Среда выполнения 1.1
Среда выполнения Microsoft Fabric — это интегрированная с Azure платформа на основе Apache Spark, которая обеспечивает выполнение и управление Инжиниринг данных и Обработка и анализ данных интерфейсов в Fabric. В этом документе рассматриваются компоненты и версии среды выполнения Fabric 1.1.
Среда выполнения Microsoft Fabric 1.1 является одной из сред выполнения, предлагаемых на платформе Microsoft Fabric. Основные компоненты среды выполнения 1.1:
- Apache Spark 3.3
- Операционная система: Ubuntu 18.04
- Java: 1.8.0_282
- Scala: 2.12.15
- Python: 3.10
- Delta Lake: 2.2
- R: 4.2.2
Среда выполнения Microsoft Fabric 1.1 поставляется с коллекцией пакетов уровня по умолчанию, включая полную установку Anaconda и часто используемые библиотеки для Java/Scala, Python и R. Эти библиотеки автоматически включаются при использовании записных книжек или заданий на платформе Microsoft Fabric. Ознакомьтесь с документацией по полному списку библиотек.
Microsoft Fabric периодически выпускает обновления обслуживания для среды выполнения 1.1, предоставляя исправления ошибок, улучшения производительности и исправления системы безопасности. Обеспечение актуальности этих обновлений гарантирует оптимальную производительность и надежность задач обработки данных. Если в настоящее время используется среда выполнения 1.1, можно обновить до среды выполнения 1.2, перейдя к рабочей области Параметры Инжиниринг данных > / Science > Spark Параметры.
Новые функции и улучшения — Apache Spark 3.3.1
В следующей расширенной сводке описываются основные новые функции, связанные с Apache Spark версии 3.3.0 и 3.3.1:
Фильтрация на уровне строк: повышение производительности соединений путем префильтрации на одну сторону, если нет нерекомендуемых или регрессий влияния на использование фильтра Блум и предиката IN, созданного из значений с другой стороны соединения. (SPARK-32268)
Улучшена совместимость Spark с усовершенствованиями SQL standard:ANSI. (SPARK-38860)
Улучшения сообщения об ошибках для быстрого выявления проблем и выполнения необходимых действий по их устранению. (SPARK-38781)
Поддержка сложных типов для векторизованного средства чтения Parquet. Ранее векторное средство чтения Parquet не поддерживало вложенные типы столбцов, такие как структуру, массив и карту. Apache Spark 3.3 содержит реализацию векторного векторного вектора вложенных столбцов для FB-ORC во внутреннем вилке Spark. Это влияет на повышение производительности по сравнению с невекторизованным средством чтения при чтении вложенных столбцов. Кроме того, эта реализация помогает повысить производительность не вложенных столбцов при чтении не вложенных и вложенных столбцов в одном запросе. (SPARK-34863)
Позволяет пользователям запрашивать метаданные входных файлов для всех форматов файлов, предоставлять их как встроенные скрытые столбцы, что означает, что пользователи могут видеть их только при явной ссылке на них. (Например, путь к файлу и имя файла.) (SPARK-37273)
Предоставьте профилировщик для определяемых пользователем пользователей Python или Pandas. (SPARK-37443)
Ранее мы выполняли потоковые запросы с триггером, который загружает все доступные данные в одном пакете. В результате объем данных, которые могут обрабатываться, был ограничен, или драйвер Spark будет не в памяти. Теперь мы используем Trigger.AvailableNow для выполнения потоковых запросов, таких как триггер один раз в нескольких пакетах. (SPARK-36533)
Более полный набор возможностей DS V2. (SPARK-38788)
Исполнитель Скользящий в среде Kubernetes. (SPARK-37810)
Поддержка настраиваемых планировщиков Kubernetes . ( SPARK-36057)
Переход с log4j 1 на log4j 2 (SPARK-37814) для получения:
Производительность: Log4j 2 быстрее, чем Log4j 1. Log4j 2 использует асинхронное ведение журнала по умолчанию, что может значительно повысить производительность.
Гибкость: Log4j 2 обеспечивает большую гибкость с точки зрения конфигурации. Он поддерживает несколько форматов конфигурации, включая XML, JSON и YAML.
Расширяемость: Log4j 2 предназначена для расширяемости. Это позволяет разработчикам создавать пользовательские подключаемые модули и дополнения для расширения функциональных возможностей платформы ведения журнала.
Безопасность: Log4j 2 обеспечивает лучшие функции безопасности, чем Log4j 1. Он поддерживает шифрование и безопасные слои сокетов для безопасного взаимодействия между приложениями.
Простота: Log4j 2 проще использовать, чем Log4j 1. Он имеет более интуитивно понятный API и более простой процесс настройки.
Введите перемешивание в SinglePartition , чтобы улучшить параллелизм и исправить регрессию производительности для соединений в Spark 3.3 и Spark 3.2. (SPARK-40703)
Оптимизируйте правило TransposeWindow , чтобы расширить применимые случаи и оптимизировать сложность времени. (SPARK-38034)
Чтобы иметь четность при выполнении TimeTravel с помощью параметра SQL и dataframe, поддержка метки времени в секундах для TimeTravel с помощью параметров кадра данных. (SPARK-39633])
Оптимизируйте глобальную сортировку до repartitionByExpression , чтобы сохранить локальную сортировку. (SPARK-39911)
Убедитесь, что выходная секционирование указана пользователем в AQE. (SPARK-39915)
Обновите столбец Parquet V2 columnar проверка для вложенных полей. (SPARK-39951)
Чтение файла parquet, секционированного на диске по столбцу типа Byte. (SPARK-40212)
Исправьте обрезку столбцов в CSV при выборе _corrupt_record. (SPARK-40468)
Новые возможности и улучшения — Delta Lake 2.2
Основные функции в этом выпуске приведены следующим образом:
LIMIT
pushdown в delta scan. Повышение производительности запросов, содержащихLIMIT
предложения, путем отправки вLIMIT
разностную проверку во время планирования запросов. Разностное сканирование используетLIMIT
количество строк на уровне файла, чтобы уменьшить количество отсканированных файлов, что помогает запросам считывать гораздо меньшее количество файлов и может ускоритьLIMIT
запросы на 10–100x в зависимости от размера таблицы.Статистическая отправка в delta scan for SELECT COUNT(*). Запросы агрегирования, такие как
SELECT COUNT(*)
в разностных таблицах, удовлетворены использованием счетчиков строк на уровне файла в метаданных таблицы Delta, а не подсчета строк в базовых файлах данных. Это значительно сокращает время запроса, так как запрос просто должен считывать метаданные таблицы и может ускорить полный подсчет запросов таблицы на 10–100x.Поддержка сбора статистики уровня файла в рамках команды CONVERT TO DELTA. Эта статистика может помочь ускорить запросы в таблице Delta. По умолчанию статистика собирается в рамках команды CONVERT TO DELTA. Чтобы отключить сбор статистики, укажите
NO STATISTICS
предложение в команде. Пример:CONVERT TO DELTA table_name NO STATISTICS
.Повышение производительности команды DELETE путем очистки столбцов для чтения при поиске файлов для перезаписи.
Исправлена ошибка в конфигурации режима нескольких кластеров на основе DynamoDB. Предыдущая версия написала неправильный метку времени, которая использовалась функцией TTL в DynamoDB для очистки просроченных элементов. Это значение метки времени было исправлено, а атрибут таблицы переименован из
commitTime
expireTime
. Если вы уже включили TTL, выполните действия по миграции Delta Lake 1.2.1, 2.0.0 или 2.1.0 в Delta Lake 2.0.1, 2.1.1 или более поздней версии.Исправьтенедетерминированное поведение во время MERGE при работе с источниками, недетерминированными.
Удалите ограничения для использования разностных таблиц с сопоставлением столбцов в определенных случаях потоковой передачи и CDF. Ранее мы использовали для блокировки потоковой передачи и CDF, если в таблице Delta включено сопоставление столбцов, даже если он не содержит столбцов RENAME или DROP.
Улучшение мониторинга запросов построения состояния Delta (другие запросы выполняются как часть планирования), делая их видимыми в пользовательском интерфейсе Spark.
Поддержка нескольких
where()
вызовов в API Optimize scala/python.Поддержка передачи конфигураций Hadoop через API DeltaTable.
Поддержка имен столбцов секций, начиная с
.
команды CONVERT TO DELTA._
Улучшения метрик в журнале таблиц:
Исправлена метрика в команде MERGE.
Метрика типа источника для CONVERT TO DELTA.
Метрики для DELETE для секций.
Больше статистики вакуума.
Исправление случайного понижения протокола с помощью команды RESTORE . До сих пор restore TABLE может уменьшить версию протокола таблицы, которая могла привести к несогласованным считываниям со временем. При этом исправлении версия протокола никогда не будет понижена с текущей версии.
Исправьте ошибку при
MERGE INTO
наличии несколькихUPDATE
предложений, а одна из UPDATEs связана с эволюцией схемы.Исправлена ошибка, из-за которой иногда активный
SparkSession
объект не найден при использовании API Delta.Исправлена проблема, из-за которой не удалось задать схему секционирования во время начальной фиксации.
Перехват исключений при сбое записи
last_checkpoint
файла.Исправлена проблема при перезапуске потокового запроса с
AvailableNow
триггером в таблице Delta.Исправлена проблема с CDF и потоковой передачей, в которой смещение неправильно обновляется при отсутствии изменений данных.
Проверьте исходные и полные заметки о выпуске на сайте GitHub в delta-io/delta.
Пакеты уровня по умолчанию для Java/Scala
В следующей таблице перечислены все пакеты уровня по умолчанию для Java/Scala и соответствующие версии.
GroupId | ArtifactId | Версия |
---|---|---|
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.джексон | jackson-annotations-2.13.4.jar | |
com.fasterxml.джексон | jackson-core | 2.13.4 |
com.fasterxml.джексон | jackson-core-asl | 1.9.13 |
com.fasterxml.джексон | jackson-databind | 2.13.4.1 |
com.fasterxml.джексон | jackson-dataformat-cbor | 2.13.4 |
com.fasterxml.джексон | jackson-mapper-asl | 1.9.13 |
com.fasterxml.джексон | 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 простой | 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 | пакет cos_api | 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-client | 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.юпитер | junit-юпитер | 5.5.2 |
org.junit.юпитер | junit-юпитер-api | 5.5.2 |
org.junit.юпитер | junit-юпитер-двигатель | 5.5.2 |
org.junit.юпитер | junit-юпитер-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-компилятор | 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 |
Пакеты уровня по умолчанию для Python
В следующей таблице перечислены все пакеты уровня по умолчанию для Python и их соответствующих версий.
Библиотека | Версия | Библиотека | Версия | Библиотека | Версия |
---|---|---|---|---|---|
_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 | Джек | 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 | график | 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 | Оспы | 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 | милый | 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 | Ловкость | 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 | Имя | 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 |
внутренние порты | 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 | requests | 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 |
каир | 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 |
щелчок | 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 | Сиборн | 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 |
контурная диаграмма | 1.0.7 | libsndfile | 1.2.0 | sip | 6.7.7 |
Криптографии | 40.0.1 | libsodium | 1.0.18 | six | 1.16.0 |
cycler | 0.11.0 | libsqlite | 3.40.0 | слежка | 3.5.1 |
панель мониторинга | 2.9.2 | libssh2 | 1.10.0 | Среза | 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 |
executing | 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 |
шрифтовые инструменты | 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 |
замороженный список | 1.3.3 | msal | 1.21.0 | tzdata | 2023c |
fsspec | 2023.4.0 | msal_extensions | 1.0.0 | юникода2 | 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 | многопроцессная обработка | 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 | во внешнем виде | 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 |
человеколюбие | 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 | Пафоса | 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 |
interpret | 0.3.1 | pcre2 | 10.40 | zstd | 1.5.2 |
interpret-core | 0.3.1 | pexpect | 4.8.0 |
Пакеты уровня по умолчанию для R
В следующей таблице перечислены все пакеты уровня по умолчанию для R и их соответствующих версий.
Библиотека | Версия | Библиотека | Версия | Библиотека | Версия |
---|---|---|---|---|---|
askpass | 1,1 | highcharter | 0.9.4 | readr | 2.1.3 |
assertthat | 0.2.1 | высокий | 0,9 | readxl | 1.4.1 |
внутренние порты | 1.4.1 | Hms | 1.1.2 | Рецепты | 1.0.3 |
base64enc | 0.1-3 | htmltools | 0.5.3 | Реванш | 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 |
большой двоичный объект | 1.2.3 | httpuv | 1.6.6 | reprex | 2.0.2 |
Заваривать | 1,0–8 | httr | 1.4.4 | reshape2 | 1.4.4 |
brio | 1.1.3 | ids | 1.0.1 | rjson | 0.2.21 |
Метлу | 1.0.1 | igraph | 1.3.5 | rlang | 1.0.6 |
bslib | 0.4.1 | Сформировать | 1.0.3 | Rlist | 0.4.6.2 |
cachem | 1.0.6 | ini | 0.3.1 | rmarkdown | 2.18 |
вызывающий объект | 3.7.3 | ipred | 0.9-13 | RODBC | 1.3-19 |
крышка | 6.0-93 | isoband | 0.2.6 | roxygen2 | 7.2.2 |
cellranger | 1.1.0 | Итераторы | 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 | трикотажный | 1,41 | rversions | 2.1.2 |
colorspace | 2.0-3 | Маркировки | 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 | Весы | 1.2.1 |
Противоречие | 1.1.0 | lazoval | 0.2.2 | селектор | 0.4-2 |
Coro | 1.0.3 | Lhs | 1.1.5 | sessioninfo | 1.2.2 |
cpp11 | 0.4.3 | жизненный цикл | 1.0.3 | Блестящие | 1.7.3 |
Карандаш | 1.5.2 | lightgbm; | 3.3.3 | ползунок | 0.3.0 |
учетные данные | 1.3.2 | listenv | 0.8.0 | sourcetools | 0.1.7 |
перекрестныйtalk | 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 |
средства разработки | 2.4.5 | Modeldata | 1.0.1 | textshaping | 0.3.6 |
Набор | 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 | Пастернак | 1.0.3 | tinytex | 0,42 |
многоточие | 0.3.2 | Лоскутное | 1.1.2 | torch | 0.9.0 |
evaluate | 0,18 | Столб | 1.8.1 | triebeard | 0.3.0 |
вентиляторы | 1.0.3 | pkgbuild | 1.4.0 | TTR | 0.24.3 |
Farver | 2.1.1 | pkgconfig | 2.0.3 | Настройки | 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 | график | 4.10.1 | urltools | 1.7.3 |
foreach | 1.5.2 | plyr | 1.8.8 | usethis | 2.1.6 |
forge | 0.2.0 | Похвалы | 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 |
будущее | 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 |
Универсальные шаблоны | 0.1.3 | Ход выполнения | 1.2.2 | Варп | 0.2.0 |
gert | 1.9.1 | progressr | 0.11.0 | виски | 0,4 |
ggplot2 | 3.4.0 | promises | 1.2.0.1 | withr | 2.5.0 |
gh | 1.3.1 | proxy | 0.4-27 | рабочие процессы | 1.1.2 |
gistr | 0.9.0 | pryr | 0.1.5 | наборы рабочих процессов | 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 |
Клей | 1.6.2 | квантмод | 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 |
Говер | 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 | Критерием | 1.1.0 |
haven | 2.5.1 | RColorBrewer | 1.1-3 | zip | 2.2.2 |
hexbin | 1.28.2 | Rcpp | 1.0.9 | зоопарк | 1.8-11 |
Миграция между различными версиями Apache Spark
Перенос рабочих нагрузок в Среду выполнения Fabric 1.1 (Apache Spark 3.3) из более старой версии Apache Spark включает ряд шагов для обеспечения плавной миграции. В этом руководстве описаны необходимые шаги для эффективной и эффективной миграции.
Ознакомьтесь с заметками о выпуске Fabric Runtime 1.1, включая проверка компонентов и пакетов уровня по умолчанию, включенных в среду выполнения, чтобы понять новые функции и улучшения.
Проверьте совместимость текущей установки и всех связанных библиотек, включая зависимости и интеграции. Просмотрите руководства по миграции, чтобы определить потенциальные критические изменения:
- Ознакомьтесь с руководством по миграции Spark Core.
- Ознакомьтесь с руководством по миграции SQL, наборов данных и кадра данных.
- Если решение связано с потоковой передачей структуры Apache Spark, ознакомьтесь с руководством по миграции структурированной потоковой передачи.
- Если вы используете PySpark, ознакомьтесь с руководством по миграции Pyspark.
- Если вы переносите код из Koalas в PySpark, просмотрите api Koalas на pandas в руководстве по миграции Spark.
Переместите рабочие нагрузки в Fabric и убедитесь, что у вас есть резервные копии данных и файлов конфигурации, если необходимо отменить изменения в предыдущую версию.
Обновите все зависимости, которые могут повлиять на новые версии Apache Spark или других связанных компонентов среды выполнения Fabric 1.1, включая сторонние библиотеки или соединители. Перед развертыванием в рабочей среде обязательно протестируйте обновленные зависимости в промежуточной среде.
Обновите конфигурацию Apache Spark в рабочей нагрузке, включая обновление параметров конфигурации, настройку выделения памяти и изменение устаревших конфигураций.
Измените приложения Apache Spark (записные книжки и определения заданий Apache Spark), чтобы использовать новые API и функции, представленные в Среде выполнения Fabric 1.1 и Apache Spark 3.3. Возможно, потребуется обновить код, чтобы разместить устаревшие или удаленные API, а также рефакторинг приложений, чтобы воспользоваться преимуществами улучшения производительности и новых функций.
Тщательно протестируйте обновленные приложения в промежуточной среде, чтобы обеспечить совместимость и стабильность с Apache Spark 3.3. Выполните тестирование производительности, функциональное тестирование и регрессию, чтобы определить и устранить все проблемы, которые могут возникнуть во время процесса миграции.
После проверки приложений в промежуточной среде разверните обновленные приложения в рабочей среде. Отслеживайте производительность и стабильность приложений после миграции, чтобы определить все проблемы, которые необходимо устранить.
Обновите внутреннюю документацию и учебные материалы, чтобы отразить изменения, внесенные в Среду выполнения Fabric 1.1. Убедитесь, что члены вашей команды знакомы с новыми функциями и улучшениями, чтобы максимально повысить преимущества миграции.
Связанный контент
Обратная связь
https://aka.ms/ContentUserFeedback.
Ожидается в ближайшее время: в течение 2024 года мы постепенно откажемся от GitHub Issues как механизма обратной связи для контента и заменим его новой системой обратной связи. Дополнительные сведения см. в разделеОтправить и просмотреть отзыв по