Condividi tramite

Databricks Runtime 4.0 (EoS)

Nota

Il supporto per questa versione di Databricks Runtime è terminato. Per la data di fine del supporto, vedere Cronologia di fine del supporto. Per tutte le versioni supportate di Databricks Runtime, consultare le note di rilascio sulle versioni e compatibilità di Databricks Runtime.

Databricks ha rilasciato questa versione nel marzo 2018.

Importante

Questa versione è stata dichiarata obsoleta il 1° novembre 2018. Per altre informazioni sui criteri di deprecazione e sulla pianificazione di Databricks Runtime, vedere Ciclo di vita del supporto di Databricks.

Le note sulla versione seguenti forniscono informazioni su Databricks Runtime 4.0, basate su Apache Spark.

Modifiche e miglioramenti

  • L'origine dati JSON tenta ora di rilevare automaticamente la codifica invece di presumere che sia UTF-8. Nei casi in cui il rilevamento automatico ha esito negativo, gli utenti possono specificare l'opzione charset per applicare una determinata codifica. Vedere Rilevamento automatico del set di caratteri.
  • L'assegnazione di punteggi e la stima usando le pipeline MLlib Spark in Structured Streaming sono completamente supportate.
  • L'esportazione del modello di Machine Learning di Databricks è completamente supportata. Con questa funzionalità è possibile eseguire il training di un modello Spark MLlib in Databricks, esportarlo con una chiamata di funzione e usare una libreria Databricks nel sistema preferito per importare il modello e assegnare un punteggio ai nuovi dati.
  • Una nuova fonte dati di Spark offre accessibilità scalabile in lettura/scrittura ad Azure Synapse Analytics. Vedi Spark - Synapse Analytics Connector.
  • Lo schema della funzione from_json viene ora sempre convertito in uno schema nullable. In altre parole, tutti i campi, inclusi quelli annidati, sono nullable. Ciò garantisce che i dati siano compatibili con lo schema, impedendo il danneggiamento quando un campo risulta mancante nei dati e lo schema fornito dall'utente dichiara il campo come non annullabile, dopo aver scritto i dati in parquet.
  • Aggiornamento di alcune librerie Python installate:
    • futures: da 3.1.1 a 3.2.0
    • pandas: da 0.18.1 a 0.19.2
    • pyarrow: da 0.4.1 a 0.8.0
    • setuptools: da 38.2.3 a 38.5.1
    • tornado: da 4.5.2 a 4.5.3
  • Aggiornamento di diverse librerie R installate. Consulta Librerie R installate.
  • Aggiornamento di AWS Java SDK dalla versione 1.11.126 alla versione 1.11.253.
  • Aggiornamento del driver JDBC di SQL Server dalla versione 6.1.0.jre8 alla versione 6.2.2.jre8.
  • Aggiornamento del driver JDBC PostgreSQL da 9.4-1204-jdbc41 a 42.1.4.

Apache Spark

Databricks Runtime 4.0 include Apache Spark 2.3.0.

Core, PySpark e Spark SQL

Funzionalità principali

  • Lettore ORC vettorializzato: [SPARK-16060]: aggiunge il supporto per il nuovo lettore ORC che migliora notevolmente la velocità effettiva dell'analisi ORC tramite vettorizzazione (2-5x). Per abilitare il lettore, gli utenti possono impostare spark.sql.orc.impl su native.
  • Spark History Server V2: [SPARK-18085]: nuovo back-end del server di cronologia Spark (SHS) che offre una migliore scalabilità per applicazioni su larga scala con un meccanismo di archiviazione eventi più efficiente.
  • API origine dati V2: [SPARK-15689][SPARK-22386]: Un'API sperimentale per l'integrazione di nuove origini dati in Spark. La nuova API tenta di risolvere diverse limitazioni dell'API V1 e mira a facilitare lo sviluppo di origini dati esterne con prestazioni elevate, facili da gestire ed estendibili. Questa API è ancora in fase di sviluppo attivo e dovrebbero essere previste modifiche di rilievo.
  • Miglioramenti delle prestazioni di PySpark: [SPARK-22216][SPARK-21187]: miglioramenti significativi delle prestazioni e dell'interoperabilità di Python tramite la serializzazione rapida dei dati e l'esecuzione vettorializzata.

Prestazioni e stabilità

Altre modifiche rilevanti

Streaming Strutturato

Elaborazione continua

  • Nuovo motore di elaborazione in grado di eseguire query di streaming con latenza complessiva inferiore al millisecondo modificando solo una singola riga di codice utente. Per altre informazioni, vedere la guida alla programmazione.

Unioni tra flussi

  • Possibilità di unire due flussi di dati, memorizzando nel buffer le righe fino all'arrivo delle tuple corrispondenti nell'altro flusso. I predicati possono essere usati contro le colonne relative all'ora dell'evento per limitare la quantità di stato da conservare.

Streaming API V2

  • API sperimentale per il collegamento di nuove fonti e destinazioni che funzionano per batch, micro-batch ed esecuzione continua. Questa API è ancora in fase di sviluppo attivo e dovrebbero essere previste modifiche di rilievo.

MLlib

Caratteristiche salienti

  • Ml Prediction ora funziona con Structured Streaming, usando le API aggiornate. I dettagli seguono.

API nuove e migliorate

  • [SPARK-21866]: supporto predefinito per la lettura di immagini in un dataframe (Scala/Java/Python).
  • [SPARK-19634]: funzioni dataframe per statistiche di riepilogo descrittive sulle colonne vettoriali (Scala/Java).
  • [SPARK-14516]: ClusteringEvaluator per ottimizzare gli algoritmi di clustering, supportando la silhouette del Coseno e le metriche della silhouette euclidea quadrata (Scala/Java/Python).
  • [SPARK-3181]: regressione lineare affidabile con perdita di Huber (Scala/Java/Python).
  • [SPARK-13969]: FeatureHasher trasformatore (Scala/Java/Python).
  • Supporto di più colonne per diversi trasformatori di funzionalità:
  • [SPARK-21633] e SPARK-21542]: supporto migliorato per i componenti della pipeline personalizzati in Python.

Nuove funzionalità

  • [SPARK-21087]: CrossValidator e TrainValidationSplit possono raccogliere tutti i modelli quando vengono adattati (Scala/Java). In questo modo è possibile controllare o salvare tutti i modelli montati.
  • [SPARK-19357]: meta-algoritmi CrossValidator, TrainValidationSplit,OneVsRest supporta un parametro di parallelismo per l'adattamento di più modelli secondari in processi Spark paralleli.
  • [SPARK-17139]: Riepilogo dei modelli per la regressione logistica multinomiale (Scala/Java/Python)
  • [SPARK-18710]: Aggiunta dell'offset in GLM.
  • [SPARK-20199]: Aggiunto featureSubsetStrategy il Param a GBTClassifier e GBTRegressor. L'uso di questa funzionalità per la sottosample può migliorare significativamente la velocità di training; questa opzione è stata un punto di forza chiave di xgboost.

Altre modifiche rilevanti

  • [SPARK-22156]: scalabilità della frequenza di apprendimento fissa Word2Vec con num iterazioni. La nuova impostazione del tasso di apprendimento è fatta in modo che corrisponda al codice C originale Word2Vec e dovrebbe offrire risultati migliori durante l'addestramento.
  • [SPARK-22289]: aggiunta JSON del supporto per i parametri Matrix (Correzione di un bug per la persistenza ml con LogisticRegressionModel quando si usano limiti sui coefficienti).
  • [SPARK-22700]: Bucketizer.transform elimina erroneamente la riga contenente NaN. Quando Param handleInvalid è stato impostato su "skip", Bucketizer rilascia una riga con un valore valido nella colonna di input se un'altra colonna (irrilevante) ha un NaN valore.
  • [SPARK-22446]: Catalyst Optimizer a volte ha causato StringIndexerModel la generazione di un'eccezione "Unseen label" non corretta quando handleInvalid è stata impostata su "error". Questo problema può verificarsi per i dati filtrati, a causa del push-down del predicato, causando errori anche dopo che le righe non valide sono già state filtrate dal set di dati di input.
  • [SPARK-21681]: correzione di un bug del case edge nella regressione logistica multinomiale che causava coefficienti non corretti quando alcune funzionalità avevano una varianza zero.
  • Ottimizzazioni principali:
    • [SPARK-22707]: riduzione del consumo di memoria per CrossValidator.
    • [SPARK-22949]: riduzione del consumo di memoria per TrainValidationSplit.
    • [SPARK-21690]: Imputer deve eseguire il training usando un singolo passaggio sui dati.
    • [SPARK-14371]: OnlineLDAOptimizer evita di raccogliere statistiche sul driver per ogni mini batch.

SparkR

L'obiettivo principale di SparkR nella versione 2.3.0 è stato quello di migliorare la stabilità delle funzioni definite dall'utente e di aggiungere diversi nuovi wrapper di SparkR per le API esistenti.

Funzionalità principali

GraphX

Ottimizzazioni

  • [SPARK-5484]: Pregel ora salva i checkpoint a intervalli regolari per evitare StackOverflowErrors.
  • [SPARK-21491]: piccolo miglioramento delle prestazioni in diversi punti.

Elementi deprecati

Pitone

  • [SPARK-23122]: Deprecare register* per UDFs in SQLContext e Catalog in PySpark

MLlib

  • [SPARK-13030]: OneHotEncoder è stato deprecato e verrà rimosso nella versione 3.0. È stato sostituito dal nuovo OneHotEncoderEstimator oggetto. OneHotEncoderEstimator verrà rinominato OneHotEncoder in in 3.0 (ma OneHotEncoderEstimator verrà mantenuto come alias).

Modifiche del comportamento

SparkSQL

  • [SPARK-22036]: per impostazione predefinita le operazioni aritmetiche tra decimali restituiscono un valore arrotondato se non è possibile una rappresentazione esatta (anziché restituire NULL nelle versioni precedenti)
  • [SPARK-22937]: quando tutti gli input sono binari, SQL elt() restituisce un output come binario. In caso contrario, restituisce una stringa. Nelle versioni precedenti, viene sempre restituito come stringa indipendentemente dai tipi di input.
  • [SPARK-22895]: i predicati deterministici di Join/Filter dopo i primi predicati non deterministici vengono inseriti anche negli operatori figlio, se possibile. Nelle versioni precedenti, questi filtri non erano idonei per il pushdown del predicato.
  • [SPARK-22771]: quando tutti gli input sono binari, functions.concat() restituisce un output come binario. In caso contrario, restituisce una stringa. Nelle versioni precedenti, viene sempre restituito come stringa indipendentemente dai tipi di input.
  • [SPARK-22489]: quando uno dei lati del join è trasmissibile, è preferibile trasmettere la tabella specificata in modo esplicito in un suggerimento di trasmissione.
  • [SPARK-22165]: L'inferenza delle colonne di partizione aveva precedentemente trovato un tipo comune non corretto per tipi dedotti differenti. Ad esempio, in passato risultava il tipo double come tipo comune per double e date. Ora trova il tipo comune corretto per tali conflitti. Per informazioni dettagliate, vedere la guida alla migrazione.
  • [SPARK-22100]: La funzione percentile_approx in precedenza accettava input di tipo numeric e restituiva risultati di tipo double. Ora supporta i tipi date, timestamp e numeric come tipi di input. Il tipo di risultato viene modificato anche in modo che corrisponda al tipo di input, che è più ragionevole per i percentili.
  • [SPARK-21610]: le query dai file JSON/CSV non elaborati non sono consentite quando le colonne a cui si fa riferimento includono solo la colonna di record danneggiata interna (denominata _corrupt_record per impostazione predefinita). È invece possibile memorizzare nella cache o salvare i risultati analizzati e quindi inviare la stessa query.
  • [SPARK-23421]: a partire da Spark 2.2.1 e 2.3.0, lo schema viene sempre dedotto in fase di esecuzione quando le tabelle dell'origine dati hanno le colonne presenti sia nello schema di partizione che nello schema di dati. Lo schema dedotto non include le colonne partizionate. Quando si legge la tabella, Spark rispetta i valori di partizione di queste colonne sovrapposte anziché i valori archiviati nei file di origine dati. Nella versione 2.2.0 e 2.1.x lo schema dedotto viene partizionato, ma i dati della tabella sono invisibili agli utenti (ad esempio, il set di risultati è vuoto).

PySpark

  • [SPARK-19732]: na.fill() o accetta anche fillna valori booleani e sostituisce i valori Null con valori booleani. Nelle versioni precedenti di Spark, PySpark lo ignora e restituisce il set di dati/dataframe originale.
  • [SPARK-22395]: pandas 0.19.2 o upper è necessario per l'uso di funzionalità correlate a Pandas, ad esempio toPandas, createDataFrame da pandas DataFrame e così via.
  • [SPARK-22395]: il comportamento dei valori di timestamp per le funzionalità correlate a Pandas è stato modificato in modo da rispettare il fuso orario di sessione, che viene ignorato nelle versioni precedenti.
  • [SPARK-23328]: df.replace non consente di omettere value quando to_replace non è un dizionario. In precedenza, value poteva essere omesso negli altri casi e avere None come impostazione predefinita, il che è controintuitivo e soggetto a errori.

MLlib

  • Modifiche radicali dell'API: la gerarchia di classi e caratteristiche per i riepiloghi del modello di regressione logistica è stata modificata in modo da essere più chiara e più adeguata all'aggiunta del riepilogo multiclasse. Si tratta di una modifica radicale per il codice utente che esegue il cast di LogisticRegressionTrainingSummary a BinaryLogisticRegressionTrainingSummary. Gli utenti devono invece usare il model.binarySummary metodo . Vedere [SPARK-17139]: per altri dettagli (si noti che si tratta di un'API @Experimental ). Questo non influisce sul metodo di riepilogo python, che funzionerà comunque correttamente per i casi multinomiali e binari.
  • [SPARK-21806]: : BinaryClassificationMetrics.pr()primo punto (0.0, 1.0) fuorviante ed è stato sostituito da (0,0, p) dove la precisione p corrisponde al punto di richiamo più basso.
  • [SPARK-16957]: gli alberi delle decisioni ora usano punti medi ponderati quando si scelgono valori suddivisi. Questo potrebbe influenzare i risultati dell'addestramento del modello.
  • [SPARK-14657]: RFormula senza intercetta viene ora restituita la categoria di riferimento quando si codificano i termini di stringa, in modo da corrispondere al comportamento R nativo. Questo potrebbe influenzare i risultati dell'addestramento del modello.
  • [SPARK-21027]: il parallelismo predefinito usato in OneVsRest è ora impostato su 1 (ovvero seriale). Nella versione 2.2 e versioni precedenti, il livello di parallelismo è stato impostato sulle dimensioni predefinite del pool di thread in Scala. Ciò può modificare le prestazioni.
  • [SPARK-21523]: Aggiornamento di Breeze a 0.13.2. Ciò includeva una correzione di bug importante nella ricerca di righe di Wolfe forte per L-BFGS.
  • [SPARK-15526]: la dipendenza JPMML è ora ombreggiata.
  • Vedere anche la sezione "Correzioni di bug" per le modifiche del comportamento risultanti dalla correzione di bug.

Problemi noti

  • [SPARK-23523][SQL]: risultato errato causato dalla regola OptimizeMetadataOnlyQuery.
  • [SPARK-23406]: bug nei self-join del flusso di flusso.

Aggiornamenti di manutenzione

Vedere Aggiornamenti della manutenzione di Databricks Runtime 4.0.

Ambiente di sistema

  • Sistema operativo: Ubuntu 16.04.4 LTS
  • Java: 1.8.0_151
  • Scala: 2.11.8
  • Python: 2.7.12 (o 3.5.2 se si usa Python 3)
  • R: R versione 3.4.3 (2017-11-30)
  • Cluster GPU: sono installate le librerie GPU NVIDIA seguenti:
    • Autista Tesla 375.66
    • CUDA 8.0
    • CUDNN 6.0

Librerie Python installate

Biblioteca Versione Biblioteca Versione Biblioteca Versione
ansi2html (strumento per convertire ANSI in HTML) 1.1.1 argparse 1.2.1 backports-abc 0,5
bot 2.42.0 boto3 1.4.1 botocore 1.4.70
brewer2mpl 1.4.1 certificato 2016.2.28 cffi 1.7.0
chardet 2.3.0 colorama 0.3.7 configobj 5.0.6
criptografia 1,5 ciclatore 0.10.0 Cython, un linguaggio di programmazione 0.24.1
decoratore 4.0.10 docutils 0.14 enum34 1.1.6
et-xmlfile 1.0.1 freetype-py 1.0.2 funcsig 1.0.2
fusepy 2.0.4 contratti futures 3.2.0 ggplot 0.6.8
html5lib 0,999 IDNA 2.1 indirizzo IP 1.0.16
ipython 2.2.0 ipython-genutils 0.1.0 jdcal 1,2
Jinja2 2.8 jmespath 0.9.0 llvmlite 0.13.0
lxml 3.6.4 MarkupSafe 0,23 matplotlib 1.5.3
mpld3 0.2 msgpack-python 0.4.7 ndg-httpsclient 0.3.3
nmbalo 0.28.1 numpy 1.11.1 openpyxl 2.3.2
Panda 0.19.2 pathlib2 2.1.0 capro espiatorio 0.4.1
pexpect 4.0.1 pickleshare (libreria di software Python) 0.7.4 Cuscino 3.3.1
seme 9.0.1 filo 3.9 prompt-toolkit 1.0.7
Psycopg2 2.6.2 ptyprocess 0.5.1 py4j (0.10.3)
pyarrow 0.8.0 pyasn1 0.1.9 pycparser (un parser scritto in Python) 2.14
Pygments 2.1.3 PyGObject 3.20.0 pyOpenSSL 16.0.0
pyparsing 2.2.0 pypng 0.0.18 Pitone 2.7.12
python-dateutil (libreria Python per la gestione delle date) 2.5.3 python-geohash 0.8.5 pytz 1/6/2016
richieste 2.11.1 s3transfer 0.1.9 scikit-learn 0.18.1
scipy 0.18.1 strofinare 0,32 Seaborn 0.7.1
setuptools (pacchetto Python per gestire la configurazione e la distribuzione) 38.5.1 simplejson 3.8.2 simples3 1.0
singledispatch (funzionalità di sovraccarico di funzioni in Python) 3.4.0.3 sei 1.10.0 statsmodels 0.6.1
tornado 4.5.3 traitlets (una libreria per la configurazione dei parametri nei programmi Python) 4.3.0 urllib3 1.19.1
virtualenv 15.0.1 wcwidth (funzione per determinare la larghezza dei caratteri) 0.1.7 ruota 0.30.0
wsgiref 0.1.2

Librerie R installate

Biblioteca Versione Biblioteca Versione Biblioteca Versione
abind 1.4-5 assicura che 0.2.0 retroportazioni 1.1.1
base 3.4.3 BH 1.65.0-1 bindr 0,1
bindrcpp 0.2 pezzo 1.1-12 bit 64 0.9-7
bitops 1.0-6 massa amorfa 1.1.0 stivale 1.3-20
infuso 1.0-6 Scopa 0.4.3 auto 2.1-6
Interpunzione 6.0-77 cron 2.3-51 classe 7.3-14
raggruppamento 2.0.6 strumenti per la codifica 0.2-15 spazio colore 1.3-2
segno comune 1.4 compilatore 3.4.3 pastello 1.3.4
curva 3.0 Trombosi Venosa del Seno Cerebrale 0,2-1 tabella di dati 1.10.4-3
insiemi di dati 3.4.3 DBI 0,7 ddalpha 1.3.1
DEoptimR 1.0-8 descrizione 1.1.1 strumenti per sviluppatori 1.13.4
dicromato 2.0-0 sommario 0.6.12 dimRed 0.1.0
doMC 1.3.4 dplyr 0.7.4 Piano di Disaster Recovery 0.0.2
foreach 1.4.3 straniero 0.8-69 Gbm 2.1.3
ggplot2 2.2.1 git2r 0.19.0 glmnet 2.0-13
colla 1.2.0 Gower 0.1.2 grafica 3.4.3
grDispositivi 3.4.3 griglia 3.4.3 gsubfn 0.6-6
gtable 0.2.0 H₂O 3.16.0.1 httr 1.3.1
hwriter 1.3.2 hwriterPlus 1.0-3 ipred 0.9-6
Iteratori 1.0.8 jsonlite 1,5 kernlab 0.9-25
KernSmooth 2.23-15 Etichettatura 0,3 Reticolo 0.20-35
lava 1.5.1 lazyeval 0.2.1 più piccolo 0.3.2
lme4 1.1-14 lubridate 1.7.1 magrittr 1,5
mapproj 1.2-5 mappe 3.2.0 Massa 7.3-48
Matrice 1.2-11 MatrixModels 0.4-1 memorizza 1.1.0
metodi 3.4.3 mgcv 1.8-23 mimo 0,5
minqa 1.2.4 mnormt 1.5-5 ModelMetrics 1.1.0
munsell 0.4.3 mvtnorm 1.0-6 nlme 3.1-131
nloptr 1.0.4 nnet 7.3-12 Derivazione numerica 2016.8-1
openssl 0.9.9 parallelo 3.4.3 pbkrtest 0.4-7
pkgconfig 2.0.1 pkgKitten 0.1.4 plogr 0.1-1
plyr 1.8.4 elogio 1.0.0 Proc 1.10.0
prodlim 1.6.1 proto / prototipo 1.0.0 psico 1.7.8
purrr 0.2.4 Quantreg 5,34 R.methodsS3 1.7.1
R.oo 1.21.0 R.utils 2.6.0 R6 2.2.2
randomForest 4.6-12 RColorBrewer 1.1-2 Rcpp (una libreria per il linguaggio di programmazione R) 0.12.14
RcppEigen 0.3.3.3.1 RcppRoll 0.2.2 RCurl 1.95-4.8
ricette 0.1.1 reshape2 1.4.2 rlang 0.1.4
robustbase 0.92-8 RODBC 1.3-15 roxygen2 6.0.1
rpart 4.1-12 rprojroot 1,2 Rserve 1.7-3
RSQLite 2.0 rstudioapi 0,7 Scalabilità 0.5.0
sfsmisc 1.1-1 Sp 1.2-5 SparkR 2.3.0
SparseM 1.77 spaziale 7.3-11 Spline 3.4.3
sqldf 0,4-11 statmod 1.4.30 statistiche 3.4.3
statistiche4 3.4.3 perizoma 1.1.6 stringr 1.2.0
Sopravvivenza 2.41-3 tcltk 3.4.3 Dimostrazioni di Insegnamento 2.10
testatat 1.0.2 Tibble 1.3.4 tidyr 0.7.2
tidyselect 0.2.3 tempoData 3042.101 strumenti 3.4.3
Utilità 3.4.3 viridisLite 0.2.0 baffi 0,3-2
withr 2.1.0 xml2 1.1.1

Librerie installate di Java e Scala (versione del cluster Scala 2.11)

ID gruppo ID dell'artefatto Versione
antlr antlr 2.7.7
com.amazonaws Amazon Kinesis Client 1.7.3
com.amazonaws aws-java-sdk-autoscaling 1.11.253
com.amazonaws aws-java-sdk-cloudformation 1.11.253
com.amazonaws aws-java-sdk-cloudfront 1.11.253
com.amazonaws aws-java-sdk-cloudhsm 1.11.253
com.amazonaws aws-java-sdk-cloudsearch 1.11.253
com.amazonaws aws-java-sdk-cloudtrail 1.11.253
com.amazonaws aws-java-sdk-cloudwatch 1.11.253
com.amazonaws aws-java-sdk-cloudwatchmetrics 1.11.253
com.amazonaws aws-java-sdk-codedeploy 1.11.253
com.amazonaws aws-java-sdk-cognitoidentity 1.11.253
com.amazonaws aws-java-sdk-cognitosync 1.11.253
com.amazonaws aws-java-sdk-config (configurazione SDK Java per AWS) 1.11.253
com.amazonaws aws-java-sdk-core 1.11.253
com.amazonaws aws-java-sdk-datapipeline 1.11.253
com.amazonaws aws-java-sdk-directconnect (strumento per la connessione diretta in Java di AWS) 1.11.253
com.amazonaws aws-java-sdk-directory 1.11.253
com.amazonaws aws-java-sdk-dynamodb 1.11.253
com.amazonaws aws-java-sdk-ec2 1.11.253
com.amazonaws aws-java-sdk-ecs 1.11.253
com.amazonaws aws-java-sdk-efs 1.11.253
com.amazonaws aws-java-sdk-elasticache 1.11.253
com.amazonaws aws-java-sdk-elasticbeanstalk 1.11.253
com.amazonaws aws-java-sdk-elasticloadbalancing 1.11.253
com.amazonaws aws-java-sdk-elastictranscoder 1.11.253
com.amazonaws aws-java-sdk-emr 1.11.253
com.amazonaws AWS Java SDK per Glacier 1.11.253
com.amazonaws aws-java-sdk-iam 1.11.253
com.amazonaws aws-java-sdk-importexport 1.11.253
com.amazonaws aws-java-sdk-consultas 1.11.253
com.amazonaws aws-java-sdk-kms 1.11.253
com.amazonaws aws-java-sdk-lambda 1.11.253
com.amazonaws aws-java-sdk-logs 1.11.253
com.amazonaws AWS Java SDK Machine Learning 1.11.253
com.amazonaws aws-java-sdk-opsworks 1.11.253
com.amazonaws aws-java-sdk-rds 1.11.253
com.amazonaws aws-java-sdk-redshift 1.11.253
com.amazonaws aws-java-sdk-route53 1.11.253
com.amazonaws aws-java-sdk-s3 1.11.253
com.amazonaws aws-java-sdk-ses 1.11.253
com.amazonaws aws-java-sdk-simpledb 1.11.253
com.amazonaws aws-java-sdk-simpleworkflow 1.11.253
com.amazonaws aws-java-sdk-sns 1.11.253
com.amazonaws aws-java-sdk-sqs 1.11.253
com.amazonaws aws-java-sdk-ssm 1.11.253
com.amazonaws aws-java-sdk-storagegateway (SDK di AWS per Java per Storage Gateway) 1.11.253
com.amazonaws aws-java-sdk-sts 1.11.253
com.amazonaws aws-java-sdk-support (supporto del kit di sviluppo software Java per AWS) 1.11.253
com.amazonaws Librerie aws-java-sdk-swf 1.11.22
com.amazonaws aws-java-sdk-workspaces 1.11.253
com.amazonaws jmespath-java 1.11.253
com.carrotsearch hppc 0.7.2
com.chuusai shapeless_2.11 2.3.2
com.clearspring.analytics torrente 2.7.0
com.databricks Rserve 1.8-3
com.databricks dbml-local_2.11 0.3.0-db1-spark2.3
com.databricks dbml-local_2.11-tests 0.3.0-db1-spark2.3
com.databricks jets3t 0.7.1-0
com.databricks.scalapb compilerplugin_2.11 0.4.15-9
com.databricks.scalapb scalapb-runtime_2.11 0.4.15-9
com.mdfsoftware ombreggiato criogenico 3.0.3
com.mdfsoftware minlog 1.3.0
com.fasterxml compagno di classe 1.0.0
com.fasterxml.jackson.core annotazioni Jackson 2.6.7
com.fasterxml.jackson.core jackson-core 2.6.7
com.fasterxml.jackson.core jackson-databind 2.6.7.1
com.fasterxml.jackson.dataformat jackson-dataformat-cbor 2.6.7
com.fasterxml.jackson.datatype jackson-datatype-joda 2.6.7
com.fasterxml.jackson.module jackson-module-paranamer 2.6.7
com.fasterxml.jackson.module jackson-module-scala_2.11 2.6.7.1
com.github.fommil jniloader 1.1
com.github.fommil.netlib nucleo 1.1.2
com.github.fommil.netlib riferimento_nativo-java 1.1
com.github.fommil.netlib riferimento_nativo-java-native 1.1
com.github.fommil.netlib sistema_nativo-java 1.1
com.github.fommil.netlib sistema_nativo-java-nitidi 1.1
com.github.fommil.netlib "netlib-native_ref-linux-x86_64-natives" 1.1
com.github.fommil.netlib netlib-sistema_nativo-linux-x86_64-natives 1.1
com.github.luben zstd-jni (libreria open-source per compressione con Java Native Interface) 1.3.2-2
com.github.rwl jtransforms 2.4.0
com.google.code.findbugs jsr305 2.0.1
com.google.code.gson gson 2.2.4
com.google.guava guaiava 15,0
com.google.protobuf protobuf-java 2.6.1
com.googlecode.javaewah JavaEWAH 0.3.2
com.h2database h2 1.3.174
com.jamesmurty.utils java-xmlbuilder 1.1
com.jcraft jsch 0.1.50
com.jolbox bonecp 0.8.0.RILASCIO
com.mchange c3p0 0.9.5.1
com.mchange mchange-commons-java 0.2.10
com.microsoft.azure Azure Data Lake Store SDK 2.0.11
com.microsoft.sqlserver mssql-jdbc 6.2.2.jre8
com.ning compress-lzf (algoritmo di compressione) 1.0.3
com.sun.mail javax.mail (package Java per la gestione della posta elettronica) 1.5.2
com.thoughtworks.paranamer paranamer 2.8
com.trueaccord.lenses lenses_2.11 0,3
com.twitter chill-java 0.8.4
com.twitter chill_2.11 0.8.4
com.twitter parquet-hadoop-bundle 1.6.0
com.twitter util-app_2.11 6.23.0
com.twitter util-core_2.11 6.23.0
com.twitter util-jvm_2.11 6.23.0
com.typesafe configurazione 1.2.1
com.typesafe.scala-logging scala-logging-api_2.11 (API di logging per Scala v2.11) 2.1.2
com.typesafe.scala-logging scala-logging-slf4j_2.11 2.1.2
com.univocità univocità-parser 2.5.9
com.vlkan FlatBuffers 1.2.0-3f79e055
com.zaxxer HikariCP 2.4.1
commons-beanutils commons-beanutils 1.7.0
commons-beanutils commons-beanutils-core 1.8.0
commons-cli commons-cli 1,2
commons-codec (libreria per la codifica comune) commons-codec (libreria per la codifica comune) 1.10
collezioni-comuni collezioni-comuni 3.2.2
commons-configuration commons-configuration 1.6
commons-dbcp commons-dbcp 1.4
commons-digester commons-digester 1.8
commons-httpclient commons-httpclient 3.1
commons-io commons-io 2.4
commons-lang commons-lang 2.6
commons-logging (no translation needed) commons-logging (no translation needed) 1.1.3
commons-net commons-net 2.2
commons-pool commons-pool 1.5.4
info.ganglia.gmetric4j gmetric4j 1.0.7
io.airlift compressore d'aria 0,8
io.dropwizard.metrics nucleo delle metriche 3.1.5
io.dropwizard.metrics metrics-ganglia 3.1.5
io.dropwizard.metrics metrics-graphite 3.1.5
io.dropwizard.metrics metriche-controlli di integrità 3.1.5
io.dropwizard.metrics metrics-jetty9 3.1.5
io.dropwizard.metrics metrics-json (Specificare ulteriormente se necessario a seconda del contesto) 3.1.5
io.dropwizard.metrics metrics-jvm 3.1.5
io.dropwizard.metrics metrics-log4j 3.1.5
io.dropwizard.metrics metriche-servlet 3.1.5
io.netty Netty 3.9.9.Final
io.netty netty-all 4.1.17.Final
io.prometheus simpleclient 0.0.16
io.prometheus sempliceclient_comune 0.0.16
io.prometheus simpleclient_dropwizard 0.0.16
io.prometheus simpleclient_servlet 0.0.16
io.prometheus.jmx agente di raccolta 0,7
javax.activation attivazione 1.1.1
javax.annotation javax.annotation-api 1,2
javax.el javax.el-api 2.2.4
javax.jdo jdo-api 3.0.1
javax.servlet javax.servlet-api 3.1.0
javax.servlet.jsp jsp-api 2.1
javax.transaction Java Transaction API (JTA) 1.1
javax.validation validation-api 1.1.0.Final
javax.ws.rs javax.ws.rs-api 2.0.1
javax.xml.bind jaxb-api 2.2.2
javax.xml.flusso stax-api 1.0-2
javolution javolution 5.5.1
jline jline 2.11
joda-time joda-time 2.9.3
log4j apache-log4j-extras 1.2.17
log4j log4j 1.2.17
net.idromatico eigenbase-properties 1.1.5
net.iharder base64 2.3.8
net.java.dev.jets3t jets3t 0.9.4
net.razorvine pirolite 4.13
net.sf.jpam jpam 1.1
net.sf.opencsv opencsv 2.3
net.sf.supercsv super-csv (formato CSV avanzato) 2.2.0
net.sourceforge.f2j arpack_combinato_tutto 0,1
org.acplt oncrpc 1.0.7
org.antlr ST4 4.0.4
org.antlr antlr-runtime 3.4
org.antlr antlr4-runtime 4.7
org.antlr modello di stringa 3.2.1
org.apache.ant formica 1.9.2
org.apache.ant ant-jsch 1.9.2
org.apache.ant ant launcher 1.9.2
org.apache.arrow formato freccia 0.8.0
org.apache.arrow freccia-memoria 0.8.0
org.apache.arrow freccia-vettore 0.8.0
org.apache.avro Avro 1.7.7
org.apache.avro avro-ipc 1.7.7
org.apache.avro Test di avro-ipc 1.7.7
org.apache.avro avro-mapred-hadoop2 1.7.7
org.apache.calcite Calcite-Avatica Versione 1.2.0-incubazione
org.apache.calcite nucleo di calcite Versione 1.2.0-incubazione
org.apache.calcite calcite-linq4j Versione 1.2.0-incubazione
org.apache.commons commons-compress 1.4.1
org.apache.commons commons-crypto 1.0.0
org.apache.commons commons-lang3 3.5
org.apache.commons commons-math3 3.4.1
org.apache.curator cliente del curatore 2.7.1
org.apache.curator framework del curatore 2.7.1
org.apache.curator ricette dei curatori 2.7.1
org.apache.derby derby sportivo 10.12.1.1
org.apache.directory.api api-asn1-api 1.0.0-M20
org.apache.directory.api api-util 1.0.0-M20
org.apache.directory.server apacheds-i18n 2.0.0-M15
org.apache.directory.server apacheds-kerberos-codec 2.0.0-M15
org.apache.hadoop annotazioni di Hadoop 2.7.3
org.apache.hadoop hadoop-auth 2.7.3
org.apache.hadoop hadoop-cliente 2.7.3
org.apache.hadoop hadoop-common 2.7.3
org.apache.hadoop hadoop-hdfs 2.7.3
org.apache.hadoop hadoop-mapreduce-client-app 2.7.3
org.apache.hadoop hadoop-mapreduce-client-common (cliente comune di Hadoop MapReduce) 2.7.3
org.apache.hadoop hadoop-mapreduce-client-core 2.7.3
org.apache.hadoop hadoop-mapreduce-client-jobclient 2.7.3
org.apache.hadoop hadoop-mapreduce-client-shuffle 2.7.3
org.apache.hadoop hadoop-yarn-api 2.7.3
org.apache.hadoop hadoop-yarn-client 2.7.3
org.apache.hadoop hadoop-yarn-common 2.7.3
org.apache.hadoop hadoop-yarn-server-common 2.7.3
org.apache.htrace htrace-core Incubazione 3.1.0
org.apache.httpcomponents httpclient 4.5.4
org.apache.httpcomponents httpcore 4.4.8
org.apache.ivy Edera 2.4.0
org.apache.orc orc-core-nohive 1.4.1
org.apache.orc orc-mapreduce-nohive 1.4.1
org.apache.parquet colonna parquet 1.8.2-databricks1
org.apache.parquet parquet-comune 1.8.2-databricks1
org.apache.parquet codifica parquet 1.8.2-databricks1
org.apache.parquet formato parquet 2.3.1
org.apache.parquet parquet-hadoop 1.8.2-databricks1
org.apache.parquet parquet-jackson 1.8.2-databricks1
org.apache.thrift libfb303 0.9.3
org.apache.thrift libthrift 0.9.3
org.apache.xbean xbean-asm5-shaded 4.4
org.apache.zookeeper guardiano dello zoo 3.4.6
org.bouncycastle bcprov-jdk15on 1,58
org.codehaus.jackson jackson-core-asl 1.9.13
org.codehaus.jackson jackson-jaxrs 1.9.13
org.codehaus.jackson jackson-mapper-asl 1.9.13
org.codehaus.jackson jackson-xc 1.9.13
org.codehaus.janino Commons-Compiler 3.0.8
org.codehaus.janino janino 3.0.8
org.datanucleus datanucleus-api-jdo 3.2.6
org.datanucleus datanucleus-core 3.2.10
org.datanucleus datanucleus-rdbms 3.2.9
org.eclipse.jetty jetty-client 9.3.20.v20170531
org.eclipse.jetty continuazione di jetty 9.3.20.v20170531
org.eclipse.jetty jetty-http 9.3.20.v20170531
org.eclipse.jetty jetty-io 9.3.20.v20170531
org.eclipse.jetty jetty-jndi 9.3.20.v20170531
org.eclipse.jetty Jetty Plus 9.3.20.v20170531
org.eclipse.jetty jetty-proxy 9.3.20.v20170531
org.eclipse.jetty sicurezza del molo 9.3.20.v20170531
org.eclipse.jetty Jetty Server 9.3.20.v20170531
org.eclipse.jetty jetty-servlet 9.3.20.v20170531
org.eclipse.jetty jetty-servlets 9.3.20.v20170531
org.eclipse.jetty jetty-util 9.3.20.v20170531
org.eclipse.jetty applicazione web di Jetty 9.3.20.v20170531
org.eclipse.jetty jetty-xml 9.3.20.v20170531
org.fusesource.leveldbjni leveldbjni-all 1.8
org.glassfish.hk2 hk2-api 2.4.0-b34
org.glassfish.hk2 hk2-localizzatore 2.4.0-b34
org.glassfish.hk2 hk2-utils 2.4.0-b34
org.glassfish.hk2 localizzatore di risorse OSGi 1.0.1
org.glassfish.hk2.external aopalliance-repackaged (riconfezionato) 2.4.0-b34
org.glassfish.hk2.external javax.inject 2.4.0-b34
org.glassfish.jersey.bundles.repackaged maglia-guava 2.22.2
org.glassfish.jersey.containers jersey-container-servlet (servlet contenitore Jersey) 2.22.2
org.glassfish.jersey.containers modulo-nucleo-servlet-contenitore-jersey (if a translation is required as per the context) 2.22.2
org.glassfish.jersey.core jersey-client 2.22.2
org.glassfish.jersey.core maglia-comune 2.22.2
org.glassfish.jersey.core Jersey-server 2.22.2
org.glassfish.jersey.media jersey-media-jaxb (libreria per la gestione dei dati multimediali in Jersey usando JAXB) 2.22.2
org.hibernate validatore di Hibernate 5.1.1.Final
org.iq80.snappy vivace 0.2
org.javassist javassist 3.18.1-GA
org.jboss.logging jboss-logging (strumento di registrazione per JBoss) 3.1.3.GA
org.jdbi jdbi 2.63.1
org.joda joda-convert 1.7
org.jodd jodd-core 3.5.2
org.json4s json4s-ast_2.11 3.2.11
org.json4s json4s-core_2.11 3.2.11
org.json4s json4s-jackson_2.11 3.2.11
org.lz4 lz4-java 1.4.0
org.mariadb.jdbc mariadb-java-client - Libreria Java per MariaDB 2.1.2
org.mockito mockito-all 1.9.5
org.objenesis objenesis 2.1
org.postgresql postgresql 42.1.4
org.roaringbitmap RoaringBitmap 0.5.11
org.rocksdb rocksdbjni 5.2.1
org.rosuda.REngine REngine 2.1.0
org.scala-lang scala-compiler_2.11 2.11.8
org.scala-lang scala-library_2.11 2.11.8
org.scala-lang scala-reflect_2.11 2.11.8
org.scala-lang scalap_2.11 2.11.8
org.scala-lang.modules scala-parser-combinators_2.11 1.0.2
org.scala-lang.modules scala-xml_2.11 1.0.5
org.scala-sbt interfaccia di test 1.0
org.scalacheck scalacheck_2.11 1.12.5
org.scalanlp breeze-macros_2.11 0.13.2
org.scalanlp breeze_2.11 0.13.2
org.scalatest scalatest_2.11 2.2.6
org.slf4j jcl-over-slf4j 1.7.16
org.slf4j jul-to-slf4j 1.7.16
org.slf4j slf4j-api 1.7.16
org.slf4j slf4j-log4j12 1.7.16
org.spark-project.hive hive-beeline 1.2.1.spark2
org.spark-project.hive hive-cli 1.2.1.spark2
org.spark-project.hive hive-exec 1.2.1.spark2
org.spark-project.hive Hive-JDBC 1.2.1.spark2
org.spark-project.hive Hive-Metastore 1.2.1.spark2
org.spark-project.spark inutilizzato 1.0.0
org.spire-math spire-macros_2.11 0.13.0
org.spire-math spire_2.11 0.13.0
org.springframework Spring Core 4.1.4.RILASCIO
org.springframework test di primavera 4.1.4.RILASCIO
org.cortanaani xz 1.0
org.typelevel macchinista_2.11 0.6.1
org.typelevel macro-compat_2.11 1.1.1
org.xerial sqlite-jdbc 3.8.11.2
org.xerial.snappy snappy-java 1.1.2.6
org.yaml snakeyaml 1,16
oro oro 2.0.8
software.amazon.ion ion-java 1.0.2
Stax stax-api 1.0.1
xmlenc xmlenc 0,52
  • Last updated on