Sdílet prostřednictvím

Databricks Runtime 4.0 (EoS)

  • Článek

Poznámka:

Podpora této verze Databricks Runtime skončila. Datum ukončení podpory najdete v tématu Historie ukončení podpory. Všechny podporované verze databricks Runtime najdete v poznámkách k verzi Databricks Runtime a kompatibilitu.

Databricks vydala tuto verzi v březnu 2018.

Důležité

Tato verze byla vyřazena 1. listopadu 2018. Další informace o zásadách vyřazení databricks Runtime a plánu najdete v tématu Životní cyklus podpory Databricks.

Následující poznámky k verzi obsahují informace o modulu Databricks Runtime 4.0, který využívá Apache Spark.

Změny a vylepšení

  • Zdroj dat JSON se teď pokouší automaticky rozpoznat kódování, a ne za předpokladu, že se jedná o UTF-8. V případech, kdy automatické zjišťování selže, můžou uživatelé zadat možnost znakové sady pro vynucení určitého kódování. Viz automatická detekce znakové sady.
  • Bodování a predikce pomocí kanálů Spark MLlib ve strukturovaném streamování je plně podporované.
  • Export modelu ML Databricks je plně podporovaný. Pomocí této funkce můžete vytrénovat model Spark MLlib v Databricks, exportovat ho pomocí volání funkce a použít knihovnu Databricks v systému podle vašeho výběru k importu modelu a určení skóre nových dat.
  • Nová implementace zdroje dat Sparku nabízí škálovatelný přístup pro čtení a zápis ke službě Azure Synapse Analytics. Viz Spark – Konektor Synapse Analytics.
  • Schéma from_json funkce je nyní vždy převedeno na hodnotu nullable. Jinými slovy, všechna pole včetně vnořených polí mají hodnotu null. Tím se zajistí, že data jsou kompatibilní se schématem, což brání poškození po zápisu dat do parquet, když v datech chybí pole, a schéma poskytnuté uživatelem deklaruje pole jako nenulové.
  • Upgradovali jste některé nainstalované knihovny Pythonu:
    • futures: od 3.1.1 do 3.2.0
    • pandas: od 0.18.1 do 0.19.2
    • pyarrow: od 0.4.1 do 0.8.0
    • instalační nástroje: od 38.2.3 do 38.5.1
    • tornado: 4.5.2 až 4.5.3
  • Upgradovali jsme několik nainstalovaných knihoven R. Viz nainstalované knihovny jazyka R.
  • Upgradovali sadu AWS Java SDK z verze 1.11.126 na verzi 1.11.253.
  • Upgrade ovladače SQL Server JDBC z verze 6.1.0.jre8 na 6.2.2.jre8.
  • Upgrade ovladače PostgreSQL JDBC z verze 9.4-1204-jdbc41 na 42.1.4.

Apache Spark

Databricks Runtime 4.0 zahrnuje Apache Spark 2.3.0.

Core, PySpark a Spark SQL

Hlavní funkce

  • Vektorizovaná čtečka ORC: [SPARK-16060]: Přidává podporu pro novou čtečku ORC, která podstatně zlepšuje propustnost skenování ORC prostřednictvím vektorizace (2–5x). Pokud chcete čtenáři povolit, můžou uživatelé nastavit spark.sql.orc.impl .native
  • Spark History Server V2: [SPARK-18085]: Nový back-end serveru historie Sparku (SHS), který poskytuje lepší škálovatelnost pro rozsáhlé aplikace s efektivnějším mechanismem úložiště událostí.
  • Rozhraní API zdroje dat V2: [SPARK-15689][SPARK-22386]: Experimentální rozhraní API pro připojení nových zdrojů dat ve Sparku. Nové rozhraní API se snaží vyřešit několik omezení rozhraní API V1 a má za cíl usnadnit vývoj vysoce výkonných, snadno udržovatých a rozšiřitelných externích zdrojů dat. Toto rozhraní API stále prochází aktivním vývojem a zásadními změnami by se měly očekávat.
  • Vylepšení výkonu PySpark: [SPARK-22216][SPARK-21187]: Významná vylepšení výkonu a interoperability Pythonu díky rychlé serializaci dat a vektorizovanému provádění.

Výkon a stabilita

Další velmi vhodné změny

Strukturované streamování

Průběžné zpracování

  • Nový prováděcí modul, který může spouštět dotazy streamování s kompletní latencí v řádu milisekund, a to změnou pouze jednoho řádku uživatelského kódu. Další informace najdete v průvodci programováním.

Připojení stream-stream

  • Možnost spojit dva datové proudy a ukládat řádky do vyrovnávací paměti, dokud do druhého datového proudu nedorazí odpovídající řazené kolekce členů. Predikáty lze použít pro sloupce času událostí k vázání množství stavu, který je potřeba zachovat.

Rozhraní API pro streamování V2

  • Experimentální rozhraní API pro připojení k novému zdroji a jímce, které funguje pro dávkové, mikrodávkové a průběžné spouštění. Toto rozhraní API stále prochází aktivním vývojem a zásadní změny by se měly očekávat.

MLlib

Zvýrazňuje

  • Predikce ML teď funguje se strukturovaným streamováním s využitím aktualizovaných rozhraní API. Podrobnosti následují.

Nová a vylepšená rozhraní API

  • [SPARK-21866]: Integrovaná podpora čtení obrázků do datového rámce (Scala/Java/Python).
  • [SPARK-19634]: Funkce datového rámce pro popisné souhrnné statistiky ve sloupcích vektorů (Scala/Java).
  • [SPARK-14516]: ClusteringEvaluator pro ladění algoritmů clusteringu podporující siluetu Cosine a čtvercové metriky siluety Euclidean (Scala/Java/Python).
  • [SPARK-3181]: Robustní lineární regrese se ztrátou Huberu (Scala/Java/Python).
  • [SPARK-13969]: FeatureHasher transformátor (Scala/Java/Python).
  • Podpora více sloupců pro několik transformátorů funkcí:
  • [SPARK-21633] a SPARK-21542]: Vylepšená podpora vlastních součástí kanálu v Pythonu

Nové funkce

  • [SPARK-21087]: CrossValidator A TrainValidationSplit může shromažďovat všechny modely při montáži (Scala/Java). To vám umožní zkontrolovat nebo uložit všechny fitované modely.
  • [SPARK-19357]: Meta-algoritmy CrossValidator, TrainValidationSplitpodporujíOneVsRest paralelismus Param pro přizpůsobení více dílčích modelů paralelně úloh Sparku.
  • [SPARK-17139]: Souhrn modelů pro multinomické logistické regrese (Scala/Java/Python)
  • [SPARK-18710]: Přidejte posun v GLM.
  • [SPARK-20199]: Přidání featureSubsetStrategy parametru do GBTClassifier a GBTRegressor. Použití této funkce k dílčímu razítku může výrazně zlepšit rychlost trénování; tato možnost byla klíčovou silnou stránkou xgboost.

Další velmi vhodné změny

  • [SPARK-22156]: Pevné Word2Vec škálování rychlosti učení s num iteracemi Nová rychlost učení je nastavená tak, aby odpovídala původnímu Word2Vec kódu jazyka C a měla by poskytovat lepší výsledky z trénování.
  • [SPARK-22289]: Přidání JSON podpory parametrů matice (opravili jsme chybu trvalosti ML při LogisticRegressionModel použití hranic s koeficienty.)
  • [SPARK-22700]: Bucketizer.transform nesprávně zahodí řádek obsahující NaN. Když byl parametr parametr handleInvalid nastaven na "přeskočit" Bucketizer , vyřadil by řádek s platnou hodnotou ve vstupním sloupci, pokud by měl NaN jiný (irelevantní) sloupec hodnotu.
  • [SPARK-22446]: Optimalizátor Catalyst někdy způsoboval StringIndexerModel , že při nastavení na chybu vyvolá nesprávnou výjimku handleInvalid "Nezoznaný popisek". K tomu může dojít u filtrovaných dat, protože predikát push-down způsobuje chyby i po vyfiltrování neplatných řádků ze vstupní datové sady.
  • [SPARK-21681]: Opravili jsme chybu hraničního případu v multinomické logistické regresi, která vedla k nesprávným koeficientům, když některé funkce měly nulovou odchylku.
  • Hlavní optimalizace:
    • [SPARK-22707]: Nižší spotřeba paměti pro CrossValidator.
    • [SPARK-22949]: Nižší spotřeba paměti pro TrainValidationSplit.
    • [SPARK-21690]: Imputer Měl by se trénovat pomocí jediného předávání dat.
    • [SPARK-14371]: OnlineLDAOptimizer Zabraňuje shromažďování statistik pro řidiče pro každou minidávku.

SparkR

Hlavním cílem SparkR ve verzi 2.3.0 bylo zlepšení stability funkcí definovaných uživatelem a přidání několika nových obálek SparkR kolem existujících rozhraní API:

Hlavní funkce

GraphX

Optimalizace

  • [SPARK-5484]: Pregel nyní pravidelně kontroluje kontrolní body, aby se zabránilo StackOverflowErrors.
  • [SPARK-21491]: Malé zlepšení výkonu na několika místech.

Zastaralé

Python

  • [SPARK-23122]: Vyřazení register* uživatelem definovaných funkcí a SQLContext Catalog v PySparku

MLlib

  • [SPARK-13030]: OneHotEncoder Je zastaralý a odebere se ve verzi 3.0. Byla nahrazena novým OneHotEncoderEstimator. OneHotEncoderEstimator se přejmenuje na OneHotEncoder verzi 3.0 (ale OneHotEncoderEstimator bude zachována jako alias).

Změny chování

SparkSQL

  • [SPARK-22036]: Ve výchozím nastavení aritmetické operace mezi desetinnými místy vrátí zaokrouhlenou hodnotu, pokud přesné vyjádření není možné (místo vrácení NULL v předchozích verzích)
  • [SPARK-22937]: Pokud jsou všechny vstupy binární, vrátí SQL elt() výstup jako binární. V opačném případě se vrátí jako řetězec. V předchozích verzích se vždy vrátí jako řetězec bez ohledu na vstupní typy.
  • [SPARK-22895]: Deterministické predikáty spojení/filtru, které jsou za prvním ne deterministickým predikáty, se také posunou dolů/přes podřízené operátory, pokud je to možné. V předchozích verzích nebyly tyto filtry způsobilé pro posun predikátu.
  • [SPARK-22771]: Pokud jsou všechny vstupy binární, functions.concat() vrátí výstup jako binární. V opačném případě se vrátí jako řetězec. V předchozích verzích se vždy vrátil jako řetězec bez ohledu na vstupní typy.
  • [SPARK-22489]: Pokud je některý z spojovacích stran všesměrový, dáváme přednost vysílání tabulky, která je explicitně určena v nápovědě vysílání.
  • [SPARK-22165]: Odvození sloupce oddílu dříve zjistila nesprávný běžný typ pro různé odvozené typy. Dříve například skončila s typem double jako běžným typem pro double typ a date typ. Teď najde správný společný typ pro takové konflikty. Podrobnosti najdete v průvodci migrací.
  • [SPARK-22100]: Funkce percentile_approx dříve akceptovala numeric vstup typu a výsledky výstupního double typu. Teď podporuje date typ, timestamp typ a numeric typy jako vstupní typy. Výsledek se také změní tak, aby byl stejný jako vstupní typ, což je vhodnější pro percentily.
  • [SPARK-21610]: Dotazy z nezpracovaných souborů JSON/CSV se nepovolují, pokud odkazované sloupce obsahují jenom interní poškozený sloupec záznamu (pojmenovaný _corrupt_record ve výchozím nastavení). Místo toho můžete uložit analyzované výsledky do mezipaměti nebo uložit a pak odeslat stejný dotaz.
  • [SPARK-23421]: Vzhledem k tomu, že Spark 2.2.1 a 2.3.0, schéma se vždy odvodí za běhu, pokud tabulky zdroje dat obsahují sloupce, které existují ve schématu oddílů i schématu dat. Odvozené schéma nemá dělené sloupce. Při čtení tabulky Spark respektuje hodnoty oddílů těchto překrývajících se sloupců místo hodnot uložených v souborech zdroje dat. Ve verzi 2.2.0 a 2.1.x je odvozené schéma rozdělené na oddíly, ale data tabulky jsou pro uživatele neviditelná (tj. sada výsledků je prázdná).

PySpark

  • [SPARK-19732]: na.fill() nebo fillna také přijímá logickou hodnotu a nahrazuje hodnoty null logickými hodnotami. V předchozích verzích Sparku ho PySpark jenom ignoruje a vrátí původní datový rámec datové sady nebo datového rámce.
  • [SPARK-22395]: Knihovna pandas 0.19.2 nebo vyšší se vyžaduje pro používání funkcí souvisejících s knihovnou pandas, jako toPandasje například , createDataFrame z datového rámce pandas atd.
  • [SPARK-22395]: Chování hodnot časového razítka pro funkce související s knihovnou pandas bylo změněno tak, aby respektovalo časové pásmo relace, které se v předchozích verzích ignoruje.
  • [SPARK-23328]: df.replace Neumožňuje vynechat value , pokud to_replace není slovník. value Dříve bylo možné v ostatních případech vynechat a ve výchozím nastavení to None je protiintuitivní a náchylné k chybám.

MLlib

  • Zásadní změny rozhraní API: Hierarchie tříd a vlastností pro souhrny logistického regresního modelu byla změněna tak, aby byla přehlednější a lépe vyhovovala přidání souhrnu s více třídami. Jedná se o zásadní změnu uživatelského kódu, která přetypuje LogisticRegressionTrainingSummary na znak .BinaryLogisticRegressionTrainingSummary Uživatelé by měli místo toho použít metodu model.binarySummary . Další podrobnosti najdete v tématu [SPARK-17139]: (všimněte si, že se jedná o @Experimental rozhraní API). To nemá vliv na metodu souhrnu Pythonu, která bude stále fungovat správně pro multinomické i binární případy.
  • [SPARK-21806]: BinaryClassificationMetrics.pr()první bod (0.0, 1.0) je zavádějící a byl nahrazen (0,0, p), kde přesnost p odpovídá nejnižšímu bodu úplnosti.
  • [SPARK-16957]: Rozhodovací stromy teď při výběru hodnot rozdělení používají vážené střední body. To může změnit výsledky trénování modelu.
  • [SPARK-14657]: RFormula Bez průsečíku teď vypíše referenční kategorii při kódování termínů řetězce, aby bylo možné shodovat s nativním chováním jazyka R. To může změnit výsledky trénování modelu.
  • [SPARK-21027]: Výchozí paralelismus použitý v OneVsRest je nyní nastaven na hodnotu 1 (tj. sériové). Ve verzi 2.2 a starších verzí byla úroveň paralelismu nastavena na výchozí velikost fondu vláken v jazyce Scala. To může změnit výkon.
  • [SPARK-21523]: Upgradoval jste větřík na 0.13.2. To zahrnovalo důležitou opravu chyb v silném vyhledávání L-BFGS na řádku Wolfe.
  • [SPARK-15526]: Závislost JPMML je teď stínovaná.
  • V části Opravy chyb najdete také informace o změnách chování vyplývajících z oprav chyb.

Známé problémy

  • [SPARK-23523][SQL]: Nesprávný výsledek způsobený pravidlem OptimizeMetadataOnlyQuery.
  • [SPARK-23406]: Chyby v samoobslužných spojeních stream-stream.

Aktualizace údržby

Viz aktualizace údržby Databricks Runtime 4.0.

Prostředí systému

  • Operační systém: Ubuntu 16.04.4 LTS
  • Java: 1.8.0_151
  • Scala: 2.11.8
  • Python: 2.7.12 (nebo 3.5.2, pokud používáte Python 3)
  • R: R verze 3.4.3 (2017-11-30)
  • Clustery GPU: Nainstalují se následující knihovny NVIDIA GPU:
    • Ovladač Tesla 375.66
    • CUDA 8.0
    • CUDNN 6.0

Nainstalované knihovny Pythonu

Knihovna Verze Knihovna Verze Knihovna Verze
ansi2html 1.1.1 argparse 1.2.1 backports-abc 0.5
boto 2.42.0 boto3 1.4.1 botocore 1.4.70
pivovar2mpl 1.4.1 certifi 2016.2.28 cffi 1.7.0
chardet 2.3.0 colorama 0.3.7 configobj 5.0.6
kryptografie 1.5 cyklista 0.10.0 Cython 0.24.1
dekoratér 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 budoucnosti 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 bábovka 0.4.1
pexpect 4.0.1 pickleshare 0.7.4 Polštář 3.3.1
jádro 9.0.1 dýha 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
žádosti 2.11.1 s3transfer 0.1.9 scikit-learn 0.18.1
scipy 0.18.1 drhnout 0.32 seaborn 0.7.1
setuptools 38.5.1 simplejson 3.8.2 simples3 1.0
singledispatch 3.4.0.3 Šest 1.10.0 statsmodels 0.6.1
tornádo 4.5.3 vlastnosti 4.3.0 urllib3 1.19.1
virtualenv 15.0.1 wcwidth 0.1.7 kolo 0.30.0
wsgiref 0.1.2

Nainstalované knihovny jazyka R

Knihovna Verze Knihovna Verze Knihovna Verze
abind 1.4-5 assertthat 0.2.0 backporty 1.1.1
base 3.4.3 BH 1.65.0-1 bindr 0,1
bindrcpp 0,2 bitové 1.1-12 bit64 0.9-7
bitops 1.0-6 blob 1.1.0 startování 1.3-20
vařit 1.0-6 koště 0.4.3 car 2.1-6
caret 6.0-77 chron 2.3-51 class 7.3-14
cluster 2.0.6 codetools 0.2-15 barevný prostor 1.3-2
commonmark 1.4 – kompilátor 3.4.3 pastelka 1.3.4
kudrna 3,0 CVST 0.2-1 data.table 1.10.4-3
Power BI 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 trávit 0.6.12 dimRed 0.1.0
doMC 1.3.4 dplyr 0.7.4 DRR 0.0.2
foreach 1.4.3 zahraniční 0.8-69 Gbm 2.1.3
ggplot2 2.2.1 git2r 0.19.0 glmnet 2.0-13
lepidlo 1.2.0 Gower 0.1.2 Grafika 3.4.3
grDevices 3.4.3 mřížka 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
Iterátory 1.0.8 jsonlite 1.5 kernlab 0.9-25
KernSmooth 2.23-15 značení 0.3 mříž 0.20-35
láva 1.5.1 lazyeval 0.2.1 menší 0.3.2
lme4 1.1-14 lubridate 1.7.1 magrittr 1.5
mapproj 1.2-5 mapy 3.2.0 MŠE 7.3-48
Matice 1.2-11 Maticové modely 0.4-1 memoise 1.1.0
metody 3.4.3 mgcv 1.8-23 mim 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 chválit 1.0.0 pROC 1.10.0
prodlim 1.6.1 proto 1.0.0 zkratka psychologie 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
recepty 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 váhy 0.5.0
sfsmisc 1.1-1 Sp 1.2-5 SparkR 2.3.0
Řídký čas 1.77 prostorový 7.3-11 spline křivky 3.4.3
sqldf 0.4-11 statmod 1.4.30 statistické údaje 3.4.3
Statistiky 4 3.4.3 stringi 1.1.6 stringr 1.2.0
přežití 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 vous 0.3-2
withr 2.1.0 xml2 1.1.1

Nainstalované knihovny Java a Scala (verze clusteru Scala 2.11)

ID skupiny ID artefaktu Verze
antlr antlr 2.7.7
com.amazonaws amazon-kinesis-client 1.7.3
com.amazonaws automatické škálování aws-java-sdk 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 podpora 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 datový proud 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 spolužák 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 nativní native_ref javy 1,1
com.github.fommil.netlib native_system-java 1,1
com.github.fommil.netlib nativní native_system javy 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-core_2.11 6.23.0
com.twitter util-jvm_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 metriky – jádro 3.1.5
io.dropwizard.metrics metrics-ganglia 3.1.5
io.dropwizard.metrics metrics-graphite 3.1.5
io.dropwizard.metrics metriky – kontroly stavu 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 metriky – servlety 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 sběratel 0,7
javax.activation aktivace 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-extra 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 pyrolit 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 šipka – paměť 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-inkubační
org.apache.calcite kalcite-core 1.2.0-inkubační
org.apache.calcite calcite-linq4j 1.2.0-inkubační
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.kurátor kurátor-client 2.7.1
org.apache.kurátor kurátor-framework 2.7.1
org.apache.kurátor kurátor-recepty 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-inkubační
org.apache.httpcomponents httpclient 4.5.4
org.apache.httpcomponents httpcore 4.4.8
org.apache.ivy břečťan 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 kódování parquet 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 pokračování jetty 9.3.20.v20170531
org.eclipse.jetty jetty-http 9.3.20.v20170531
org.eclipse.jetty jetty-io 9.3.20.v20170531
org.eclipse.jetty jetty-jndi 9.3.20.v20170531
org.eclipse.jetty jetty-plus 9.3.20.v20170531
org.eclipse.jetty jetty-proxy 9.3.20.v20170531
org.eclipse.jetty 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 žerzejové společné 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 kousavý 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 nepoužitý 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 makro-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