelines.pipelineId számára: a(z) ALTER TABLE <table> SET TBLPROPERTIES('pipelines.pipelineId' = '<pipeline-id>') most megpróbálja írhatóvá tenni a megadott táblát a folyamatcső számára. Korábban ennek a tulajdonságnak a normál táblára való beállítása nem volt hatással. Ha a tábla nem alkalmas pipeline-írásokhoz, a parancs SETTING_PIPELINES_PIPELINE_ID_NOT_SUPPORTED kivételt dob.
  • cloud_files_state: A cloud_files_state táblaértékű függvény (TVF) mostantól tartalmaz egy oszlopot discovery_mode , amely bemutatja, hogyan észlelte az automatikus betöltő az egyes fájlokat. A frissítés előtt felderített fájloknak ebben az oszlopban van null értékük.
  • DESCRIBE EXTENDED AS JSON: Most már tartalmazza a prediktív optimalizálási kiértékelési eredményeket a kimenetében. Korábban ez az információ nem lett visszaadva a JSON-kimenetben.
  • Metrikanézet ablakának mértékei: Most helyes eredményeket ad vissza, ha a lekérdezések az ablak rendelési oszlopában használnak GROUP BY, IN/BETWEEN szűrőket vagy vegyes predikátumokat. Korábban ezek a szűrőminták helytelen eredményeket eredményezhetnek.

Új funkciók és fejlesztések

Ebben a kiadásban az alábbi funkciók és fejlesztések érhetők el.

  • Fürtkönyvtárak: Amikor PyPI-könyvtárakat, wheel-csomagokat vagy requirements.txt-fájlokat telepít egy fürtre, a Könyvtárak lap és a Könyvtárak REST API mostantól megjelenítik az összes feloldott és telepített csomagot, beleértve a tranzitív függőségeket is. Azoknál a telepítéseknél, amelyek során több mint 500 csomag függősége kerül feloldásra, a lista levágásra kerül. A teljes telepítési jelentés elérhető a fürt illesztőprogram-naplóiban.
  • Automatikus CDC pillanatképből SQL-szintaxissal: A Spark Deklaratív folyamatok a Lakeflow-on mostantól támogatja az automatikus CDC-t a pillanatképből az SQL-szintaxis használatával. Korábban ez a funkció csak a Python API-val volt elérhető. A CREATE STREAMING TABLE ... FLOW AUTO CDC FROM SNAPSHOT használatával pillanatképforrásokat (például Delta-táblákat, felhőalapú tárolót vagy JDBC-t) dolgozhat fel, egyszerre egy-egy pillanatképet. Az SCD 1. típusa (alapértelmezett) és az SCD 2. típusa is támogatott.
  • array_sort egyéni összehasonlítókkal: A Photon mostantól felgyorsítja array_sort azokat a kifejezéseket, amelyek egyéni összehasonlítókkal rendezik a strukturált tömböket egy vagy több mező szerint. Korábban ezek a kifejezések visszaestek a nem Foton-végrehajtásra. Az optimalizálás engedélyezéséhez állítsa be a következőt spark.databricks.photon.rewriteArraySortComparator.enabledtrue: .

Apache Spark-javítások és -fejlesztések

Ez a kiadás az alábbi hibajavításokat és a Spark fejlesztéseit tartalmazza:

  • Az SQL-lekérdezések mostantól támogatnak egy QUALIFY klauzulát, amely lehetővé teszi, hogy közvetlenül a lekérdezésben, az ablakfüggvények eredményei alapján szűrjön. Korábban ez a lekérdezés egy alkérésben való körbefuttatására volt szükség.
  • spark.read.json, spark.read.csvés spark.read.xml most fogadja el a DataFrame-et bemenetként, így anélkül elemezheti a memóriában lévő adatokat, hogy először egy fájlba mentenél.
  • DataFrame.changes() mostantól a DataFrame API-n keresztül is olvasható a változási adatrögzítési (CDC) kimenet.
  • Ha egy DataFrame-oszlopra nem a megfelelő DataFrame-ből hivatkozik, a hiba most az adott oszlop nevét adja. Beállíthatja azt is spark.sql.columnResolution.strict , hogy a Spark szigorúbb oszlopegyezést kényszerítsen ki, és észlelje ezeket a hibákat korábban.
  • MERGE INTO A sémafejlődés akkor működik helyesen, ha az utasítás alias alapján beágyazott oszlopokat tartalmaz WHEN MATCHED THEN DELETE vagy hivatkozik rá. Korábban ezek a kombinációk sikertelenek lehetnek, vagy csendesen rossz eredményeket eredményezhetnek.
  • SHOW COLLATIONS Felsorolja az összes támogatott rendezést és azok tulajdonságait, ami akkor hasznos, ha szöveg rendezést vagy összehasonlítást választ.
  • A Spark lekérdezésoptimalizálója most már helyesen becsüli meg, hogy mennyi adatszűrő fog csökkenni. A korábbi hibás becslések miatt a Spark a nagy táblákat a join műveletek során teljes egészében a memóriába töltötte, ami memóriahiány miatti hibákhoz vezetett.
  • A több COUNT(DISTINCT) kifejezéssel rendelkező lekérdezések gyorsabban futnak, mert a Spark mostantól csökkenti az adatokat a végrehajtási terv korábbi szakaszában ahelyett, hogy először bővítené őket.
  • Python nyíloptimalizálást használó UDF-ek már nem végeznek szükségtelen adatformátum-átalakítást, ami csökkenti a többletterhelést.
  • A Stream-stream nem külső összekapcsolások mostantól nemcsak Hozzáfűzés módban, hanem Frissítés módban is képesek kimenetet előállítani, ami lehetővé teszi, hogy több kimeneti célba írjanak.
  • A JDBC-kapcsolatok most már megfelelően bezáródnak egy tevékenység megszakításakor. Korábban a lemondás nyitva hagyhatta a kapcsolatot, ami későbbi feladatok lefagyását okozhatta.
  • array_insert már nem eredményez hibás eredményt, ha nagyon nagy negatív számot ad meg beszúrási pozícióként.

Databricks Runtime 18: 2026. május 4.

Viselkedési változások

Tekintse át az alábbi módosításokat, amelyek akkor lépnek hatályba, amikor a fürtök újraindulnak ebben a futtatókörnyezetben.

  • XPath: A XPath XML-en keresztüli kiértékelésekor Azure Databricks már nem tölt be külső dokumentumtípus-definíciókat (DTD-ket). A korábban csak elérhetetlen külső DTD-referencia miatt meghiúsult lekérdezések mostantól sikeresek lehetnek.
  • NULL strukturálási viselkedés sémafejlődéssel: A INSERT használó , MERGEés streamelési írások esetében a forrásban lévő NULL struktúra mostantól NULL formátumban van tárolva a célban. Korábban a NULL struktúrák helytelenül nem NULL struktúrákként materializálódtak, amelyekben minden mező értéke NULL volt. Frissítsen minden olyan kódot, amely egy nem null értékű struktúra fogadására támaszkodott az all-NULL mezőkkel – ezek az esetek most null értékű szerkezetet adnak vissza.
  • NATURAL JOIN: Most már helyesen használja a kis- és nagybetűkre nem érzékeny oszlopegyeztetést, amikor a(z) spark.sql.caseSensitive értéke false (ez az alapértelmezett). Korábban a csak a kis- és nagybetűk használatában eltérő oszlopokat (például ID vs. id) nem ismerték fel egyezőként, ezért a NATURAL JOIN észrevétlenül keresztszorzat-eredményeket adott vissza. Ez a javítás a NATURAL JOIN viselkedését a USING összekapcsolásokhoz igazítja.
  • Az AWS SDK v1 függőségei: Mostantól árnyékolva vannak, és már nem érhetők el közvetlenül az osztályelérési útvonalon. Ha a kód a Databricks Runtime által korábban biztosított AWS SDK v1 kódtáraktól függ, vegye fel őket explicit függőségekként a projektbe.
  • SQL UDF-függőség érvényesítése a Unity Katalógusban: A Unity Catalog mostantól kikényszeríti a felhasználó által definiált SQL-függvények függőségérvényesítését a hozzáférés-vezérlés megkerülésének megakadályozása érdekében. Az érvénytelen függőségi konfigurációkkal rendelkező SQL UDF-ek nem lesznek végrehajtva.
  • LEFT OUTER JOIN LATERAL: Kijavítottunk egy hibát, amely helytelenül elvetett sorokat. Az ezt a szerkezetet használó lekérdezések mostantól helyes eredményeket adnak vissza. Ha ideiglenesen vissza szeretne térni az előző viselkedésre, állítsa be a(z) spark.databricks.sql.optimizer.lateralJoinPreserveOuterSemantic értékét true-re.
  • regr_r2: Most már helyesen kezeli az első paramétert függő változóként. Az előző helytelen viselkedésre támaszkodó lekérdezések eltérő eredményeket adnak vissza.
  • Hiperbolikus függvények: sinh, cosh, tanh és a kapcsolódó hiperbolikus függvények most Infinity értéket adnak vissza ahelyett, hogy túlcsordulási hibát okoznának, nagyon nagy bemenetek esetén.
  • asinh és acosh: Most használja az fdlibm algoritmust a motorközi konzisztencia érdekében. Az eredmények kis mértékben eltérhetnek az edge-case bemenetek korábbi verzióitól.
  • LIKE mintaegyezés: Mostantól helyesen kezeli a kiegészítő Unicode-karaktereket (az U+FFFF fölötti kódpontokat). Azok a minták, amelyek korábban helytelenül egyeztek vagy nem feleltek meg ezeknek a karaktereknek, most már helyes eredményeket adnak vissza.
  • VOID (NullType) oszlopok: A Delta-táblák mostantól támogatják VOID a (NullType) oszlopokat. VOID az oszlopok olvasáskor már nem lesznek elvetve a táblázatsémából. Az írási műveletek nem érintettek.

Új funkciók és fejlesztések

Ebben a kiadásban az alábbi funkciók és fejlesztések érhetők el.

  • CREATE OR REPLACE TEMP TABLE: Mostantól támogatott, így egyetlen utasításban hozhat létre vagy cserélhet le ideiglenes táblákat .
  • agg(): Mostantól elérhető aliasként a measure() függvényhez. A meglévő, módosítás measure() nélküli lekérdezések továbbra is működnek.
  • pyspark.pipelines.testing: Mostantól az API-k kényelmi dlt.testing aliasaként is elérhető.
  • Automatikus betöltő listateljesítménye: Az Automatikus betöltő mostantól hatékonyabb listázási módszert használ, amely javítja a felhőbeli tárolóforrások listasebességét. Ha a folyamat eseményindítók átfedésben vannak a hosszan futó listázási műveletek miatt, ez az optimalizálás megnövelheti a felhőalapú listázási API-költségeket.
  • DESCRIBE HISTORY írási beállításjelzők: A Delta-tábla előzményei (DESCRIBE HISTORY) mostantól tartalmazzák az írási beállításjelzőket a operationParameters mezőben a WRITE és REPLACE TABLE műveletekhez. A jelzők csak akkor jelennek meg, ha true: isDynamicPartitionOverwrite, canOverwriteSchema, canMergeSchema, predicateés isV1WriterSaveAsTableOverwrite.
  • Strukturált streamelés visszatekerése és visszajátszása: A strukturált stream mostantól támogatja a visszatekerést és az újrajátszást, lehetővé téve a stream egy korábbi pontjáról történő újrafeldolgozást, hogy a teljes állapot visszaállítása nélkül helyreállítsa a hibákat, például sémamódosításokat vagy logikai hibákat.
  • SparkSession.emptyDataFrame: Mostantól kényelmes API-ként érhető el egy üres DataFrame , oszlopok és sorok nélküli létrehozáshoz.
  • TIMESTAMP WITH LOCAL TIME ZONE: Mostantól a típus SQL-szintaxisi TIMESTAMP_LTZ aliasaként is támogatott.
  • to_json sortKeys beállítás: A to_json függvény most már elfogad egy sortKeys JSON-kimenetet rendezett sorrendben lévő kulcsokkal.
  • spark.catalog.*: Az API-metódusok mostantól funkció paritásosak a katalógus-, séma- és táblaműveletekhez megfelelő DDL-parancsokkal.
  • [Biztonsági javítás] Az operációs rendszer biztonsági frissítései.

Databricks Runtime 18: 2026. április 20.

  • Kijavítottuk a CRS térbeli referencia-szolgáltatót a GEOMETRY(102100) típushoz. A hatóságot most ESRI:102100 helyett EPSG:102100-ként jelentik.
  • [Biztonsági javítás] Az operációs rendszer biztonsági frissítései.

Databricks Runtime 18: 2026. április 2.

  • Továbbfejlesztett hibakezelés a felhasználó által definiált típusú (VOIDUDT) oszlopot NullType tartalmazó Delta-táblákba adatokat író lekérdezések esetében.
  • A JDBC adatfolyam-fogadó kapcsolatok mostantól 30 másodperces socket-időtúllépést, exponenciális visszalépéssel működő újrapróbálkozási logikát az átmeneti hibák (kapcsolódási hibák, holtpontok, kérésszám-korlátozás) kezelésére, valamint a megszakadt kapcsolatok esetén szabályos visszagörgetést alkalmaznak.
  • Kijavítottuk az SQL-szöveg sérülését, amely Unicode-karakterek paraméteres lekérdezésekben való használatakor történt.
  • SHOW CREATE TABLE mostantól a táblák és nézetek megfelelő kimenetét állítja elő nem alapértelmezett rendezéssel.
  • [Biztonsági javítás] Az operációs rendszer biztonsági frissítései.

Databricks Runtime 18: 2026. március 11.

Viselkedési változások

Tekintse át az alábbi módosításokat, amelyek akkor lépnek hatályba, amikor a fürtök újraindulnak ebben a futtatókörnyezetben.

  • Megfigyelési metrikák hibái: A továbbiakban nem okoznak lekérdezésvégrehajtási hibákat. Korábban a OBSERVE záradékok hibái (például nullával való osztás) blokkolhatják vagy meghiúsulhatják a teljes lekérdezést. Most a lekérdezés sikeresen befejeződik, és a hiba akkor jelentkezik, amikor a observation.get hívást végrehajtja.
  • FILTER záradék a következőhöz: MEASURE: A MEASURE aggregátumfüggvények mostantól támogatják a FILTER záradékokat. Korábban a szűrőket csendesen figyelmen kívül hagyták.
  • DESCRIBE FLOW: A DESCRIBE FLOW parancs már elérhető. Ha van egy flow nevű táblázata, használja a DESCRIBE schema.flow, DESCRIBE TABLE flow vagy DESCRIBE `flow` karaktereket backtickekkel.
  • SpatialSQL logikai halmazműveletek: ST_Difference, ST_Intersectionés ST_Union használjon egy új implementációt a következő fejlesztésekkel:
    • Az érvényes bemeneti geometriák mindig eredményt adnak, és már nem okoznak hibákat.
    • Körülbelül 2x gyorsabb teljesítmény.
    • Az eredmények normalizálva vannak a konzisztens, összehasonlítható kimenet érdekében.
  • Az SQLSTATE kivételtípusai: A kivételtípusok frissülnek az SQLSTATE támogatásához. Ha a kód sztringegyezés vagy adott kivételtípusok alapján elemzi a kivételeket, frissítse a hibakezelési logikát.
  • Automatikus streamelési típusszélesítés: A Delta-táblákon lévő streamelési olvasások automatikusan kezelik az oszloptípusok szélesítését. Manuális nyugtázás megköveteléséhez állítsa a spark.databricks.delta.typeWidening.enableStreamingSchemaTracking következőre: true.

Új funkciók és fejlesztések

Ebben a kiadásban az alábbi funkciók és fejlesztések érhetők el.

  • Automatikus betöltőfájlesemények alapértelmezés szerint: Az Automatikus betöltő alapértelmezés szerint fájleseményeket használ, amikor külső helyről tölt be fájleseményeket engedélyezve, ami csökkenti a listaműveleteket és a könyvtárlistához képest a költségeket. Tekintse meg az automatikus betöltőt a fájlesemények áttekintésével. A címtárlista használatához állítsa be useManagedFileEvents a false formára.

  • Sémafejlődés a következővel INSERT: A záradék és az WITH SCHEMA EVOLUTION SQL-utasítások INSERT használatával automatikusan fejleszthető a céltábla sémája a beszúrási műveletek során. Támogatott a INSERT INTO, INSERT OVERWRITEés INSERT INTO ... REPLACE. Például:

    INSERT WITH SCHEMA EVOLUTION INTO students TABLE visiting_students_with_additional_id;

  • A Delta Sharing több utasításból álló tranzakciói: Azok a Delta Sharing-táblák, amelyek előre aláírt URL-t vagy felhőtokenes megosztási módokat használnak, támogatják a több utasításból álló tranzakciókat. A tranzakción belüli első hozzáféréskor a rendszer a táblaverziót rögzítette és újra felhasználja a tranzakció minden további olvasásához.

  • parse_timestamp: A parse_timestamp SQL-függvény több minta alapján dolgozza fel az időbélyeg-karakterláncokat, Photon-motortámogatással a jobb teljesítmény érdekében.

  • max_by és min_by opcionális limit argumentummal: A max_by és min_by összesítő függvények mostantól elfogadnak egy opcionális harmadik argumentumot, a(z) limit értéket (legfeljebb 100 000). Ha meg van adva, a függvények legfeljebb limit értékeket tartalmazó tömböt adnak vissza, ami leegyszerűsíti a felső K és az alsó K lekérdezéseket ablakfüggvények vagy CTE-k nélkül.

  • DATETIMEOFFSET az Azure Synapse esetében: A DATETIMEOFFSET adattípus támogatott a Microsoft Azure Synapse-kapcsolatokhoz.

  • Google BigQuery tábla megjegyzései: A Google BigQuery tábla leírásai feloldva vannak, és táblamegjegyzésekként jelennek meg.

  • IGNORE NULLS / RESPECT NULLS for array_agg and collect_list: A array_agg és collect_list összesítő függvények mostantól támogatják a IGNORE NULLS és RESPECT NULLS záradékokat.

  • PIVOT aliasok: A PIVOT záradék mostantól támogatja az aliasokat, így átnevezheti a kimutatásoszlop kifejezéseit a kimenetben.

  • SQL-szkriptelési CURSOR változók: Az SQL-szkriptelés mostantól támogatja CURSOR a változókat a lekérdezés eredményhalmazának sorról sorra történő iterálásához egy szkriptelési blokkon belül.

  • Vektoros matematikai összesítő függvények: Új vektoros matematikai összesítő függvények érhetők el: vector_avg, vector_sum, vector_norm és vector_normalize. Ezek a függvények sűrű vektoroszlopokon működnek, és támogatják az ml-számítási feladatokat.

  • Trigger.AvailableNow a Python-adatfolyamolvasókban: A Python-adatforrások adatfolyamolvasói most már támogatják a Trigger.AvailableNow és az Admission Control funkciót, így lehetővé teszik az összes rendelkezésre álló adat egyszeri kötegelt feldolgozását.

  • State repartition API a PySparkban: A streamelő operátorok TransformWithState állapot-újrapartíciós API-ja a Scala mellett a PySparkban is elérhető. Tekintse meg az igény szerinti állapot újraparticionálását az állapotalapú streamelési lekérdezésekhez.

  • applyInPandas teljesítményjavítás: A nagy csoportok 3x-os teljesítményregressziója applyInPandas megoldódott.

Databricks Runtime 18: 2026. március 10.

  • A EXEC IMMEDIATE használatával végrehajtott skaláris részlekérdezésekhez tartozó hibaüzenetek most már világosabban jelölik meg a konkrét okot.
  • Kijavítottunk egy versenyfeltételt a streamelési ellenőrzőpont-napló tömörítésében, amely nem determinisztikus viselkedést okozhatott a strukturált streamelési lekérdezésekben.
  • [Biztonsági javítás] Az operációs rendszer biztonsági frissítései.

Databricks Runtime 18: 2026. február 26.

  • SET METADATA ON COLUMN és UNSET METADATA ON COLUMN AZ SQL-parancsok mostantól elérhetők a szemantikai metaadatok Unity Catalog-táblaoszlopokon való kezeléséhez. A SET METADATA ON COLUMN használatával tulajdonságokat (display_name, format és synonyms) csatolhat az oszlopokhoz. A korábban beállított metaadat-tulajdonságok eltávolítására használható UNSET METADATA ON COLUMN .
  • DESCRIBE TABLE Mostantól tartalmaz egy oszlopot metadata , amely oszlopszintű szemantikai metaadatokat jelenít meg JSON-sztringként.
  • Kijavítottunk egy PySpark-importálási hibát Windows környezetekben, amelyet egy hiányzó UnixStreamServer okozott.
  • [Biztonsági javítás] Az operációs rendszer biztonsági frissítései.

Databricks Runtime 18: 2026. február 19.

  • A Excel fájlok sémájának következtetésekor a sztringcellák mostantól Spark StringType értékként lesznek kikövetkeztetve, figyelembe véve a Excel megadott cellatípust. Korábban a számértékeket tartalmazó karakterláncok automatikusan szűkebb típusokra lettek átalakítva, például Long vagy Decimal. Frissítse az előző viselkedésre támaszkodó kódot.
  • DataFrame.toJSON() mostantól elérhető a Python Spark Connect-ügyfélben.
  • [Biztonsági javítás] Az operációs rendszer biztonsági frissítései.

Databricks Runtime 18: 2026. január 27.

  • Az Auto Loader mostantól metrikaként jelenti a batchSizeNumFiles, batchSizeNumBytes, valamint a fájlfeldolgozási állapotokat (numFilesProcessed, numFilesSkippedCorrupted, numFilesSkippedMissing, numFilesUnknownState).
  • INSERT INTO ... BY NAME mostantól támogatja a záradékot REPLACE WHERE .
  • A konfigurációs tulajdonság spark.sql.xml.legacyXMLParser.enabled átnevezve a következőre spark.sql.legacy.useLegacyXMLParser: . Frissítse az összes olyan fürt- vagy munkamenet-konfigurációt, amely a régi nevet használja.
  • Ha spark.task.resource.gpu.amount 1-nél nagyobb, a Fáklya-forgalmazó mostantól gpu-nként egy torchrun folyamatot indít el feladatonként helyett.
  • [Biztonsági javítás] Az operációs rendszer biztonsági frissítései.

Databricks Runtime 18: 2026. január 15.

A Databricks Runtime 18 már fejlesztés alatt áll, az Apache Spark 4.1.0-s verzióval. Ez a verzió az összes korábbi Databricks Runtime-kiadás összes funkcióját, fejlesztését és hibajavítását tartalmazza.

Viselkedési változások

Tekintse át az alábbi módosításokat, amelyek akkor lépnek hatályba, amikor a fürtök újraindulnak ebben a futtatókörnyezetben.

  • JDK 21: A Databricks Runtime 18 a JDK 21-et használja alapértelmezett Java fejlesztői készletként. A JDK 21 általánosan elérhető, és hosszú távú támogatási (LTS) kiadás. Korábban az alapértelmezett JDK 17 volt. Jelentős változások:

    • Double.toString() és Float.toString() most a legrövidebb egyedi sztring-ábrázolásokat hozza létre, amelyek egyes peremes esetekben eltérhetnek a JDK 17 kimenetétől.
    • Thread.stop(), Thread.suspend() és Thread.resume() most dobja UnsupportedOperationException.
    • A frissített területi adatok (CLDR v42) hatással lehetnek a dátum- és idő- és számformázásra.

    Ha kompatibilitási problémákat tapasztal, térjen vissza a JDK 17-esre. További információ a JDK-verziók konfigurálásáról: Fürt létrehozása adott JDK-verzióval.

  • FSCK REPAIR TABLE: Most már tartalmaz egy kezdeti metaadat-javítási lépést a hiányzó adatfájlok keresése előtt. A parancs sérült ellenőrzőpontokkal vagy érvénytelen partícióértékekkel rendelkező táblákon működik.

  • Spark Connect Scala nullability: A tömb- és térképtípusok nullabilitása mostantól megmarad a Spark Connect Scala-ügyfél beírt literáljainak esetében. Korábban a tömbök és a térképek értékei mindig null értékűek voltak.

  • FSCK REPAIR TABLE DRY RUN: A dataFilePath kimeneti séma oszlopa FSCK REPAIR TABLE DRY RUN mostantól null értékű az új problématípusok jelentésének támogatásához, ha az adatfájl elérési útja nem alkalmazható.

  • SHOW TABLES DROPPED: Most már helyesen betartja a LIMIT záradékot.

  • Python UDF-végrehajtás: A Unity Catalog Python UDF-ek mostantól az Apache Arrowt használják alapértelmezett csereformátumként, így javítva az általános teljesítményt. Ennek a változásnak a részeként a TIMESTAMP Python UDF-eknek átadott értékek már nem tartalmazzák az időzónával kapcsolatos információkat az datetime objektum attribútumában tzinfo . Maguk az időbélyegértékek UTC-ben maradnak, de az időzóna metaadatait a rendszer most elveti. Ha az UDF az időzóna-információkra támaszkodik, állítsa vissza ezzel: date = date.replace(tzinfo=timezone.utc). További információkért tekintse meg az időbélyeg időzónának viselkedését a bemenetek esetében.

  • Időutazás és VACUUM megőrzés: Azure Databricks mostantól letiltja az deletedFileRetentionDuration küszöbértéken túli időutazási lekérdezéseket az összes tábla esetében. A VACUUM parancs figyelmen kívül hagyja a megőrzési időtartam argumentumát, kivéve, ha az érték 0 óra. Nem állíthat be deletedFileRetentionDuration nagyobb értéket, mint logRetentionDuration vagy fordítva.

  • BinaryType a PySparkben: A PySpark rendszerben a BinaryType mostantól következetesen a Python bytes elemre van leképezve. Korábban a PySpark a BinaryType elemet a kontextustól függően a bytes vagy a bytearray elemnek feleltette meg. A régi viselkedés visszaállításához állítsa a spark.sql.execution.pyspark.binaryAsBytes értéket false-re.

  • NULL struktúrák a Delta MERGE-ben és UPDATE: Mostantól NULL-ként őrződnek meg a Delta MERGE-ben, UPDATE, valamint a struktúratípus-konverziókat tartalmazó streaminges írási műveletekben. Korábban a NULL-szerkezetek ki lettek bontva NULL mezőkkel rendelkező szerkezetekre.

  • Partícióoszlopok materializálása: A particionált Delta-táblák most már az újonnan megírt Parquet-adatfájlok partícióoszlopait is materializálják. Korábban a partícióértékek a Delta tranzakciónapló metaadataiban voltak tárolva, és a könyvtárak elérési útvonalaiban tükröződtek vissza, azonban nem jelentek meg oszlopként magukban a Parquet-fájlokban. Ez a módosítás megfelel az Apache Iceberg és az UniForm viselkedésének, és hatással lehet azokra a számítási feladatokra, amelyek közvetlenül olvassák a Delta Lake által írt Parquet-fájlokat.

  • Időbélyeg partíció időzónája: Az időbélyeg partíció értékeit korábban UTC-vé konvertálták a JVM időzónával a spark.sql.session.timeZone konfiguráció helyett. Az időbélyeg-partíció értékei a Spark-munkamenet időzónának beállításával megfelelően vannak módosítva.

  • DESCRIBE TABLE metaadat oszlop: A kimenet DESCRIBE TABLE [EXTENDED] mostantól minden táblatípushoz tartalmaz egy új metadata oszlopot. Ez az oszlop JSON-sztringként definiált szemantikai metaadatokat (megjelenítendő nevet, formátumot és szinonimákat) tartalmaz.

Új funkciók és fejlesztések

Ebben a kiadásban az alábbi funkciók és fejlesztések érhetők el.

  • SQL-szkriptelés: Az SQL-szkriptelési funkció már általánosan elérhető.
  • Megosztott izoláció a Unity Catalog Python UDF-ekhez: Az azonos tulajdonosú Unity Catalog Python UDF-ek mostantól alapértelmezés szerint megoszthatnak egy izolációs környezetet. Ez javítja a teljesítményt, és csökkenti a memóriahasználatot az elindított különálló környezetek számának csökkentésével. Annak érdekében, hogy az UDF mindig teljesen izolált környezetben fusson, adja hozzá a STRICT ISOLATION jellemző záradékot. Lásd: Környezetelkülönítés.
  • SQL-ablakfüggvények a metrikanézetekben: Mostantól az SQL ablakfüggvényeivel kiszámíthatja a futó összegeket, a rangsorolásokat és az egyéb ablakalapú számításokat.
  • Dinamikus shuffle partíciók az állapot nélküli streamelésben: Mostantól a lekérdezés újraindítása nélkül is módosíthatja az állapot nélküli streamelési lekérdezések shuffle partícióinak számát.
  • AQE és AOS állapot nélküli streamelés esetén: Az adaptív lekérdezések végrehajtása (AQE) és az automatikusan optimalizált shuffle (AOS) mostantól támogatott az állapot nélküli streamelési lekérdezésekben.
  • Paraméterjelölők: Mostantól az elnevezett (:param) és a névtelen (?) paraméterjelölőket gyakorlatilag bárhol használhatja, ahol a megfelelő típusú literális érték használható. Ide tartoznak a DDL-utasítások, például a CREATE VIEW v AS SELECT ? AS c1, az oszloptípusok DECIMAL(:p, :s), vagy a COMMENT ON t IS :comment. Részletekért tekintse meg a paraméterjelölőket .
  • IDENTIFIER záradék: A IDENTIFIER záradék hatóköre, amely a sztringeket SQL-objektumnevekké alakítja, csaknem minden olyan helyre kibővült, ahol azonosító használata megengedett. Részletekért lásd IDENTIFIER záradék.
  • BITMAP_AND_AGG: A függvények meglévő kódtára BITMAP mostantól egy új BITMAP_AND_AGG függvényt tartalmaz.
  • Theta vázlatfüggvények: Mostantól használhat egy új függvénytárat a hozzávetőleges különböző számokhoz, és beállíthatja a műveleteket a Datasketches Theta Sketch használatával. Lásd : theta_sketch_agg és kapcsolódó függvények.
  • KLL vázlatfüggvények: Mostantól használhat egy új függvénytárat a kvantitális számítások hozzávetőleges kiszámításához a KLL-vázlatok használatával. Lásd a(z) kll_sketch_agg_bigint és a kapcsolódó függvényeket.
  • Új térinformatikai függvények: st_azimuth, st_boundary, st_closestpoint és st_geogfromewkt már elérhetők.
  • GeometryType és GeographyType: Az Apache Spark mostantól támogatja a natív GeometryType és GeographyType adattípusokat a PySparkban és Java API-kban. Ezek a típusok támogatják a nyíl szerializálását és a Parquet olvasását és írását, és különböznek az SQL térinformatikai függvényeitől.
  • approx_top_k: Az új approx_top_k aggregátumfüggvény egy helytakarékos sketch algoritmussal egy oszlop leggyakoribb top-K értékeinek közelítő listáját adja vissza.
  • Spark Connect JDBC-illesztő: Az Apache Spark mostantól tartalmaz egy JDBC-illesztőt a Spark Connecthez, amely lehetővé teszi a JDBC-alapú ügyfelek és eszközök számára, hogy a Sparkhoz a Spark Connect protokollon keresztül csatlakozzanak.
  • Iterator[pandas.DataFrame] in applyInPandas: a DataFrame.applyInPandas mostantól Iterator[pandas.DataFrame] szignatúrájú függvényt is elfogad, így csökken a többletterhelés, mivel az adatok nagy csoportjai kötegekben streamelhetők.
  • Ellenőrző megszorítások: Most már támogatják a nullérték-összehasonlításokat a megszorításkifejezésben.
  • Állapot-újraparticionálási API ehhez: TransformWithState: Új állapot-újraparticionálási API érhető el a Scala TransformWithState streamfeldolgozó operátoraihoz, amely lehetővé teszi az állapottal rendelkező adatok kulcsparticionálásának módosítását a lekérdezések újraindításai között. Tekintse meg az igény szerinti állapot újraparticionálását az állapotalapú streamelési lekérdezésekhez.
  • Python 3.14 pyspark-connect: pyspark-client és pyspark-connect mostantól támogatja a 3.14-Python.

Könyvtárfrissítések

  • Frissített Python-kódtárak:

    • anyio 4.6.2-től 4.7.0-ra
    • asttokens 2.0.5-ről 3.0.0-ra
    • azure-core 1.34.0-tól 1.37.0-sig
    • azure-mgmt-core 1.5.0-ról 1.6.0-ra
    • azure-storage-blob 12.23.0-ról 12.28.0-ra
    • azure-storage-file-datalake 12.17.0-tól 12.22.0-ra
    • boto3 1.36.2 és 1.40.45 között
    • botocore 1.36.3-tól 1.40.45-ösig
    • minősítés 2025.1.31-től 2025.4.26-ra
    • kattintson a 8.1.7-ről a 8.1.8-ra
    • titkosítás 43.0.3 és 44.0.1 között
    • Cython 3.0.12-től 3.1.5-ig
    • databricks-sdk 0.49.0 és 0.67.0 között
    • 1.2.13 és 1.2.18 közötti verziók elavultnak minősítve
    • végrehajtás a 0.8.3-tól az 1.2.0-sig
    • fastapi 0.115.12-től 0.128.0-ra
    • filelock 3.18.0-tól 3.17.0-ra
    • google-api-core 2.20.0-tól 2.28.1-esig
    • google-hitelesítés 2.40.0-tól 2.47.0-ig
    • google-cloud-core 2.4.3-tól 2.5.0-ra
    • google-cloud-storage 3.1.0 és 3.7.0 között
    • google-crc32c 1.7.1 és 1.8.0 között
    • google-resumable-media 2.7.2-től 2.8.0-ra
    • h11 0.14.0 és 0.16.0 között
    • httpcore 1.0.2 és 1.0.9 között
    • httpx 0.27.0-ról 0.28.1-re
    • isodate 0.6.1 és 0.7.2 között
    • Jinja2 3.1.5-től 3.1.6-osig
    • jupyter-események 0.10.0 és 0.12.0 között
    • jupyter-lsp 2.2.0 és 2.2.5 között
    • jupyter_server 2.14.1-től 2.15.0-ra
    • jupyter_server_terminals 0.4.4-től 0.5.3-ra
    • mistune 2.0.4-ről 3.1.2-re
    • mlflow-skinny 3.0.1-től 3.8.1-esig
    • mmh3 5.1.0-tól 5.2.0-ig
    • Az msal 1.32.3 verzióról 1.34.0 verzióra történő frissítés.
    • nbclient 0.8.0-tól 0.10.2-ig
    • nbconvert 7.16.4-ről 7.16.6-ra
    • nodeenv 1.9.1 és 1.10.0 között
    • notebook_shim 0.2.3-ról 0.2.4-re
    • opentelemetry-api 1.32.1-től 1.39.1-esig
    • opentelemetry-sdk 1.32.1 és 1.39.1 között
    • opentelemetry-szemantic-conventions from 0.53b1 to 0.60b1
    • platformdirs 3.10.0 és 4.3.7 között
    • prometheus_client 0.21.0 és 0.21.1 között
    • proto-plus 1.26.1-től 1.27.0-ra
    • psycopg2 2.9.3–2.9.11
    • pyarrow 19.0.1-től 21.0.0-ra
    • Pygments 2.15.1–2.19.1
    • pyiceberg 0.9.0-ról 0.10.0-ra
    • python-lsp-server 1.12.0 és 1.12.2 között
    • kötél 1.12.0-tól 1.13.0-ra
    • s3transfer 0.11.3-tól 0.14.0-ra
    • scipy 1.15.1 verzióról 1.15.3 verzióra
    • setuptools 74.0.0-tól 78.1.1-ig
    • hat az 1.16.0-tól az 1.17.0-sig
    • sqlparse frissítése 0.5.3-ról 0.5.5-re
    • stack-data 0.2.0-tól 0.6.3-ig
    • starlette 0.46.2-től 0.50.0-ra
    • tornádó 6.4.2 és 6.5.1 között
    • types-python-dateutil 2.9.0.20241206-tól 2.9.0.20251115-ig
    • uvicorn 0.34.2-től 0.40.0-ra
    • webcolors 24.11.1-től 25.10.0-ig

  • Frissített R-kódtárak:

    • nyíl 19.0.1-től 22.0.0-ra
    • 4.4.2 és 4.5.1 közötti alapverzió
    • bigD 0.3.0 és 0.3.1 között
    • seprű 1.0.7 és 1.0.10 között
    • óra 0.7.2-től 0.7.3-ra
    • commonmark frissítése 1.9.5-ről 2.0.0-ra
    • fordító 4.4.2-es verzióról 4.5.1-es verzióra
    • hitelesítő adatok 2.0.2-től 2.0.3-ra
    • curl verzió 6.4.0-ról 7.0.0-ra
    • data.table 1.17.0 és 1.17.8 között
    • 4.4.2 és 4.5.1 közötti adatkészletek
    • dbplyr 2.5.0 és 2.5.1 között
    • devtools 2.4.5-től 2.4.6-osig
    • diffobj 0.3.5-től 0.3.6-osig
    • kivonat 0.6.37-től 0.6.39-ig
    • downlit 0.4.4-ről 0.4.5-re
    • dtplyr 1.3.1-től 1.3.2-esig
    • kiértékelés 1.0.3-tól 1.0.5-ig
    • fansi 1.0.6-ról 1.0.7-re
    • forcats 1.0.0-tól 1.0.1-ig
    • fs 1.6.5-től 1.6.6-osig
    • verziófrissítés 1.34.0-tól 1.68.0-ra
    • future.apply 1.11.3-tól 1.20.0-ig
    • gargle verzió 1.5.2-ről 1.6.0-ra
    • gert 2.1.4-től 2.2.0-ra
    • ggplot2 3.5.1 és 4.0.1 között
    • gh 1.4.1 és 1.5.0 között
    • git2r 0.35.0-tól 0.36.2-től
    • glmnet 4.1-8-tól 4.1-10-hez
    • googledrive 2.1.1-től 2.1.2-re
    • googlesheets4 1.1.1 és 1.1.2 között
    • 4.4.2 és 4.5.1 közötti grafikus elemek
    • grDevices 4.4.2-ről 4.5.1-re
    • rács 4.4.2 és 4.5.1 között
    • gt 0.11.1-től 1.1.0-ra
    • hardhat 1.4.1 és 1.4.2 között
    • 2.5.4-es verzióról 2.5.5-es verzióra
    • hms 1.1.3-ról 1.1.4-re
    • httpuv 1.6.15-től 1.6.16-osig
    • httr2 1.1.1 és 1.2.1 között
    • jsonlite 1.9.1-től 2.0.0-ra
    • később 1.4.1-ről 1.4.4-re
    • láva 1.8.1 és 1.8.2 között
    • listenv 0.9.1-től 0.10.0-ra
    • magrittr 2.0.3–2.0.4
    • markdown 1.13-ból 2.0-ra
    • módszerek 4.4.2–4.5.1
    • miniUI 0.1.1.1 és 0.1.2 között
    • mlflow 2.20.4-től 3.6.0-ra
    • openssl 2.3.3-ról 2.3.4-re
    • 4.4.2 és 4.5.1 közötti párhuzamos
    • párhuzamosan az 1.42.0-tól az 1.45.1-ig
    • pillér verziófrissítése 1.11.0-ról 1.11.1-re
    • pkgbuild 1.4.6-tól 1.4.8-ra
    • pkgdown 2.1.1-től 2.2.0-ra
    • pkgload 1.4.0 és 1.4.1 között
    • pROC 1.18.5–1.19.0.1 között
    • prodlim 2024.06.25-től 2025.04.28-ra
    • progressr frissítése 0.15.1-ről 0.18.0-ra
    • ígéretek 1.3.2-től 1.5.0-ig
    • ps 1.9.0 és 1.9.1 között
    • purrr 1.0.4-től 1.2.0-ra
    • ragg 1.3.3-tól 1.5.0-ra
    • Rcpp 1.0.14-től 1.1.0-ra
    • readr 2.1.5-verzióról 2.1.6-verzióra
    • receptek 1.2.0-tól 1.3.1-től
    • reshape2 1.4.4-ről 1.4.5-re
    • rmarkdown 2.29-től 2.30-ig
    • roxygen2 7.3.2-től 7.3.3-ig
    • rprojroot 2.0.4-től 2.1.1-ig
    • RSQLite 2.3.9-től 2.4.4-esig
    • 2.1.2 és 3.0.0 közötti átirányítások
    • rvest 1.0.4 és 1.0.5 között
    • sass 0.4.9-ről 0.4.10-re
    • skálázás 1.3.0-ról 1.4.0-ra
    • fényes 1.10.0 és 1.11.1 között
    • sparklyr frissítése 1.9.1-ről 1.9.3-ra
    • SparkR 4.0.0 és 4.1.0 között
    • sparsevctrs 0.3.1-ről 0.3.4-re
    • Spline-ok 4.4.2-ről 4.5.1-re
    • 4.4.2 és 4.5.1 közötti statisztikák
    • stats4 4.4.2-tól 4.5.1-ig
    • stringr 1.5.1-ről 1.6.0-ra
    • systemfonts 1.2.1-ről 1.3.1-re
    • tcltk 4.4.2 és 4.5.1 között
    • A testthat 3.2.3 verziótól a 3.3.0 verzióig frissítve
    • 1.0.0 és 1.0.4 közötti szövegformázás
    • timeDate 4041.110-tól 4051.111-ig
    • tinytex 0,56-tól 0,58-ra
    • 4.4.2 és 4.5.1 közötti eszközök
    • usethis 3.1.0 verzióról 3.2.1 verzióra
    • utils 4.4.2-ről 4.5.1-re
    • V8 6.0.2 és 8.0.1 között
    • vroom 1.6.5-től 1.6.6-osig
    • waldo 0.6.1 és 0.6.2 között
    • xfun 0,51 és 0,54 között
    • xml2 1.3.8-tól 1.5.0-ra
    • zeallot 0.1.0-tól 0.2.0-ra
    • zip 2.3.2-ről 2.3.3-ra

  • Frissített Java-kódtárak:

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

Databricks ODBC/JDBC meghajtó támogatása

A Databricks támogatja az elmúlt 2 évben kiadott ODBC/JDBC-illesztőprogramokat. Töltse le a nemrég kiadott illesztőprogramokat és frissítsen (töltse le az ODBC-t, töltse le a JDBC-t).

Rendszerkörnyezet

  • Operációs rendszer: 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

Telepített Python-kódtárak

Könyvtár Verzió Könyvtár Verzió Könyvtár Verzió
aiohappyeyeballs 2.4.4 aiohttp 3.11.10 aiosignal 1.2.0
annotált dokumentum 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
kriptográfia 44.0.1 cycler 0.11.0 Cython 3.1.5
databricks-ügynökök 1.9.1 databricks-sdk 0.67.0 adat osztályok JSON-hoz 0.6.7
dbus-python 1.3.2 debugpy 1.8.11 dekorátor 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
fagyasztott lista 1.5.0 fsspec 2023.5.0 gitdb 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
rezgés 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 mályvacukor 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
többnyelvű szótár 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 jegyzetfüzet 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 overrides 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
piroaring 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
reguláris kifejezés 2024.11.6 requests 2.32.3 requests-eszközkészlet 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 tokenizálók 0.22.2
tomli 2.0.1 tornado 6.5.1 tqdm 4.67.1
jellemzők 5.14.3 típusőrző 4.3.0 typer-slim 0.21.1
types-python-dateutil 2.9.0.20251115 gépelés ellenőrzése 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 webcolors 25.10.0 webencodings 0.5.1
websocket-client 1.8.0 whatthepatch 1.0.2 wheel 0.45.1
akármikor 0.7.3 widgetsnbextension 3.6.6 wrapt 1.17.0
yapf 0.40.2 jarl 1.18.0 zipp 3.21.0
zstandard 0.23.0

Telepített R-kódtárak

Az R-csomagokat a Posit Csomagkezelő CRAN-pillanatképéből telepítik a PACKAGES rendszeren.

Könyvtár Verzió Könyvtár Verzió Könyvtár Verzió
arrow 22.0.0 askpass 1.2.1 assertthat 0.2.1
backports 1.5.0 alapkép 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
osztály 7.3-22 cli 3.6.5 clipr 0.8.0
clock 0.7.3 fürt 2.1.6 codetools 0.2-20
commonmark 2.0.0 fordítóprogram 4.5.1 config 0.3.2
conflicted 1.2.0 cpp11 0.5.2 crayon 1.5.3
azonosító adatok 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 kivonat 0.6.39 downlit 0.4.5
dplyr 1.1.4 dtplyr 1.3.2 e1071 1.7-16
három pont 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 általánosítás 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
rács 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 életciklus 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
ígéretek 1.5.0 proto 1.0.0 közvetít 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
alakzat 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
térbeli 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 fájl 2.3.3

Telepített Java és Scala könyvtárak (Scala 2.13 klaszterverzió)

Csoportazonosító A tárgy azonosítója Verzió
antlr antlr 2.7.7
com.clearspring.analytics adatfolyam 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-hitelesítési-könyvtár-azonosítók (google-auth-library-credentials) 1.20.0
com.google.auth google-auth-library-oauth2-http 1.20.0
com.google.auto.value automatikus érték-annotációk 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 profilkészítő 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-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 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 gyűjtő 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 aktiválás 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 nyíl-sűrítés 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
  • Last updated on