Runtime 1.1
O Microsoft Fabric Runtime é uma plataforma integrada ao Azure baseada no Apache Spark que permite a execução e o gerenciamento de experiências de Engenharia de Dados e Ciência de Dados no Fabric. Este documento aborda os componentes e versões do Fabric Runtime 1.1.
O Microsoft Fabric Runtime 1.1 é um dos runtimes oferecidos na plataforma Microsoft Fabric. Os principais componentes do Runtime 1.1 são:
- Apache Spark 3.3
- Atualização do Sistema Operacional: Ubuntu 18.04
- Java: 1.8.0_282
- Scala: 2.12.15
- Python: 3.10
- Delta Lake: 2.2
- R: 4.2.2
O Microsoft Fabric Runtime 1.1 vem com uma coleção de pacotes de nível padrão, incluindo uma instalação completa do Anaconda e bibliotecas comumente usadas para Java/Scala, Python e R. Essas bibliotecas são incluídas automaticamente ao usar notebooks ou trabalhos na plataforma do Microsoft Fabric. Consulte a documentação para obter uma lista completa de bibliotecas.
O Microsoft Fabric lança periodicamente atualizações de manutenção para o Runtime 1.1, fornecendo correções de bugs, aprimoramentos de desempenho e patches de segurança. Manter-se atualizado com essas atualizações garante desempenho e confiabilidade ideais para suas tarefas de processamento de dados. Se você estiver usando o Runtime 1.1 no momento, poderá atualizar para o Runtime 1.2 navegando até Configurações > de Workspace Data Engineering/Science > Spark Settings.
Novos recursos e melhorias – Apache Spark 3.3.1
O resumo ampliado a seguir descreve os principais novos recursos relacionados ao Apache Spark versão 3.3.0 e 3.3.1:
Filtragem em nível de linha: melhore o desempenho das junções pré-filtrando um lado, desde que não haja nenhum impacto de substituição ou regressão usando um filtro Bloom e um predicado IN gerados a partir dos valores do outro lado da junção. (SPARK-32268)
Melhorar a compatibilidade do Spark com o padrão do SQL: melhorias do ANSI. (SPARK-38860)
Melhorias nas mensagens de erro para identificar problemas mais rapidamente e executar as etapas necessárias para resolvê-lo. (SPARK-38781)
Suporte a tipos complexos para leitor vetorizado Parquet. Anteriormente, o leitor vetorizado Parquet não suportava tipos de coluna aninhados, como struct, matriz e mapa. O Apache Spark 3.3 contém uma implementação de leitor vetorizado de coluna aninhada para FB-ORC em nosso fork interno do Spark. Ela afeta a melhoria de desempenho em comparação com o leitor não vetorizado ao ler colunas aninhadas. Além disso, essa implementação também pode ajudar a melhorar o desempenho de coluna não aninhada ao ler colunas não aninhadas e aninhadas em uma consulta. (SPARK-34863)
Permite que os usuários consultem os metadados dos arquivos de entrada para todos os formatos de arquivo, exponha-os como colunas ocultas internas, o que significa que os usuários só podem vê-los quando os referenciam explicitamente. (por exemplo, caminho do arquivo e nome do arquivo.) (SPARK-37273)
Fornecimento de um criador de perfil para UDFs do Python/Pandas. (SPARK-37443)
Anteriormente, transmitimos consultas com Trigger, que estava carregando todos os dados disponíveis em um único lote. Por isso, a quantidade de dados que as consultas poderiam processar era limitada ou o driver Spark estaria sem memória. Agora, utilizamos o Trigger.AvailableNow para executar consultas como Trigger uma vez em vários lotes. (SPARK-36533)
Recursos de push down do DS V2 mais abrangentes. (SPARK-38788)
Executor no ambiente Rolling in Kubernetes. (SPARK-37810)
Suporte a agendadores Kubernetes Personalizados. ( SPARK-36057)
Migração de log4j 1 para log4j 2 (SPARK-37814):
Desempenho: o Log4j 2 é mais rápido que o Log4j 1. O Log4j 2 usa o registro em log assíncrono por padrão, o que pode melhorar significativamente o desempenho.
Flexibilidade: o Log4j 2 fornece mais flexibilidade em termos de configuração. Ele dá suporte a vários formatos de configuração, incluindo XML, JSON e YAML.
Extensibilidade: o Log4j 2 foi projetado para ser extensível. Ele permite que os desenvolvedores criem plug-ins personalizados e anexadores para estender a funcionalidade da estrutura de registro em log.
Segurança: o Log4j 2 fornece melhores recursos de segurança do que o Log4j 1. Ele dá suporte a camadas de criptografia e soquete seguro para comunicação segura entre aplicativos.
Simplicidade: o Log4j 2 é mais simples de usar do que o Log4j 1. Ele tem uma API mais intuitiva e um processo de configuração mais simples.
Introduzir o shuffle no SinglePartition para melhorar o paralelismo e corrigir a regressão de desempenho para junções no Spark 3.3 vs Spark 3.2. (SPARK-40703)
Otimizar a regra TransposeWindow para estender casos aplicáveis e otimizar a complexidade do tempo. (SPARK-38034)
Para ter uma paridade na execução do TimeTravel por meio da opção SQL e Dataframe, dê suporte ao timestamp em segundos para o TimeTravel usando as opções do Dataframe. (SPARK-39633])
Otimize a Classificação global para RepartitionByExpression para salvar uma classificação local. (SPARK-39911)
Verifique se o particionamento de saída é especificado pelo usuário no AQE. (SPARK-39915)
Atualize a verificação de coluna do Parquet V2 para campos aninhados. (SPARK-39951)
Leitura em um arquivo parquet particionado no disco por uma coluna do tipo 'Byte'. (SPARK-40212)
Corrigir a remoção de coluna no CSV quando _corrupt_record estiver selecionado. (SPARK-40468)
Novos recursos e melhorias – Delta Lake 2.2
Os principais recursos dessa versão são os seguintes:
LIMIT
pushdown para a verificação Delta. Melhore o desempenho das consultas que contêm cláusulasLIMIT
, empurrando para baixo a verificação deltaLIMIT
durante o planejamento da consulta. A verificação delta usa oLIMIT
e as contagens de linhas no nível do arquivo para reduzir o número de arquivos verificados, o que ajuda as consultas a ler um número muito menor de arquivos e pode tornar as consultasLIMIT
de 10 a 100 vezes mais rápidas, dependendo do tamanho da tabela.Pushdown de agregação na verificação Delta para SELECT COUNT(*). Consultas de agregação, como em tabelas Delta
SELECT COUNT(*)
, são atendidas usando contagens de linhas no nível do arquivo em metadados de tabela Delta em vez de contar linhas nos arquivos de dados subjacentes. Isso reduz significativamente o tempo de consulta, pois a consulta só precisa ler os metadados da tabela e pode tornar as consultas de contagem de tabelas completas de 10 a 100 vezes mais rápidas.Suporte para coletar estatísticas de nível de arquivo como parte do comando CONVERT TO DELTA. Essas estatísticas potencialmente ajudam a acelerar as consultas na tabela Delta. Por padrão, as estatísticas são coletadas agora como parte do comando CONVERTER PARA DELTA. Para desabilitar a coleta de estatísticas, especifique a cláusula
NO STATISTICS
no comando . Exemplo:CONVERT TO DELTA table_name NO STATISTICS
.Melhore o desempenho do comando DELETE removendo as colunas para ler ao pesquisar arquivos para reescrever.
Correção de um bug na configuração do modo multi cluster S3 baseado em DynamoDB. A versão anterior escreveu um carimbo de data/hora incorreto, que foi usado pelo recurso TTL do DynamoDB para limpar itens expirados. Esse valor de carimbo de data/hora foi corrigido e o atributo de tabela renomeado de
commitTime
paraexpireTime
. Se você já tiver o TTL habilitado, siga as etapas de migração para Delta Lake 1.2.1, 2.0.0 ou 2.1.0 para Delta Lake 2.0.1, 2.1.1 ou superior.Corrija o comportamento não determinístico durante MERGE ao trabalhar com fontes não determinísticas.
Remova as restrições para usar tabelas Delta com mapeamento de coluna em determinados casos de Streaming + CDF. Anteriormente, costumávamos bloquear Streaming+CDF se a tabela Delta tivesse o mapeamento de coluna habilitado, mesmo que não contenha nenhuma coluna RENAME ou DROP.
Melhore o monitoramento das consultas de construção de estado Delta (outras consultas são executadas como parte do planejamento) tornando-as visíveis na interface do usuário do Spark.
Suporte para várias chamadas
where()
na API Optimize scala/python.Suporte para passar configurações do Hadoop por meio da API DeltaTable.
Dê suporte a nomes de coluna de partição começando com
.
ou_
no comando CONVERT TO DELTA.Melhorias nas métricas no histórico de tabelas:
Corrigir uma métrica no comando MERGE.
Métrica de tipo de origem para CONVERTER PARA DELTA.
Métricas para EXCLUIR em partições.
Mais estatísticas de vácuo.
Correção para downgrades de protocolo acidentais com o comando RESTORE . Até agora, o RESTORE TABLE podia fazer downgrade da versão do protocolo da tabela, o que poderia ter resultado em leituras inconsistentes com viagem no tempo. Com essa correção, a versão do protocolo nunca é rebaixada da atual.
Corrija um bug em
MERGE INTO
quando houver várias cláusulasUPDATE
e um dos UPDATEs estiver com uma evolução de esquema.Correção de um bug em que, às vezes, o objeto ativo
SparkSession
não era encontrado ao usar APIs Delta.Corrija um problema em que o esquema de partição não pôde ser definido durante a confirmação inicial.
Capturar exceções quando o arquivo falha ao gravar
last_checkpoint
.Corrija um problema ao reiniciar uma consulta de streaming com o gatilho
AvailableNow
em uma tabela Delta.Correção de um problema com CDF e Streaming em que o deslocamento não era atualizado corretamente quando não havia alterações de dados.
Verifique a origem e as notas de versão completas no GitHub em delta-io/delta.
Pacotes de nível padrão para Java/Scala
A tabela a seguir lista todos os pacotes de nível padrão para Java/Scala e suas respectivas versões.
GroupId | ArtifactId | Versão |
---|---|---|
com.aliyun | aliyun-java-sdk-core | 4.5.10 |
com.aliyun | aliyun-java-sdk-kms | 2.11.0 |
com.aliyun | aliyun-java-sdk-ram | 3.1.0 |
com.aliyun | aliyun-sdk-oss | 3.13.0 |
com.amazonaws | aws-java-sdk-bundle | 1.11.1026 |
com.chuusai | shapeless_2.12 | 2.3.7 |
com.esotericsoftware | kryo-shaded | 4.0.2 |
com.esotericsoftware | minlog | 1.3.0 |
com.fasterxml.jackson | jackson-annotations-2.13.4.jar | |
com.fasterxml.jackson | jackson-core | 2.13.4 |
com.fasterxml.jackson | jackson-core-asl | 1.9.13 |
com.fasterxml.jackson | jackson-databind | 2.13.4.1 |
com.fasterxml.jackson | jackson-dataformat-cbor | 2.13.4 |
com.fasterxml.jackson | jackson-mapper-asl | 1.9.13 |
com.fasterxml.jackson | jackson-module-scala_2.12 | 2.13.4 |
com.github.joshelser | dropwizard-metrics-hadoop-metrics2-reporter | 0.1.2 |
com.github.wendykierp | JTransforms | 3.1 |
com.google.code.findbugs | jsr305 | 3.0.0 |
com.google.code.gson | gson | 2.8.6 |
com.google.flatbuffers | flatbuffers-java | 1.12.0 |
com.google.guava | guava | 14.0.1 |
com.google.protobuf | protobuf-java | 2.5.0 |
com.googlecode.json-simple | json-simple | 1.1.1 |
com.jcraft | jsch | 0.1.54 |
com.jolbox | bonecp | 0.8.0.RELEASE |
com.linkedin.isolation-forest | isolation-forest_3.2.0_2.12 | 2.0.8 |
com.ning | compress-lzf | 1,1 |
com.qcloud | cos_api-bundle | 5.6.19 |
com.sun.istack | istack-commons-runtime | 3.0.8 |
com.tdunning | json | 1.8 |
com.thoughtworks.paranamer | paranamer | 2.8 |
com.twitter | chill-java | 0.10.0 |
com.twitter | chill_2.12 | 0.10.0 |
com.typesafe | config | 1.3.4 |
com.zaxxer | HikariCP | 2.5.1 |
commons-cli | commons-cli | 1.5.0 |
commons-codec | commons-codec | 1.15 |
commons-collections | commons-collections | 3.2.2 |
commons-dbcp | commons-dbcp | 1.4 |
commons-io | commons-io | 2.11.0 |
commons-lang | commons-lang | 2.6 |
commons-logging | commons-logging | 1.1.3 |
commons-pool | commons-pool | 1.5.4.jar |
dev.ludovic.netlib | arpack | 2.2.1 |
dev.ludovic.netlib | blas | 2.2.1 |
dev.ludovic.netlib | lapack | 2.2.1 |
io.airlift | aircompressor | 0,21 |
io.dropwizard.metrics | metrics-core | 4.2.7 |
io.dropwizard.metrics | metrics-graphite | 4.2.7 |
io.dropwizard.metrics | metrics-jmx | 4.2.7 |
io.dropwizard.metrics | metrics-json | 4.2.7 |
io.dropwizard.metrics | metrics-jvm | 4.2.7 |
io.netty | netty-all | 4.1.74.Final |
io.netty | netty-buffer | 4.1.74.Final |
io.netty | netty-codec | 4.1.74.Final |
io.netty | netty-common | 4.1.74.Final |
io.netty | netty-handler | 4.1.74.Final |
io.netty | netty-resolver | 4.1.74.Final |
io.netty | netty-tcnative-classes | 2.0.48.Final |
io.netty | netty-transport | 4.1.74.Final |
io.netty | netty-transport-classes-epoll | 4.1.74.Final |
io.netty | netty-transport-classes-kqueue | 4.1.74.Final |
io.netty | netty-transport-native-epoll | 4.1.74.Final-linux-aarch_64 |
io.netty | netty-transport-native-epoll | 4.1.74.Final-linux-x86_64 |
io.netty | netty-transport-native-kqueue | 4.1.74.Final-osx-aarch_64 |
io.netty | netty-transport-native-kqueue | 4.1.74.Final-osx-x86_64 |
io.netty | netty-transport-native-unix-common | 4.1.74.Final |
io.opentracing | opentracing-api | 0.33.0 |
io.opentracing | opentracing-noop | 0.33.0 |
io.opentracing | opentracing-util | 0.33.0 |
jakarta.annotation | jakarta.annotation-api | 1.3.5 |
jakarta.inject | jakarta.inject | 2.6.1 |
jakarta.servlet | jakarta.servlet-api | 4.0.3 |
jakarta.validation-api | 2.0.2 | |
jakarta.ws.rs | jakarta.ws.rs-api | 2.1.6 |
jakarta.xml.bind | jakarta.xml.bind-api | 2.3.2 |
javax.activation | activation | 1.1.1 |
javax.jdo | jdo-api | 3.0.1 |
javax.transaction | jta | 1,1 |
javax.xml.bind | jaxb-api | 2.2.11 |
javolution | javolution | 5.5.1 |
jline | jline | 2.14.6 |
joda-time | joda-time | 2.10.13 |
net.razorvine | pickle | 1,2 |
net.sf.jpam | jpam | 1,1 |
net.sf.opencsv | opencsv | 2.3 |
net.sf.py4j | py4j | 0.10.9.5 |
net.sourceforge.f2j | arpack_combined_all | 0,1 |
org.antlr | ST4 | 4.0.4 |
org.antlr | antlr-runtime | 3.5.2 |
org.antlr | antlr4-runtime | 4.8 |
org.apache.arrow | arrow-format | 7.0.0 |
org.apache.arrow | arrow-memory-core | 7.0.0 |
org.apache.arrow | arrow-memory-netty | 7.0.0 |
org.apache.arrow | arrow-vector | 7.0.0 |
org.apache.avro | avro | 1.11.0 |
org.apache.avro | avro-ipc | 1.11.0 |
org.apache.avro | avro-mapred | 1.11.0 |
org.apache.commons | commons-collections4 | 4.4 |
org.apache.commons | commons-compress | 1.21 |
org.apache.commons | commons-crypto | 1.1.0 |
org.apache.commons | commons-lang3 | 3.12.0 |
org.apache.commons | commons-math3 | 3.6.1 |
org.apache.commons | commons-pool2 | 2.11.1 |
org.apache.commons | commons-text | 1.10.0 |
org.apache.curator | curator-client | 2.13.0 |
org.apache.curator | curator-framework | 2.13.0 |
org.apache.curator | curator-recipes | 2.13.0 |
org.apache.derby | derby | 10.14.2.0 |
org.apache.hadoop | hadoop-aliyun | $3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-annotations | $3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-aws | $3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-azure | $3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-azure-datalake | $3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-client-api | $3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-client-runtime | $3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-cloud-storage | $3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-cos | $3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-openstack | $3.3.3.5.2-90111858 |
org.apache.hadoop | hadoop-shaded-guava | 1.1.1 |
org.apache.hadoop | hadoop-yarn-server-web-proxy | $3.3.3.5.2-90111858 |
org.apache.hive | hive-beeline | 2.3.9 |
org.apache.hive | hive-cli | 2.3.9 |
org.apache.hive | hive-common | 2.3.9 |
org.apache.hive | hive-exec | 2.3.9 |
org.apache.hive | hive-jdbc | 2.3.9 |
org.apache.hive | hive-llap-common | 2.3.9 |
org.apache.hive | hive-metastore | 2.3.9 |
org.apache.hive | hive-serde | 2.3.9 |
org.apache.hive | hive-service-rpc | 3.1.2 |
org.apache.hive | hive-shims-0.23 | 2.3.9 |
org.apache.hive | hive-shims | 2.3.9 |
org.apache.hive | hive-shims-common | 2.3.9 |
org.apache.hive | hive-shims-scheduler | 2.3.9 |
org.apache.hive | hive-storage-api | 2.7.2 |
org.apache.hive | hive-vector-code-gen | 2.3.9 |
org.apache.httpcomponents | httpclient | 4.5.13 |
org.apache.httpcomponents | httpcore | 4.4.14 |
org.apache.httpcomponents | httpmime | 4.5.13 |
org.apache.httpcomponents.client5 | httpclient5 | 5.1.3 |
org.apache.ivy | ivy | 2.5.1 |
org.apache.kafka | kafka-clients | 2.8.1 |
org.apache.logging.log4j | log4j-1.2-api | 2.17.2 |
org.apache.logging.log4j | log4j-api | 2.17.2 |
org.apache.logging.log4j | log4j-core | 2.17.2 |
org.apache.logging.log4j | log4j-slf4j-impl | 2.17.2 |
org.apache.orc | orc-core | 1.7.6 |
org.apache.orc | orc-mapreduce | 1.7.6 |
org.apache.orc | orc-shims | 1.7.6 |
org.apache.parquet | parquet-column | 1.12.3 |
org.apache.parquet | parquet-common | 1.12.3 |
org.apache.parquet | parquet-encoding | 1.12.3 |
org.apache.parquet | parquet-format-structures | 1.12.3 |
org.apache.parquet | parquet-hadoop | 1.12.3 |
org.apache.parquet | parquet-jackson | 1.12.3 |
org.apache.qpid | proton-j | 0.33.8 |
org.apache.thrift | libfb303 | 0.9.3 |
org.apache.thrift | libthrift | 0.12.0 |
org.apache.yetus | audience-annotations | 0.5.0 |
org.apiguardian | apiguardian-api | 1.1.0 |
org.codehaus.janino | commons-compiler | 3.0.16 |
org.codehaus.janino | janino | 3.0.16 |
org.codehaus.jettison | jettison | 1,1 |
org.datanucleus | datanucleus-api-jdo | 4.2.4 |
org.datanucleus | datanucleus-core | 4.1.17 |
org.datanucleus | datanucleus-rdbms | 4.1.19 |
org.datanucleusjavax.jdo | 3.2.0-m3 | |
org.eclipse.jdt | core | 1.1.2 |
org.eclipse.jetty | jetty-util | 9.4.48.v20220622 |
org.eclipse.jetty | jetty-util-ajax | 9.4.48.v20220622 |
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.jaxb | jaxb-runtime | 2.3.2 |
org.glassfish.jersey.containers | jersey-container-servlet | 2.36 |
org.glassfish.jersey.containers | jersey-container-servlet-core | 2.36 |
org.glassfish.jersey.core | jersey-client | 2.36 |
org.glassfish.jersey.core | jersey-common | 2.36 |
org.glassfish.jersey.core | jersey-server | 2.36 |
org.glassfish.jersey.inject | jersey-hk2 | 2.36 |
org.ini4j | ini4j | 0.5.4 |
org.javassist | javassist | 3.25.0-GA |
org.javatuples | javatuples | 1,2 |
org.jdom | jdom2 | 2.0.6 |
org.jetbrains | annotations | 17.0.0 |
org.jodd | jodd-core | 3.5.2 |
org.json4s | json4s-ast_2.12 | 3.7.0-M11 |
org.json4s | json4s-core_2.12 | 3.7.0-M11 |
org.json4s | json4s-jackson_2.12 | 3.7.0-M11 |
org.json4s | json4s-scalap_2.12 | 3.7.0-M11 |
org.junit.júpiter | junit-jupiter | 5.5.2 |
org.junit.júpiter | junit-jupiter-api | 5.5.2 |
org.junit.júpiter | junit-jupiter-engine | 5.5.2 |
org.junit.júpiter | junit-jupiter-params | 5.5.2 |
org.junit.platform | junit-platform-commons | 1.5.2 |
org.junit.platform | junit-platform-engine | 1.5.2 |
org.lz4 | lz4-java | 1.8.0 |
org.objenesis | objenesis | 3.2 |
org.openpnp | opencv | 3.2.0-1 |
org.opentest4j | opentest4j | 1.2.0 |
org.postgresql | postgresql | 42.2.9 |
org.roaringbitmap | RoaringBitmap | 0.9.25 |
org.roaringbitmap | shims | 0.9.25 |
org.rocksdb | rocksdbjni | 6.20.3 |
org.scala-lang | scala-compiler | 2.12.15 |
org.scala-lang | scala-library | 2.12.15 |
org.scala-lang | scala-reflect | 2.12.15 |
org.scala-lang.modules | scala-collection-compat_2.12 | 2.1.1 |
org.scala-lang.modules | scala-java8-compat_2.12 | 0.9.0 |
org.scala-lang.modules | scala-parser-combinators_2.12 | 1.1.2 |
org.scala-lang.modules | scala-xml_2.12 | 1.2.0 |
org.scalactic | scalactic_2.12 | 3.2.14 |
org.scalanlp | breeze-macros_2.12 | 1,2 |
org.scalanlp | breeze_2.12 | 1,2 |
org.slf4j | jcl-over-slf4j | 1.7.32 |
org.slf4j | jul-to-slf4j | 1.7.32 |
org.slf4j | slf4j-api | 1.7.32 |
org.typelevel | algebra_2.12 | 2.0.1 |
org.typelevel | cats-kernel_2.12 | 2.1.1 |
org.typelevel | spire-macros_2.12 | 0.17.0 |
org.typelevel | spire-platform_2.12 | 0.17.0 |
org.typelevel | spire-util_2.12 | 0.17.0 |
org.xerial.snappy | snappy-java | 1.1.8.4 |
oro | oro | 2.0.8 |
pl.edu.icm | JLargeArrays | 1.5 |
Pacotes de nível padrão para Python
A tabela a seguir lista todos os pacotes de nível padrão para Python e suas respectivas versões.
Biblioteca | Versão | Biblioteca | Versão | Biblioteca | Versão |
---|---|---|---|---|---|
_libgcc_mutex | 0,1 | ipykernel | 6.22.0 | pickleshare | 0.7.5 |
_openmp_mutex | 4.5 | ipython | 8.9.0 | pillow | 9.4.0 |
_py-xgboost-mutex | 2,0 | ipywidgets | 8.0.4 | pip | 23.0.1 |
absl-py | 1.4.0 | isodate | 0.6.1 | pixman | 0.40.0 |
adal | 1.2.7 | itsdangerous | 2.1.2 | pkginfo | 1.9.6 |
adlfs | 2023.1.0 | jack | 1.9.22 | pkgutil-resolve-name | 1.3.10 |
aiohttp | 3.8.4 | jedi | 0.18.2 | platformdirs | 3.2.0 |
aiosignal | 1.3.1 | jeepney | 0.8.0 | plotly | 5.13.0 |
alsa-lib | 1.2.8 | jinja2 | 3.1.2 | ply | 3.11 |
anyio | 3.6.2 | jmespath | 1.0.1 | pooch | 1.7.0 |
argcomplete | 2.1.2 | joblib | 1.2.0 | portalocker | 2.7.0 |
argon2-cffi | 21.3.0 | jpeg | 9e | pox | 0.3.2 |
argon2-cffi-bindings | 21.2.0 | jsonpickle | 2.2.0 | ppft | 1.7.6.6 |
arrow-cpp | 11.0.0 | jsonschema | 4.17.3 | prettytable | 3.6.0 |
asttokens | 2.2.1 | jupyter_client | 8.1.0 | prometheus_client | 0.16.0 |
astunparse | 1.6.3 | jupyter_core | 5.3.0 | prompt-toolkit | 3.0.38 |
async-timeout | 4.0.2 | jupyter_events | 0.6.3 | protobuf | 4.21.12 |
atk-1.0 | 2.38.0 | jupyter_server | 2.2.1 | psutil | 5.9.4 |
attr | 2.5.1 | jupyter_server_terminals | 0.4.4 | pthread-stubs | 0,4 |
attrs | 22.2.0 | jupyterlab_pygments | 0.2.2 | ptyprocess | 0.7.0 |
aws-c-auth | 0.6.24 | jupyterlab_widgets | 3.0.7 | pulseaudio | 16.1 |
aws-c-cal | 0.5.20 | keras | 2.11.0 | pulseaudio-client | 16.1 |
aws-c-common | 0.8.11 | keras-preprocessing | 1.1.2 | pulseaudio-daemon | 16.1 |
aws-c-compression | 0.2.16 | keyutils | 1.6.1 | pure_eval | 0.2.2 |
aws-c-event-stream | 0.2.18 | kiwisolver | 1.4.4 | py-xgboost | 1.7.1 |
aws-c-http | 0.7.4 | knack | 0.10.1 | py4j | 0.10.9.5 |
aws-c-io | 0.13.17 | krb5 | 1.20.1 | pyarrow | 11.0.0 |
aws-c-mqtt | 0.8.6 | lame | 3,100 | pyasn1 | 0.4.8 |
aws-c-s3 | 0.2.4 | lcms2 | 2.15 | pyasn1-modules | 0.2.7 |
aws-c-sdkutils | 0.1.7 | ld_impl_linux-64 | 2,40 | pycosat | 0.6.4 |
aws-checksums | 0.1.14 | lerc | 4.0.0 | pycparser | 2.21 |
aws-crt-cpp | 0.19.7 | liac-arff | 2.5.0 | pygments | 2.14.0 |
aws-sdk-cpp | 1.10.57 | libabseil | 20220623.0 | pyjwt | 2.6.0 |
azure-common | 1.1.28 | libaec | 1.0.6 | pynacl | 1.5.0 |
azure-core | 1.26.4 | libarrow | 11.0.0 | pyodbc | 4.0.35 |
azure-datalake-store | 0.0.51 | libblas | 3.9.0 | pyopenssl | 23.1.1 |
azure-graphrbac | 0.61.1 | libbrotlicommon | 1.0.9 | pyparsing | 3.0.9 |
azure-identity | 1.12.0 | libbrotlidec | 1.0.9 | pyperclip | 1.8.2 |
azure-mgmt-authorization | 3.0.0 | libbrotlienc | 1.0.9 | pyqt | 5.15.7 |
azure-mgmt-containerregistry | 10.1.0 | libcap | 2.67 | pyqt5-sip | 12.11.0 |
azure-mgmt-core | 1.4.0 | libcblas | 3.9.0 | pyrsistent | 0.19.3 |
azure-mgmt-keyvault | 10.2.1 | libclang | 15.0.7 | pysocks | 1.7.1 |
azure-mgmt-resource | 21.2.1 | libclang13 | 15.0.7 | pyspark | 3.3.1 |
azure-mgmt-storage | 20.1.0 | libcrc32c | 1.1.2 | python | 3.10.10 |
azure-storage-blob | 12.15.0 | libcups | 2.3.3 | python_abi | 3.10 |
azure-storage-file-datalake | 12.9.1 | libcurl | 7.88.1 | python-dateutil | 2.8.2 |
azureml-core | 1.49.0 | libdb | 6.2.32 | python-fastjsonschema | 2.16.3 |
backcall | 0.2.0 | libdeflate | 1.17 | python-flatbuffers | 23.1.21 |
backports | 1.0 | libebm | 0.3.1 | python-graphviz | 0.20.1 |
backports-tempfile | 1.0 | libedit | 3.1.20191231 | python-json-logger | 2.0.7 |
backports-weakref | 1.0.post1 | libev | 4.33 | pytorch | 1.13.1 |
backports.functools_lru_cache | 1.6.4 | libevent | 2.1.10 | pytz | 2022.7.1 |
bcrypt | 3.2.2 | libexpat | 2.5.0 | pyu2f | 0.1.5 |
beautifulsoup4 | 4.11.2 | libffi | 3.4.2 | pywin32-on-windows | 0.1.0 |
bleach | 6.0.0 | libflac | 1.4.2 | pyyaml | 6,0 |
blinker | 1.6.1 | libgcc-ng | 12.2.0 | pyzmq | 25.0.2 |
brotli | 1.0.9 | libgcrypt | 1.10.1 | qt-main | 5.15.8 |
brotli-bin | 1.0.9 | libgd | 2.3.3 | re2 | 2023.02.01 |
brotli-python | 1.0.9 | libgfortran-ng | 12.2.0 | readline | 8.2 |
brotlipy | 0.7.0 | libgfortran5 | 12.2.0 | regex | 2022.10.31 |
bzip2 | 1.0.8 | libglib | 2.74.1 | solicitações | 2.28.2 |
c-ares | 1.18.1 | libgoogle-cloud | 2.7.0 | requests-oauthlib | 1.3.1 |
ca-certificates | 2022.12.7 | libgpg-error | 1.46 | rfc3339-validator | 0.1.4 |
cached_property | 1.5.2 | libgrpc | 1.51.1 | rfc3986-validator | 0.1.1 |
cached-property | 1.5.2 | libhwloc | 2.9.0 | rsa | 4.9 |
cachetools | 5.3.0 | libiconv | 1.17 | ruamel_yaml | 0.15.80 |
cairo | 1.16.0 | liblapack | 3.9.0 | ruamel.yaml | 0.17.21 |
certifi | 2022.12.7 | libllvm11 | 11.1.0 | ruamel.yaml.clib | 0.2.7 |
cffi | 1.15.1 | libllvm15 | 15.0.7 | s2n | 1.3.37 |
charset-normalizer | 2.1.1 | libnghttp2 | 1.52.0 | salib | 1.4.7 |
clique | 8.1.3 | libnsl | 2.0.0 | scikit-learn | 1.2.0 |
cloudpickle | 2.2.1 | libogg | 1.3.4 | scipy | 1.10.1 |
colorama | 0.4.6 | libopenblas | 0.3.21 | seaborn | 0.12.2 |
comm | 0.1.3 | libopus | 1.3.1 | seaborn-base | 0.12.2 |
conda-package-handling | 2.0.2 | libpng | 1.6.39 | secretstorage | 3.3.3 |
conda-package-streaming | 0.7.0 | libpq | 15.2 | send2trash | 1.8.0 |
configparser | 5.3.0 | libprotobuf | 3.21.12 | setuptools | 67.6.1 |
contextlib2 | 21.6.0 | librsvg | 2.54.4 | shap | 0.41.0 |
contourpy | 1.0.7 | libsndfile | 1.2.0 | sip | 6.7.7 |
criptografia | 40.0.1 | libsodium | 1.0.18 | six | 1.16.0 |
cycler | 0.11.0 | libsqlite | 3.40.0 | sleef | 3.5.1 |
traço | 2.9.2 | libssh2 | 1.10.0 | slicer | 0.0.7 |
dash_cytoscape | 0.2.0 | libstdcxx-ng | 12.2.0 | smmap | 3.0.5 |
dash-core-components | 2.0.0 | libsystemd0 | 253 | snappy | 1.1.10 |
dash-html-components | 2.0.0 | libthrift | 0.18.0 | sniffio | 1.3.0 |
dash-table | 5.0.0 | libtiff | 4.5.0 | soupsieve | 2.3.2.post1 |
databricks-cli | 0.17.6 | libtool | 2.4.7 | sqlalchemy | 2.0.9 |
dbus | 1.13.6 | libudev1 | 253 | sqlparse | 0.4.3 |
debugpy | 1.6.7 | libutf8proc | 2.8.0 | stack_data | 0.6.2 |
decorator | 5.1.1 | libuuid | 2.38.1 | statsmodels | 0.13.5 |
defusedxml | 0.7.1 | libuv | 1.44.2 | synapseml-mlflow | 1.0.14 |
dill | 0.3.6 | libvorbis | 1.3.7 | synapseml-utils | 1.0.7 |
distlib | 0.3.6 | libwebp | 1.2.4 | tabulate | 0.9.0 |
docker-py | 6.0.0 | libwebp-base | 1.2.4 | tbb | 2021.8.0 |
entrypoints | 0,4 | libxcb | 1.13 | tenacity | 8.2.2 |
et_xmlfile | 1.1.0 | libxgboost | 1.7.1 | tensorboard | 2.11.2 |
em execução | 1.2.0 | libxkbcommon | 1.5.0 | tensorboard-data-server | 0.6.1 |
expat | 2.5.0 | libxml2 | 2.10.3 | tensorboard-plugin-wit | 1.8.1 |
fftw | 3.3.10 | libxslt | 1.1.37 | tensorflow | 2.11.0 |
filelock | 3.11.0 | libzlib | 1.2.13 | tensorflow-base | 2.11.0 |
flask | 2.2.3 | lightgbm | 3.3.3 | tensorflow-estimator | 2.11.0 |
flask-compress | 1.13 | lime | 0.2.0.1 | termcolor | 2.2.0 |
flatbuffers | 22.12.06 | llvm-openmp | 16.0.1 | terminado | 0.17.1 |
flit-core | 3.8.0 | llvmlite | 0.39.1 | threadpoolctl | 3.1.0 |
fluent-logger | 0.10.0 | lxml | 4.9.2 | tinycss2 | 1.2.1 |
font-ttf-dejavu-sans-mono | 2.37 | lz4-c | 1.9.4 | tk | 8.6.12 |
font-ttf-inconsolata | 3.000 | markdown | 3.4.1 | TOML | 0.10.2 |
font-ttf-source-code-pro | 2.038 | markupsafe | 2.1.2 | toolz | 0.12.0 |
font-ttf-ubuntu | 0,83 | matplotlib | 3.6.3 | tornado | 6.2 |
fontconfig | 2.14.2 | matplotlib-base | 3.6.3 | tqdm | 4.65.0 |
fonts-conda-ecosystem | 1 | matplotlib-inline | 0.1.6 | traitlets | 5.9.0 |
fonts-conda-forge | 1 | mistune | 2.0.5 | treeinterpreter | 0.2.2 |
fonttools | 4.39.3 | mkl | 2022.2.1 | typed-ast | 1.4.3 |
freetype | 2.12.1 | mlflow-skinny | 2.1.1 | typing_extensions | 4.5.0 |
fribidi | 1.0.10 | mpg123 | 1.31.3 | typing-extensions | 4.5.0 |
frozenlist | 1.3.3 | msal | 1.21.0 | tzdata | 2023c |
fsspec | 2023.4.0 | msal-extensions | 1.0.0 | unicodedata2 | 15.0.0 |
gast | 0.4.0 | msgpack | 1.0.5 | unixodbc | 2.3.10 |
gdk-pixbuf | 2.42.10 | msrest | 0.7.1 | urllib3 | 1.26.14 |
geographiclib | 1,52 | msrestazure | 0.6.4 | virtualenv | 20.19.0 |
geopy | 2.3.0 | multidict | 6.0.4 | wcwidth | 0.2.6 |
gettext | 0.21.1 | multiprocess | 0.70.14 | webencodings | 0.5.1 |
gevent | 22.10.2 | munkres | 1.1.4 | websocket-client | 1.5.1 |
gflags | 2.2.2 | mypy | 0.780 | werkzeug | 2.2.3 |
giflib | 5.2.1 | mypy-extensions | 0.4.4 | wheel | 0.40.0 |
gitdb | 4.0.10 | mysql-common | 8.0.32 | widgetsnbextension | 4.0.7 |
gitpython | 3.1.31 | mysql-libs | 8.0.32 | wrapt | 1.15.0 |
glib | 2.74.1 | nbclient | 0.7.3 | xcb-util | 0.4.0 |
glib-tools | 2.74.1 | nbconvert-core | 7.3.0 | xcb-util-image | 0.4.0 |
glog | 0.6.0 | nbformat | 5.8.0 | xcb-util-keysyms | 0.4.0 |
google-auth | 2.17.2 | ncurses | 6.3 | xcb-util-renderutil | 0.3.9 |
google-auth-oauthlib | 0.4.6 | ndg-httpsclient | 0.5.1 | xcb-util-wm | 0.4.1 |
google-pasta | 0.2.0 | nest-asyncio | 1.5.6 | xgboost | 1.7.1 |
graphite2 | 1.3.13 | nspr | 4.35 | xkeyboard-config | 2.38 |
Graphviz | 2.50.0 | nss | 3.89 | xorg-kbproto | 1.0.7 |
greenlet | 2.0.2 | numba | 0.56.4 | xorg-libice | 1.0.10 |
grpcio | 1.51.1 | numpy | 1.23.5 | xorg-libsm | 1.2.3 |
gson | 0.0.3 | oauthlib | 3.2.2 | xorg-libx11 | 1.8.4 |
gst-plugins-base | 1.22.0 | openjpeg | 2.5.0 | xorg-libxau | 1.0.9 |
gstreamer | 1.22.0 | openpyxl | 3.1.0 | xorg-libxdmcp | 1.1.3 |
gstreamer-orc | 0.4.33 | openssl | 3.1.0 | xorg-libxext | 1.3.4 |
gtk2 | 2.24.33 | opt_einsum | 3.3.0 | xorg-libxrender | 0.9.10 |
gts | 0.7.6 | orc | 1.8.2 | xorg-renderproto | 0.11.1 |
h5py | 3.8.0 | empacotando | 21.3 | xorg-xextproto | 7.3.0 |
harfbuzz | 6.0.0 | pandas | 1.5.3 | xorg-xproto | 7.0.31 |
hdf5 | 1.14.0 | pandasql | 0.7.3 | xz | 5.2.6 |
html5lib | 1,1 | pandocfilters | 1.5.0 | yaml | 0.2.5 |
humanfriendly | 10.0 | pango | 1.50.14 | yarl | 1.8.2 |
icu | 70.1 | paramiko | 2.12.0 | zeromq | 4.3.4 |
idna | 3.4 | parquet-cpp | 1.5.1 | zipp | 3.15.0 |
imageio | 2.25.0 | parso | 0.8.3 | zlib | 1.2.13 |
importlib-metadata | 5.2.0 | pathos | 0.3.0 | zope.event | 4.6 |
importlib_resources | 5.12.0 | pathspec | 0.11.1 | zope.interface | 6,0 |
importlib-metadata | 5.2.0 | patsy | 0.5.3 | zstandard | 0.19.0 |
interpretar | 0.3.1 | pcre2 | 10.40 | zstd | 1.5.2 |
interpret-core | 0.3.1 | pexpect | 4.8.0 |
Pacotes de nível padrão para R
A tabela a seguir lista todos os pacotes de nível padrão para R e suas respectivas versões.
Biblioteca | Versão | Biblioteca | Versão | Biblioteca | Versão |
---|---|---|---|---|---|
askpass | 1,1 | highcharter | 0.9.4 | readr | 2.1.3 |
assertthat | 0.2.1 | highr | 0,9 | readxl | 1.4.1 |
backports | 1.4.1 | hms | 1.1.2 | recipes | 1.0.3 |
base64enc | 0.1-3 | htmltools | 0.5.3 | rematch | 1.0.1 |
bit | 4.0.5 | htmlwidgets | 1.5.4 | rematch2 | 2.1.2 |
bit64 | 4.0.5 | httpcode | 0.3.0 | remotes | 2.4.2 |
blob | 1.2.3 | httpuv | 1.6.6 | reprex | 2.0.2 |
brew | 1.0-8 | httr | 1.4.4 | reshape2 | 1.4.4 |
brio | 1.1.3 | ids | 1.0.1 | rjson | 0.2.21 |
broom | 1.0.1 | igraph | 1.3.5 | rlang | 1.0.6 |
bslib | 0.4.1 | infer | 1.0.3 | rlist | 0.4.6.2 |
cachem | 1.0.6 | ini | 0.3.1 | rmarkdown | 2.18 |
callr | 3.7.3 | ipred | 0.9-13 | RODBC | 1.3-19 |
sinal de interpolação | 6.0-93 | isoband | 0.2.6 | roxygen2 | 7.2.2 |
cellranger | 1.1.0 | iterators | 1.0.14 | rprojroot | 2.0.3 |
cli | 3.4.1 | jquerylib | 0.1.4 | rsample | 1.1.0 |
clipr | 0.8.0 | jsonlite | 1.8.3 | rstudioapi | 0,14 |
clock | 0.6.1 | knitr | 1,41 | rversions | 2.1.2 |
colorspace | 2.0-3 | labeling | 0.4.2 | rvest | 1.0.3 |
commonmark | 1.8.1 | later | 1.3.0 | sass | 0.4.4 |
config | 0.3.1 | lava | 1.7.0 | scales | 1.2.1 |
conflicted | 1.1.0 | lazyeval | 0.2.2 | selectr | 0.4-2 |
coro | 1.0.3 | lhs | 1.1.5 | sessioninfo | 1.2.2 |
cpp11 | 0.4.3 | ciclo de vida | 1.0.3 | shiny | 1.7.3 |
crayon | 1.5.2 | lightgbm | 3.3.3 | controle deslizante | 0.3.0 |
credenciais | 1.3.2 | listenv | 0.8.0 | sourcetools | 0.1.7 |
crosstalk | 1.2.0 | lobstr | 1.1.2 | sparklyr | 1.7.8 |
crul | 1,3 | lubridate | 1.9.0 | SQUAREM | 2021.1 |
curl | 4.3.3 | magrittr | 2.0.3 | stringi | 1.7.8 |
data.table | 1.14.6 | maps | 3.4.1 | stringr | 1.4.1 |
DBI | 1.1.3 | memoise | 2.0.1 | sys | 3.4.1 |
dbplyr | 2.2.1 | mime | 0,12 | systemfonts | 1.0.4 |
desc | 1.4.2 | miniUI | 0.1.1.1 | testthat | 3.1.5 |
devtools | 2.4.5 | modeldata | 1.0.1 | textshaping | 0.3.6 |
dials | 1.1.0 | modelenv | 0.1.0 | tibble | 3.1.8 |
DiceDesign | 1,9 | ModelMetrics | 1.2.2.2 | tidymodels | 1.0.0 |
diffobj | 0.3.5 | modelr | 0.1.10 | tidyr | 1.2.1 |
digest | 0.6.30 | munsell | 0.5.0 | tidyselect | 1.2.0 |
downlit | 0.4.2 | numDeriv | 2016.8-1.1 | tidyverse | 1.3.2 |
dplyr | 1.0.10 | openssl | 2.0.4 | timechange | 0.1.1 |
dtplyr | 1.2.2 | parallelly | 1.32.1 | timeDate | 4021.106 |
e1071 | 1.7-12 | parsnip | 1.0.3 | tinytex | 0,42 |
ellipsis | 0.3.2 | patchwork | 1.1.2 | torch | 0.9.0 |
evaluate | 0,18 | pillar | 1.8.1 | triebeard | 0.3.0 |
fansi | 1.0.3 | pkgbuild | 1.4.0 | TTR | 0.24.3 |
farver | 2.1.1 | pkgconfig | 2.0.3 | tune | 1.0.1 |
fastmap | 1.1.0 | pkgdown | 2.0.6 | tzdb | 0.3.0 |
fontawesome | 0.4.0 | pkgload | 1.3.2 | urlchecker | 1.0.1 |
forcats | 0.5.2 | plotly | 4.10.1 | urltools | 1.7.3 |
foreach | 1.5.2 | plyr | 1.8.8 | usethis | 2.1.6 |
forge | 0.2.0 | praise | 1.0.0 | utf8 | 1.2.2 |
fs | 1.5.2 | prettyunits | 1.1.1 | uuid | 1.1-0 |
furrr | 0.3.1 | pROC | 1.18.0 | vctrs | 0.5.1 |
future | 1.29.0 | processx | 3.8.0 | viridisLite | 0.4.1 |
future.apply | 1.10.0 | prodlim | 2019.11.13 | vroom | 1.6.0 |
gargle | 1.2.1 | profvis | 0.3.7 | waldo | 0.4.0 |
Genéricos | 0.1.3 | progress | 1.2.2 | warp | 0.2.0 |
gert | 1.9.1 | progressr | 0.11.0 | whisker | 0,4 |
ggplot2 | 3.4.0 | promises | 1.2.0.1 | withr | 2.5.0 |
gh | 1.3.1 | proxy | 0.4-27 | workflows | 1.1.2 |
gistr | 0.9.0 | pryr | 0.1.5 | workflowsets | 1.0.0 |
gitcreds | 0.1.2 | ps | 1.7.2 | xfun | 0,35 |
globals | 0.16.2 | purrr | 0.3.5 | xgboost | 1.6.0.1 |
glue | 1.6.2 | quantmod | 0.4.20 | XML | 3.99-0.12 |
googledrive | 2.0.0 | r2d3 | 0.2.6 | xml2 | 1.3.3 |
googlesheets4 | 1.0.1 | R6 | 2.5.1 | xopen | 1.0.0 |
gower | 1.0.0 | ragg | 1.2.4 | xtable | 1.8-4 |
GPfit | 1.0-8 | rappdirs | 0.3.3 | xts | 0.12.2 |
gtable | 0.3.1 | rbokeh | 0.5.2 | yaml | 2.3.6 |
hardhat | 1.2.0 | rcmdcheck | 1.4.0 | yardstick | 1.1.0 |
haven | 2.5.1 | RColorBrewer | 1.1-3 | zip | 2.2.2 |
hexbin | 1.28.2 | Rcpp | 1.0.9 | zoo | 1.8-11 |
Migração entre diferentes versões do Apache Spark
Migrar suas cargas de trabalho para o Fabric Runtime 1.1 (Apache Spark 3.3) de uma versão mais antiga do Apache Spark envolve uma série de etapas para garantir uma migração tranquila. Esse guia descreve as etapas necessárias para ajudá-lo a migrar de forma eficiente e eficaz.
Examine as notas de versão do Fabric Runtime 1.1, incluindo a verificação dos componentes e pacotes de nível padrão incluídos no runtime, para entender os novos recursos e melhorias.
Verifique a compatibilidade da configuração atual e de todas as bibliotecas relacionadas, incluindo dependências e integrações. Examine os guias de migração para identificar possíveis alterações interruptivas:
- Revise o Guia de migração do Spark Core.
- Revise o Guia de migração de SQL, Conjuntos de Dados e DataFrame.
- Se sua solução estiver relacionada ao Streaming de Estrutura do Apache Spark, revise o Guia de migração de Streaming Estruturado.
- Se você usar o PySpark, revise o Guia de migração do PySpark.
- Se você migrar o código do Koalas para o PySpark, revise o Guia de migração do Koalas para a API do Pandas no Spark.
Mova suas cargas de trabalho para o Fabric e verifique se você tem backups de seus dados e arquivos de configuração caso precise reverter para a versão anterior.
Atualize as dependências que a nova versão do Apache Spark ou de outros componentes relacionados ao Fabric Runtime 1.1 possa afetar, incluindo bibliotecas ou conectores de terceiros. Certifique-se de testar as dependências atualizadas em um ambiente de preparo antes de implantar na produção.
Atualize a Configuração do Apache Spark em sua carga de trabalho, incluindo a atualização das definições de configuração, o ajuste das alocações de memória e a modificação de configurações preteridas.
Modifique seus aplicativos Apache Spark (notebooks e definições de trabalhos do Apache Spark) para usar as novas APIs e recursos introduzidos no Fabric Runtime 1.1 e no Apache Spark 3.3. Você pode precisar da atualização do código para acomodar as APIs preteridas ou removidas e a refatoração de seus aplicativos para aproveitar as melhorias de desempenho e as novas funcionalidades.
Teste minuciosamente seus aplicativos atualizados em um ambiente de preparo para garantir a compatibilidade e a estabilidade com o Apache Spark 3.3. Execute testes de desempenho, testes funcionais e testes de regressão para identificar e resolver quaisquer problemas que possam surgir durante o processo de migração.
Depois de validar seus aplicativos em um ambiente de preparo, implante os aplicativos atualizados em seu ambiente de produção. Monitore o desempenho e a estabilidade de seus aplicativos após a migração para identificar quaisquer problemas que precisem ser resolvidos.
Atualize a documentação interna e os materiais de treinamento para refletir as alterações introduzidas no Fabric Runtime 1.1. Verifique se os membros da equipe estão familiarizados com os novos recursos e melhorias para maximizar os benefícios da migração.
Conteúdo relacionado
Comentários
https://aka.ms/ContentUserFeedback.
Em breve: Ao longo de 2024, eliminaremos os problemas do GitHub como o mecanismo de comentários para conteúdo e o substituiremos por um novo sistema de comentários. Para obter mais informações, consulteEnviar e exibir comentários de