Compartilhar via

Databricks Runtime 4.0 (EoS)

  • Artigo

Observação

O suporte para esta versão do Databricks Runtime foi encerrado. Para obter a data de fim do suporte, consulte o Histórico de fim do suporte. Para todas as versões compatíveis do Databricks Runtime, consulte Versões e compatibilidade de notas sobre a versão do Databricks Runtime.

O Databricks lançou essa versão em março de 2018.

Importante

Esta versão foi preterida em 1º de novembro de 2018. Para obter mais informações sobre a política de desativação e agendamento do Databricks Runtime, confira Ciclos de vida do suporte do Databricks.

As notas sobre a versão a seguir fornecem informações sobre o Databricks Runtime 4.0, da plataforma do Apache Spark.

Alterações e Melhorias

  • A fonte de dados JSON agora tenta detectar automaticamente a codificação em vez de presumir que ela seja UTF-8. Nos casos em que a detecção automática falha, os usuários podem especificar a opção charset para impor uma determinada codificação. Consulte Detecção automática de charset.
  • Há suporte total para a pontuação e a previsão usando pipelines MLlib do Spark no Streaming Estruturado.
  • A exportação de modelo de ML do Databricks tem suporte total. Com esse recurso, você pode treinar um modelo de Spark MLlib no Databricks, exportá-lo com uma chamada de função e usar uma biblioteca do Databricks no sistema de sua escolha para importar o modelo e pontuar novos dados.
  • Uma nova implementação de fonte de dados do Spark oferece acesso de leitura/gravação escalonável para o Azure Synapse Analytics. Consulte Spark - Conector do Synapse Analytics.
  • O esquema da função from_json agora é sempre convertido em um valor nulo. Em outras palavras, todos os campos, incluindo os aninhados, são anuláveis. Isso garante que os dados sejam compatíveis com o esquema, impedindo a corrupção após gravar os dados em parquet quando um campo estiver ausente nos dados e o esquema fornecido pelo usuário declarar o campo como não anulável.
  • Atualizou algumas bibliotecas do Python instaladas:
    • futuros: de 3.1.1 a 3.2.0
    • pandas: de 0.18.1 a 0.19.2
    • pyarrow: de 0.4.1 a 0.8.0
    • setuptools: de 38.2.3 a 38.5.1
    • tornado: 4.5.2 a 4.5.3
  • Várias bibliotecas do R instaladas foram atualizadas. Confira Bibliotecas do R instaladas.
  • AWS SDK do Java atualizado de 1.11.126 a 1.11.253.
  • Driver JDBC do SQL Server atualizado de 6.1.0.jre8 a 6.2.2.jre8.
  • Driver JDBC do PostgreSQL atualizado de 9.4-1204-jdbc41 a 42.1.4.

Apache Spark

O Databricks Runtime 4.0 inclui o Apache Spark 2.3.0.

Core, PySpark e Spark do SQL

Principais recursos

  • Leitor de Orc vetorizado: [Spark-16060]: adiciona suporte para o novo leitor de Orc que melhora substancialmente a taxa de transferência de verificação de Orc por meio de vetorização (2-5x). Para habilitar o leitor, os usuários podem definir spark.sql.orc.impl como native.
  • Servidor de histórico do Spark v2: [Spark-18085]: um novo back-end do SHS (servidor de histórico do Spark) que fornece melhor escalabilidade para aplicativos em larga escala com um mecanismo de armazenamento de eventos mais eficiente.
  • API de fonte de dados v2: [Spark-15689][Spark-22386]: uma API experimental para conectar novas fontes de dados no Spark. A nova API tenta resolver várias limitações da API v1 e visa facilitar o desenvolvimento de fontes de dados externas de alto desempenho, fáceis de manter e extensíveis. Essa API ainda está passando por um desenvolvimento ativo e as alterações interruptivas devem ser esperadas.
  • Aprimoramentos de desempenho do PySpark: [Spark-22216][Spark-21187]: melhorias significativas no desempenho e na interoperabilidade do Python por serialização rápida de dados e execução vetorizada.

desempenho e estabilidade

Outras alterações notáveis

Streaming estruturado

Processamento contínuo

  • Um novo mecanismo de execução que pode executar consultas de streaming com latência de ponta a ponta de submilissegundos alterando apenas uma única linha de código de usuário. Para saber mais, consulte o guia de programação.

Associações de fluxo a fluxo

  • Capacidade de unir dois fluxos de dados, armazenando em buffer linhas até que as tuplas correspondentes cheguem ao outro fluxo. Os predicados podem ser usados em colunas de tempo de evento para associar a quantidade de estado que precisa ser retida.

API de streaming V2

  • Uma API experimental para conectar a nova fonte e coletores que funciona para execução contínua, de microlote e de lote. Essa API ainda está passando por um desenvolvimento ativo e as alterações interruptivas devem ser esperadas.

MLlib

Destaques

  • O ML de previsão agora funciona com o Streaming Estruturado, usando APIs atualizadas. Detalhes a seguir.

APIs novas e melhoradas

  • [Spark-21866]: suporte interno para a leitura de imagens em um DataFrame (Scala/Java/Python).
  • [Spark-19634]: funções do DataFrame para estatísticas de resumo descritivas em colunas de vetor (Scala/Java).
  • [Spark-14516]: ClusteringEvaluator para algoritmos de clustering de ajuste, suporte a silhueta do Cosseno e métricas de Euclidiana de euclidiana de quadrado (Scala/Java/Python).
  • [Spark-3181]: regressão linear robusta com perda de Huber (Scala/Java/Python).
  • [Spark-13969]: FeatureHasher transformador (Scala/Java/Python).
  • Suporte a várias colunas para vários transformadores de recursos:
  • [Spark-21633] e Spark-21542]: suporte melhorado para componentes de pipeline personalizados em Python.

Novos recursos

  • [Spark-21087]: CrossValidator e TrainValidationSplit pode coletar todos os modelos ao ajustar (Scala/Java). Isso permite inspecionar ou salvar todos os modelos ajustados.
  • [Spark-19357]: meta-algoritmos, CrossValidator, TrainValidationSplit, OneVsRest dão suporte a um parâmetro de paralelismo para ajustar vários submodelos em trabalhos paralelos do Spark.
  • [Spark-17139]: resumo do modelo para regressão logística multinomial (Scala/Java/Python)
  • [Spark-18710]: adicionar deslocamento em GLM.
  • [Spark-20199]: adicionado featureSubsetStrategy Param para GBTClassifier e GBTRegressor. Usar isso para os recursos de subamostras pode melhorar significativamente a velocidade de treinamento; essa opção tem sido uma força chave do xgboost.

Outras alterações notáveis

  • [Spark-22156]: Corrigido Word2Vec escala de taxa de aprendizado com iterações num. A nova taxa de aprendizado é definida para corresponder ao código C original Word2Vec e deve fornecer resultados melhores do treinamento.
  • [SPARK-22289]: adicionar JSON suporte para parâmetros de matriz (isso corrigiu um bug para ML persistência com LogisticRegressionModel ao usar limites em coeficientes.)
  • [SPARK-22700]: Bucketizer.transform descarta incorretamente a linha que contém NaN. Quando o Param handleInvalid foi definido como "skip", Bucketizer o soltaria uma linha com um valor válido na coluna de entrada se outra coluna (irrelevante) tivesse um valor NaN.
  • [SPARK-22446]: às vezes, o otimizador do Catalyst causava StringIndexerModel a lançar uma exceção incorreta de "Rótulo não visto" quando handleInvalid foi definido como "erro". Isso pode acontecer para dados filtrados, devido a push-down de predicado, causando erros mesmo depois que linhas inválidas já foram filtradas do conjuntos de dados de entrada.
  • [SPARK-21681]: corrigido um bug de caso de borda na regressão logística multinomial que resultou em coeficientes incorretos quando alguns recursos tinham variação zero.
  • Otimizações principais:
    • [SPARK-22707]: redução do consumo de memória para CrossValidator.
    • [SPARK-22949]: redução do consumo de memória para TrainValidationSplit.
    • [SPARK-21690]: Imputer deve treinar usando uma única passagem sobre os dados.
    • [SPARK-14371]: OnlineLDAOptimizer evita a coleta de estatísticas para o driver para cada mini-lote.

SparkR

O foco principal do SparkR na versão 2.3.0 foi melhorar a estabilidade das UDFs e adicionar vários novos wrappers do SparkR em torno das APIs existentes:

Principais recursos

GraphX

Otimizações

  • [SPARK-5484]: o Pregel agora tem pontos de verificação periodicamente para evitar StackOverflowErrors.
  • [SPARK-21491]: pequena melhoria de desempenho em vários locais.

Desativações

Python

  • [SPARK-23122]: preterirá register* para UDFs no SQLContext e Catalog no PySpark

MLlib

  • [SPARK-13030]: OneHotEncoder foi preterido e será removido na versão 3.0. Ele foi substituído pelo novo OneHotEncoderEstimator. OneHotEncoderEstimator será renomeado para OneHotEncoder em 3.0 (mas OneHotEncoderEstimator será mantido como um alias).

Alterações de comportamento

SparkSQL

  • [SPARK-22036]: por padrão, as operações aritméticas entre decimais retornarão um valor arredondado se uma representação exata não for possível ( em vez de retornar NULL nas versões anteriores)
  • [SPARK-22937]: quando todas as entradas são binárias, SQL elt() retorna uma saída como binária. Caso contrário, ele retornará como uma cadeia de caracteres. Em versões anteriores, ele sempre retornava como uma cadeia de caracteres, independentemente dos tipos de entrada.
  • [SPARK-22895]: os predicados determinísticos do filtro/junção que estão após os primeiros predicados não determinísticos também são pressionados/por meio dos operadores filho, se possível. Nas versões anteriores, esses filtros não eram qualificados para a remoção de predicado.
  • [SPARK-22771]: quando todas as entradas são binárias, functions.concat() retorna uma saída como binária. Caso contrário, ele retornará como uma cadeia de caracteres. Nas versões anteriores, ele sempre retornava como uma cadeia de caracteres, independentemente dos tipos de entrada.
  • [SPARK-22489]: quando qualquer um dos lados de junção é difusível, preferiremos transmitir a tabela especificada explicitamente em uma dica de difusão.
  • [SPARK-22165]: a inferência de coluna de partição encontrou anteriormente um tipo comum incorreto para diferentes tipos inferidos. Por exemplo, anteriormente, ele terminava com double o tipo como o tipo comum para tipo double e tipo date. Agora, ele encontra o tipo comum correto para esses conflitos. Veja mais detalhes, consulte o guia de migração.
  • [SPARK-22100]: a função percentile_approx aceita anteriormente os resultados de tipo numeric de entrada e de tipodouble de saída. Agora, ele dá suporte a tipos date, tipos timestamp e tipos numeric como tipos de entrada. O tipo de resultado também é alterado para ser o mesmo que o tipo de entrada, que é mais razoável para percentis.
  • [SPARK-21610]: as consultas de arquivos JSON/CSV brutos não são permitidos quando as colunas referenciadas incluem apenas a coluna de registro corrompido interna (nomeada _corrupt_record por padrão). Em vez disso, você pode armazenar em cache ou salvar os resultados analisados e, em seguida, enviar a mesma consulta.
  • [SPARK-23421]: desde o Spark 2.2.1 e 2.3.0, o esquema é sempre inferido em runtime quando as tabelas de fonte de dados têm as colunas que existem no esquema de partição e no esquema de dados. O esquema inferido não tem as colunas particionadas. Ao ler a tabela, o Spark respeita os valores de partição dessas colunas sobrepostas em vez dos valores armazenados nos arquivos de fonte de dados. Na versão 2.2.0 e 2.1.x, o esquema inferido é particionado, mas os dados da tabela são invisíveis para os usuários (ou seja, o conjunto de resultados está vazio).

PySpark

  • [SPARK-19732]: na.fill() ou fillna também aceita boolianas e substitui nulos por boolianas. Nas versões anteriores do Spark, o PySpark simplesmente ignora e retorna o Conjunto de dados/DataFrame original.
  • [SPARK-22395]: pandas 0.19.2 ou superior é necessário para usar funcionalidades relacionadas ao Pandas, como toPandas, createDataFrame do Pandas DataFrame etc.
  • [SPARK-22395]: o comportamento dos valores de carimbo de data/hora para funcionalidades relacionadas ao Pandas foi alterado para respeitar a zona horária da sessão, que é ignorado nas versões anteriores.
  • [SPARK-23328]: df.replace não permite omitir value quando to_replace não é um dicionário. Anteriormente, value podia ser omitido nos outros casos e tinha por padrão None, o que é contratual e propenso a erros.

MLlib

  • Alterações da API de interromper: a hierarquia de classe e característica dos resumos do modelo de regressão logística foi alterada para ser mais limpa e acomodar melhor a adição do resumo de várias classes. Essa é uma alteração da última vez para o código do usuário que lança um LogisticRegressionTrainingSummary em um BinaryLogisticRegressionTrainingSummary. Em vez disso, os usuários devem usar o método model.binarySummary. Consulte [SPARK-17139]: para obter mais detalhes (observe que se trata de uma API @Experimental). Isso não afeta o método de resumo do Python, que ainda funcionará corretamente para casos multinomial e binários.
  • [SPARK-21806]: BinaryClassificationMetrics.pr(): o primeiro ponto (0,0, 1,0) é enganoso e foi substituído por (0,0, p) em que a precisão p corresponde ao ponto de recall mais baixo.
  • [SPARK-16957]: as árvores de decisão agora usam pontos médios ponderados ao escolher valores divididos. Isso pode alterar os resultados do treinamento do modelo.
  • [SPARK-14657]: RFormula sem uma interceptação agora a categoria de referência ao codificar termos de cadeia de caracteres, para corresponder ao comportamento nativo do R. Isso pode alterar os resultados do treinamento do modelo.
  • [SPARK-21027]: o paralelismo padrão usado no OneVsRest agora está definido como 1 (ou seja, serial). Na versão 2.2 e anteriores, o nível de paralelismo foi definido como o tamanho padrão do threadpool no Scala. Isso pode alterar o desempenho.
  • [SPARK-21523]: Atualização de Fácil para 0.13.2. Isso incluiu uma correção de bug importante na pesquisa de linha forte do Wolfe para L-BFGS.
  • [SPARK-15526]: a dependência JPMML agora está sombreada.
  • Consulte também a seção "Correções de bug" para ver as alterações de comportamento resultantes da correção de bugs.

Problemas conhecidos

  • [SPARK-23523][SQL]: resultado incorreto causado pela regra OptimizeMetadataOnlyQuery.
  • [SPARK-23406]: bugs em auto-junções no fluxo a fluxo.

Atualizações de manutenção

Confira Atualizações de manutenção do Databricks Runtime 4.0.

Ambiente do sistema

  • Sistema operacional: Ubuntu 16.04.4 LTS
  • Java: 1.8.0_151
  • Scala: 2.11.8
  • Python: 2.7.12 (ou 3.5.2 se estiver usando Python 3)
  • R: versão do R 3.4.3 (2017-11-30)
  • Clusters da GPU: as seguintes bibliotecas GPU da NVIDIA estão instaladas:
    • Driver Tesla 375.66
    • CUDA 8.0
    • CUDNN 6.0

Bibliotecas Python instaladas

Biblioteca Versão Biblioteca Versão Biblioteca Versão
ansi2html 1.1.1 argparse 1.2.1 backports-abc 0.5
boto 2.42.0 boto3 1.4.1 botocore 1.4.70
brewer2mpl 1.4.1 certifi 2016.2.28 cffi 1.7.0
chardet 2.3.0 colorama 0.3.7 configobj 5.0.6
criptografia 1.5 cycler 0.10.0 Cython 0.24.1
decorator 4.0.10 docutils 0,14 enum34 1.1.6
et-xmlfile 1.0.1 freetype-py 1.0.2 funcsigs 1.0.2
fusepy 2.0.4 futures 3.2.0 ggplot 0.6.8
html5lib 0,999 idna 2.1 ipaddress 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
numba 0.28.1 numpy 1.11.1 openpyxl 2.3.2
pandas 0.19.2 pathlib2 2.1.0 patsy 0.4.1
pexpect 4.0.1 pickleshare 0.7.4 Pillow 3.3.1
pip 9.0.1 ply 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 2.14
Pygments 2.1.3 PyGObject 3.20.0 pyOpenSSL 16.0.0
pyparsing 2.2.0 pypng 0.0.18 Python 2.7.12
python-dateutil 2.5.3 python-geohash 0.8.5 pytz 2016.6.1
solicitações 2.11.1 s3transfer 0.1.9 scikit-learn 0.18.1
scipy 0.18.1 scour 0,32 seaborn 0.7.1
setuptools 38.5.1 simplejson 3.8.2 simples3 1,0
singledispatch 3.4.0.3 six 1.10.0 statsmodels 0.6.1
tornado 4.5.3 traitlets 4.3.0 urllib3 1.19.1
virtualenv 15.0.1 wcwidth 0.1.7 wheel 0.30.0
wsgiref 0.1.2

Bibliotecas R instaladas

Biblioteca Versão Biblioteca Versão Biblioteca Versão
abind 1.4-5 assertthat 0.2.0 backports 1.1.1
base 3.4.3 BH 1.65.0-1 bindr 0,1
bindrcpp 0,2 bit 1.1-12 bit64 0.9-7
bitops 1.0-6 blob 1.1.0 boot 1.3-20
brew 1.0-6 broom 0.4.3 carro 2.1-6
sinal de interpolação 6.0-77 chron 2.3-51 classe 7.3-14
cluster 2.0.6 codetools 0.2-15 colorspace 1.3-2
commonmark 1.4 compiler 3.4.3 crayon 1.3.4
curl 3.0 CVST 0.2-1 data.table 1.10.4-3
conjuntos de dados 3.4.3 DBI 0.7 ddalpha 1.3.1
DEoptimR 1.0-8 desc 1.1.1 devtools 1.13.4
dichromat 2.0-0 digest 0.6.12 dimRed 0.1.0
doMC 1.3.4 dplyr 0.7.4 DRR 0.0.2
foreach 1.4.3 foreign 0.8-69 gbm 2.1.3
ggplot2 2.2.1 git2r 0.19.0 glmnet 2.0-13
glue 1.2.0 gower 0.1.2 elemento gráfico 3.4.3
grDevices 3.4.3 grade 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
iterators 1.0.8 jsonlite 1.5 kernlab 0.9-25
KernSmooth 2.23-15 labeling 0.3 lattice 0.20-35
lava 1.5.1 lazyeval 0.2.1 littler 0.3.2
lme4 1.1-14 lubridate 1.7.1 magrittr 1.5
mapproj 1.2-5 mapas 3.2.0 MASS 7.3-48
Matriz 1.2-11 MatrixModels 0.4-1 memoise 1.1.0
methods 3.4.3 mgcv 1.8-23 mime 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 numDeriv 2016.8-1
openssl 0.9.9 parallel 3.4.3 pbkrtest 0.4-7
pkgconfig 2.0.1 pkgKitten 0.1.4 plogr 0.1-1
plyr 1.8.4 praise 1.0.0 pROC 1.10.0
prodlim 1.6.1 proto 1.0.0 psych 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 0.12.14
RcppEigen 0.3.3.3.1 RcppRoll 0.2.2 RCurl 1.95-4.8
recipes 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 scales 0.5.0
sfsmisc 1.1-1 sp 1.2-5 SparkR 2.3.0
SparseM 1.77 spatial 7.3-11 splines 3.4.3
sqldf 0.4-11 statmod 1.4.30 stats 3.4.3
stats4 3.4.3 stringi 1.1.6 stringr 1.2.0
survival 2.41-3 tcltk 3.4.3 TeachingDemos 2,10
testthat 1.0.2 tibble 1.3.4 tidyr 0.7.2
tidyselect 0.2.3 timeDate 3042.101 tools 3.4.3
utils 3.4.3 viridisLite 0.2.0 whisker 0.3-2
withr 2.1.0 xml2 1.1.1

Instaladas as bibliotecas do Java e Scala (versão de cluster do Scala 2.11)

ID do Grupo Artifact ID Versão
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 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 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-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-kinesis 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-machinelearning 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 1.11.253
com.amazonaws aws-java-sdk-sts 1.11.253
com.amazonaws aws-java-sdk-support 1.11.253
com.amazonaws aws-java-sdk-swf-libraries 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 fluxo 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.esotericsoftware kryo-shaded 3.0.3
com.esotericsoftware minlog 1.3.0
com.fasterxml classmate 1.0.0
com.fasterxml.jackson.core jackson-annotations 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 core 1.1.2
com.github.fommil.netlib native_ref-java 1,1
com.github.fommil.netlib native_ref-java-natives 1,1
com.github.fommil.netlib native_system-java 1,1
com.github.fommil.netlib native_system-java-natives 1,1
com.github.fommil.netlib netlib-native_ref-linux-x86_64-natives 1,1
com.github.fommil.netlib netlib-native_system-linux-x86_64-natives 1,1
com.github.luben zstd-jni 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 guava 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.RELEASE
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 1.0.3
com.sun.mail javax.mail 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-app_2.11 6.23.0
com.twitter util-app_2.11 6.23.0
com.typesafe config 1.2.1
com.typesafe.scala-logging scala-logging-api_2.11 2.1.2
com.typesafe.scala-logging scala-logging-slf4j_2.11 2.1.2
com.univocity univocity-parsers 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 commons-codec 1,10
commons-collections commons-collections 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 commons-logging 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 aircompressor 0.8
io.dropwizard.metrics metrics-core 3.1.5
io.dropwizard.metrics metrics-ganglia 3.1.5
io.dropwizard.metrics metrics-graphite 3.1.5
io.dropwizard.metrics metrics-healthchecks 3.1.5
io.dropwizard.metrics metrics-jetty9 3.1.5
io.dropwizard.metrics metrics-json 3.1.5
io.dropwizard.metrics metrics-jvm 3.1.5
io.dropwizard.metrics metrics-log4j 3.1.5
io.dropwizard.metrics metrics-servlets 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 simpleclient_common 0.0.16
io.prometheus simpleclient_dropwizard 0.0.16
io.prometheus simpleclient_servlet 0.0.16
io.prometheus.jmx coletor 0.7
javax.activation activation 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 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.stream 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.hydromatic eigenbase-properties 1.1.5
net.iharder base64 2.3.8
net.java.dev.jets3t jets3t 0.9.4
net.razorvine pyrolite 4.13
net.sf.jpam jpam 1,1
net.sf.opencsv opencsv 2.3
net.sf.supercsv super-csv 2.2.0
net.sourceforge.f2j arpack_combined_all 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 stringtemplate 3.2.1
org.apache.ant ant 1.9.2
org.apache.ant ant-jsch 1.9.2
org.apache.ant ant-launcher 1.9.2
org.apache.arrow arrow-format 0.8.0
org.apache.arrow arrow-memory 0.8.0
org.apache.arrow arrow-vector 0.8.0
org.apache.avro avro 1.7.7
org.apache.avro avro-ipc 1.7.7
org.apache.avro avro-ipc-tests 1.7.7
org.apache.avro avro-mapred-hadoop2 1.7.7
org.apache.calcite calcite-avatica 1.2.0-incubating
org.apache.calcite calcite-core 1.2.0-incubating
org.apache.calcite calcite-linq4j 1.2.0-incubating
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 curator-client 2.7.1
org.apache.curator curator-framework 2.7.1
org.apache.curator curator-recipes 2.7.1
org.apache.derby derby 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 hadoop-annotations 2.7.3
org.apache.hadoop hadoop-auth 2.7.3
org.apache.hadoop hadoop-client 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 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 3.1.0-incubating
org.apache.httpcomponents httpclient 4.5.4
org.apache.httpcomponents httpcore 4.4.8
org.apache.ivy ivy 2.4.0
org.apache.orc orc-core-nohive 1.4.1
org.apache.orc orc-mapreduce-nohive 1.4.1
org.apache.parquet parquet-column 1.8.2-databricks1
org.apache.parquet parquet-common 1.8.2-databricks1
org.apache.parquet parquet-encoding 1.8.2-databricks1
org.apache.parquet parquet-format 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 zookeeper 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 jetty-continuation 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 jetty-security 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 jetty-webapp 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-locator 2.4.0-b34
org.glassfish.hk2 hk2-utils 2.4.0-b34
org.glassfish.hk2 osgi-resource-locator 1.0.1
org.glassfish.hk2.external aopalliance-repackaged 2.4.0-b34
org.glassfish.hk2.external javax.inject 2.4.0-b34
org.glassfish.jersey.bundles.repackaged jersey-guava 2.22.2
org.glassfish.jersey.containers jersey-container-servlet 2.22.2
org.glassfish.jersey.containers jersey-container-servlet-core 2.22.2
org.glassfish.jersey.core jersey-client 2.22.2
org.glassfish.jersey.core jersey-common 2.22.2
org.glassfish.jersey.core jersey-server 2.22.2
org.glassfish.jersey.media jersey-media-jaxb 2.22.2
org.hibernate hibernate-validator 5.1.1.Final
org.iq80.snappy snappy 0,2
org.javassist javassist 3.18.1-GA
org.jboss.logging jboss-logging 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 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 test-interface 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 unused 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.RELEASE
org.springframework spring-test 4.1.4.RELEASE
org.tukaani xz 1,0
org.typelevel machinist_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