Databricks Runtime 4.0 (sem suporte)

  • Artigo

A Databricks divulgou esta imagem em março de 2018.

Importante

Esta versão foi preterida em 1º de novembro de 2018. Para obter mais informações sobre a política e o cronograma de substituição do Databricks Runtime, consulte Ciclos de vida de suporte ao tempo de execução do Databricks.

As notas de versão a seguir fornecem informações sobre o Databricks Runtime 4.0, desenvolvido pelo Apache Spark.

Alterações e melhorias

  • A fonte de dados JSON agora tenta detetar automaticamente a codificação em vez de assumir que seja UTF-8. Nos casos em que a deteção automática falha, os usuários podem especificar a opção charset para impor uma determinada codificação. Consulte Deteção automática de Charset.
  • A pontuação e a previsão usando pipelines Spark MLlib no Structured Streaming são totalmente suportadas.
  • O Databricks ML Model Export é totalmente suportado. Com esse recurso, você pode treinar um modelo Spark MLlib no Databricks, exportá-lo com uma chamada de função e usar uma biblioteca Databricks no sistema de sua escolha para importar o modelo e pontuar novos dados.
  • Uma nova implementação de fonte de dados do Spark oferece acesso escalável de leitura/gravação ao Azure Synapse Analytics. Consulte Spark - Synapse Analytics Connector.
  • O esquema da from_json função agora é sempre convertido em anulável. Em outras palavras, todos os campos, incluindo os aninhados, são anuláveis. Isso garante que os dados sejam compatíveis com o esquema, evitando corrupção depois de gravar os dados no parquet quando um campo estiver ausente nos dados e o esquema fornecido pelo usuário declarar o campo como não anulável.
  • Atualizado algumas bibliotecas Python instaladas:
    • Futuros: de 3.1.1 a 3.2.0
    • pandas: de 0.18.1 a 0.19.2
    • Pyarrow: de 0.4.1 a 0.8.0
    • setuptools: de 38.2.3 a 38.5.1
    • tornado: 4.5.2 a 4.5.3
  • Atualizadas várias bibliotecas R instaladas. Consulte Bibliotecas R instaladas.
  • AWS Java SDK atualizado de 1.11.126 para 1.11.253.
  • Driver JDBC do SQL Server atualizado de 6.1.0.jre8 para 6.2.2.jre8.
  • Driver JDBC PostgreSQL atualizado de 9.4-1204-jdbc41 para 42.1.4.

Apache Spark

O Databricks Runtime 4.0 inclui o Apache Spark 2.3.0.

Core, PySpark e Spark SQL

Principais características

  • Leitor ORC vetorizado: [SPARK-16060]: Adiciona suporte para o novo leitor ORC que melhora substancialmente a taxa de transferência de varredura ORC através da vetorização (2-5x). Para habilitar o leitor, os usuários podem definir spark.sql.orc.impl como native.
  • Spark History Server V2: [SPARK-18085]: Um novo back-end do spark history server (SHS) que fornece melhor escalabilidade para aplicativos de grande escala com um mecanismo de armazenamento de eventos mais eficiente.
  • API de fonte de dados V2: [SPARK-15689][SPARK-22386]: Uma API experimental para conectar novas fontes de dados no Spark. A nova API tenta abordar várias limitações da API V1 e visa facilitar o desenvolvimento de fontes de dados externas de alto desempenho, fáceis de manter e extensíveis. Esta API ainda está em desenvolvimento ativo e mudanças de quebra devem ser esperadas.
  • Aprimoramentos de desempenho do PySpark: [SPARK-22216][SPARK-21187]: Melhorias significativas no desempenho e interoperabilidade do Python por serialização rápida de dados e execução vetorizada.

Desempenho e estabilidade

Outras alterações notáveis

Guias de programação: Spark RDD Programming Guide e Spark SQL DataFrames and Datasets Guide.

Transmissão em Fluxo Estruturada

Processamento Contínuo

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

Stream-Stream junta-se

  • Capacidade de unir dois fluxos de dados, buffering linhas até que tuplas correspondentes cheguem no outro fluxo. Os predicados podem ser usados em colunas de tempo de evento para vincular a quantidade de estado que precisa ser retida.

Streaming API V2

  • Uma API experimental para conectar novas fontes e coletores que funciona para execução em lote, microlote e contínua. Esta API ainda está em desenvolvimento ativo, e mudanças significativas devem ser esperadas.

Guia de programação: Guia de programação de streaming estruturado.

MLlib

Destaques

  • O ML Prediction agora funciona com Streaming Estruturado, usando APIs atualizadas. Seguem-se detalhes.

APIs novas e melhoradas

  • [SPARK-21866]: Suporte integrado para leitura de imagens em um DataFrame (Scala/Java/Python).
  • [SPARK-19634]: Funções DataFrame para estatísticas de resumo descritivo sobre colunas vetoriais (Scala/Java).
  • [SPARK-14516]: ClusteringEvaluator para ajustar algoritmos de clustering, suportando silhueta Cosine e métricas de silhueta Euclidiana quadrada (Scala/Java/Python).
  • [SPARK-3181]: Regressão linear robusta com perda de Huber (Scala/Java/Python).
  • [SPARK-13969]: FeatureHasher transformador (Scala/Java/Python).
  • Suporte de várias colunas para vários transformadores de funcionalidade:
  • [FAÍSCA-21633] e SPARK-21542]: Suporte aprimorado para componentes de pipeline personalizados em Python.

Novas funcionalidades

  • [SPARK-21087]: CrossValidator e TrainValidationSplit pode coletar todos os modelos ao encaixar (Scala/Java). Isso permite que você inspecione ou salve todos os modelos instalados.
  • [SPARK-19357]: Meta-algoritmos , , TrainValidationSplitOneVsRest suportam um paralelismo Param para encaixar vários sub-modelos em trabalhos paralelos CrossValidatordo Spark.
  • [SPARK-17139]: Resumo do modelo para regressão logística multinomial (Scala/Java/Python)
  • [SPARK-18710]: Adicionar deslocamento no GLM.
  • [SPARK-20199]: Adicionado featureSubsetStrategy Param a GBTClassifier e GBTRegressor. Usar isso para subamostrar recursos pode melhorar significativamente a velocidade de treinamento; Esta opção tem sido um ponto forte da xgboost.

Outras alterações notáveis

  • [SPARK-22156]: Escalonamento fixo Word2Vec da taxa de aprendizagem com num iterações. A nova taxa de aprendizagem está definida para corresponder ao código C original Word2Vec e deve dar melhores resultados do treinamento.
  • [SPARK-22289]: Adicionar JSON suporte para parâmetros Matrix (Isso corrigiu um bug para persistência de ML ao LogisticRegressionModel usar limites em coeficientes.)
  • [SPARK-22700]: Bucketizer.transform descarte incorretamente a linha que contém NaN. Quando Param handleInvalid era definido como "skip", Bucketizer soltava uma linha com um valor válido na coluna de entrada se outra coluna (irrelevante) tivesse um NaN valor.
  • [SPARK-22446]: O otimizador do Catalyst às vezes fazia com que StringIndexerModel lançasse uma exceção incorreta de "rótulo invisível" quando handleInvalid estava definida como "erro". Isso pode acontecer para dados filtrados, devido ao push-down de predicados, causando erros mesmo depois que linhas inválidas já foram filtradas do conjunto de dados de entrada.
  • [SPARK-21681]: Corrigido um bug de caso de borda na regressão logística multinomial que resultava em coeficientes incorretos quando alguns recursos tinham variância zero.
  • Principais otimizações:
    • [SPARK-22707]: Consumo de memória reduzido para CrossValidator.
    • [SPARK-22949]: Consumo de memória reduzido para TrainValidationSplit.
    • [SPARK-21690]: Imputer deve treinar usando uma única passagem sobre os dados.
    • [SPARK-14371]: OnlineLDAOptimizer evita a recolha de estatísticas para o condutor para cada minilote.

Guia de programação: Guia da Biblioteca de Aprendizado de Máquina (MLlib).

SparkR

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

Principais características

Guia de programação: SparkR (R on Spark).

GraphX

Otimizações

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

Guia de programação: Guia de programação GraphX.

Preterições

Python

  • [SPARK-23122]: Depreciar register* UDFs dentro SQLContext e Catalog no PySpark

MLlib

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

Mudanças de comportamento

SparkSQL

  • [SPARK-22036]: Por padrão, as operações aritméticas entre decimais retornam um valor arredondado se uma representação exata não for possível (em vez de retornar NULL nas versões anteriores)
  • [SPARK-22937]: Quando todas as entradas são binárias, o SQL elt() retorna uma saída como binária. Caso contrário, ele retorna como uma cadeia de caracteres. Em versões anteriores, ele sempre retornava como uma cadeia de caracteres, independentemente dos tipos de entrada.
  • [SPARK-22895]: Os predicados determinísticos de Join/Filter que estão após os primeiros predicados não determinísticos também são empurrados para baixo/através dos operadores filho, se possível. Nas versões anteriores, esses filtros não eram elegíveis para pushdown de predicados.
  • [SPARK-22771]: Quando todas as entradas são binárias, functions.concat() retorna uma saída como binária. Caso contrário, ele retorna como uma cadeia de caracteres. Nas versões anteriores, ele sempre retornava como uma cadeia de caracteres, independentemente dos tipos de entrada.
  • [SPARK-22489]: Quando qualquer um dos lados da junção é transmitido, preferimos transmitir a tabela explicitamente especificada em uma dica de transmissão.
  • [SPARK-22165]: Inferência de coluna de partição anteriormente encontrada tipo comum incorreto para diferentes tipos inferidos. Por exemplo, anteriormente acabava com double o tipo como o tipo comum para double tipo e date tipo. Agora encontra o tipo comum correto para tais conflitos. Para obter detalhes, veja o guia de migração.
  • [SPARK-22100]: A percentile_approx função previamente aceite numeric tipo entrada e saída double tipo resultados. Agora ele suporta date tipo, timestamp tipo e numeric tipos como tipos de entrada. O tipo de resultado também é alterado para ser o mesmo que o tipo de entrada, o que é mais razoável para percentis.
  • [SPARK-21610]: as consultas de arquivos JSON/CSV brutos não são permitidas quando as colunas referenciadas incluem apenas a coluna de registro corrompido interna (nomeada _corrupt_record por padrão). Em vez disso, você pode armazenar em cache ou salvar os resultados analisados e, em seguida, enviar a mesma consulta.
  • [SPARK-23421]: Desde o Spark 2.2.1 e 2.3.0, o esquema é sempre inferido em tempo de execução quando as tabelas de fonte de dados têm as colunas que existem no esquema de partição e no esquema de dados. O esquema inferido não tem as colunas particionadas. Ao ler a tabela, o Spark respeita os valores de partição dessas colunas sobrepostas em vez dos valores armazenados nos arquivos de fonte de dados. Nas versões 2.2.0 e 2.1.x, o esquema inferido é particionado, mas os dados da tabela são invisíveis para os usuários (ou seja, o conjunto de resultados está vazio).

PySpark

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

MLlib

  • Quebrando alterações de API: A hierarquia de classes e traços para resumos de modelos de regressão logística foi alterada para ser mais limpa e acomodar melhor a adição do resumo de várias classes. Esta é uma alteração de quebra para o código do usuário que converte a LogisticRegressionTrainingSummary para um BinaryLogisticRegressionTrainingSummaryarquivo . Os usuários devem, em vez disso, usar o model.binarySummary método. Consulte [SPARK-17139]: para obter mais detalhes (observe que esta é uma @Experimental API). Isso não afeta o método de resumo do Python, que ainda funcionará corretamente para casos multinomiais e binários.
  • [SPARK-21806]: BinaryClassificationMetrics.pr()o primeiro ponto (0,0, 1,0) é enganoso e foi substituído por (0,0, p) em que a precisão p corresponde ao ponto de recolha mais baixo.
  • [SPARK-16957]: As árvores de decisão agora usam pontos médios ponderados ao escolher valores divididos. Isso pode mudar os resultados do treinamento do modelo.
  • [SPARK-14657]: RFormula sem uma intercetação agora produz a categoria de referência ao codificar termos de cadeia de caracteres, a fim de corresponder ao comportamento R nativo. Isso pode mudar os resultados do treinamento do modelo.
  • [SPARK-21027]: O paralelismo padrão usado agora OneVsRest está definido como 1 (ou seja, serial). Na versão 2.2 e versões anteriores, o nível de paralelismo foi definido para o tamanho padrão do threadpool no Scala. Isso pode alterar o desempenho.
  • [SPARK-21523]: Brisa atualizada para 0.13.2. Isso incluiu uma importante correção de bug na forte busca de linha Wolfe para L-BFGS.
  • [SPARK-15526]: A dependência JPMML agora está sombreada.
  • Consulte também a seção "Correções de bugs" para alterações de comportamento resultantes da correção de bugs.

Problemas conhecidos

  • [FAÍSCA-23523][SQL]: Resultado incorreto causado pela regra OptimizeMetadataOnlyQuery.
  • [SPARK-23406]: Bugs em auto-junções de fluxo de fluxo.

Atualizações de manutenção

Consulte Atualizações de manutenção do Databricks Runtime 4.0.

Ambiente do sistema

  • Sistema Operacional: Ubuntu 16.04.4 LTS
  • Java: 1.8.0_151
  • Escala: 2.11.8
  • Python: 2.7.12 (ou 3.5.2 se utilizar Python 3)
  • R: R versão 3.4.3 (2017-11-30)
  • Clusters de GPU: As seguintes bibliotecas de GPU NVIDIA estão instaladas:
    • Piloto da Tesla 375.66
    • CUDA 8.0
    • CUDNN 6.0

Bibliotecas Python instaladas

Biblioteca Versão Biblioteca Versão Biblioteca Versão
ansi2html 1.1.1 argparse 1.2.1 backports-abc 0.5
boto 2.42.0 boto3 1.4.1 botocore 1.4.70
brewer2mpl 1.4.1 certifi 2016.2.28 cffi 1.7.0
chardet 2.3.0 colorama 0.3.7 configobj 5.0.6
criptografia 1.5 cycler 0.10.0 Quisto 0.24.1
decorador 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 futuros 3.2.0 ggplot 0.6.8
html5lib 0.999 idna 2.1 ipaddress 1.0.16
ipython 2.2.0 ipython-genutils 0.1.0 jdcal 1.2
Jinja2 2.8 jmespath 0.9.0 llvmlite 0.13.0
lxml 3.6.4 MarkupSafe 0.23 matplotlib 1.5.3
mpld3 0.2 msgpack-python 0.4.7 ndg-httpsclient 0.3.3
numba 0.28.1 numpy 1.11.1 openpyxl 2.3.2
pandas 0.19.2 pathlib2 2.1.0 patsy 0.4.1
pexpect 4.0.1 pickleshare 0.7.4 Travesseiro 3.3.1
pip 9.0.1 ply 3.9 prompt-toolkit 1.0.7
psycopg2 2.6.2 ptyprocess 0.5.1 py4j 0.10.3
pyarrow 0.8.0 pyasn1 0.1.9 pycparser 2.14
Pygments 2.1.3 PyGObject 3.20.0 pyOpenSSL 16.0.0
pyparsing 2.2.0 pypng 0.0.18 Python 2.7.12
python-dateutil 2.5.3 python-geohash 0.8.5 pytz 2016.6.1
pedidos 2.11.1 s3transferir 0.1.9 scikit-learn 0.18.1
scipy 0.18.1 vasculhar 0.32 seaborn 0.7.1
setuptools 38.5.1 simplejson 3.8.2 simples3 1.0
singledispatch 3.4.0.3 seis 1.10.0 statsmodels 0.6.1
tornado 4.5.3 traços 4.3.0 urllib3 1.19.1
virtualenv 15.0.1 largura de wc 0.1.7 roda 0.30.0
wsgiref 0.1.2

Bibliotecas R instaladas

Biblioteca Versão Biblioteca Versão Biblioteca Versão
abind 1.4-5 asserçãoat 0.2.0 backports 1.1.1
base 3.4.3 BH 1.65.0-1 bindr 0.1
bindrcpp 0.2 bit 1.1-12 bit64 0.9-7
bitops 1.0-6 blob 1.1.0 arranque 1.3-20
brew 1.0-6 vassoura 0.4.3 carro 2.1-6
acento circunflexo 6.0-77 crono 2.3-51 classe 7.3-14
cluster 2.0.6 codetools 0.2-15 espaço em cores 1.3-2
marca comum 1.4 compilador 3.4.3 lápis de cor 1.3.4
curl 3.0 CVST 0.2-1 data.table 1.10.4-3
conjuntos de dados 3.4.3 DBI 0.7 ddalpha 1.3.1
DEoptimR 1.0-8 desc 1.1.1 devtools 1.13.4
dichromat 2.0-0 resumo 0.6.12 dimRed 0.1.0
doMC 1.3.4 dplyr 0.7.4 DRR 0.0.2
foreach 1.4.3 externa 0.8-69 gbm 2.1.3
ggplot2 2.2.1 git2r 0.19.0 glmnet 2.0-13
colar 1.2.0 gower 0.1.2 gráficos 3.4.3
grDevices 3.4.3 grelha 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
iteradores 1.0.8 jsonlite 1.5 kernlab 0.9-25
KernSmooth 2.23-15 etiquetagem 0.3 lattice 0.20-35
lava 1.5.1 lazyeval 0.2.1 littler 0.3.2
lme4 1.1-14 lubridate 1.7.1 magrittr 1.5
mapproj 1.2-5 mapas 3.2.0 MASSA 7.3-48
Matriz 1.2-11 MatrizModels 0.4-1 memoise 1.1.0
métodos 3.4.3 mgcv 1.8-23 mime 0.5
minqa 1.2.4 mnormt 1.5-5 ModelMetrics 1.1.0
munsell 0.4.3 mvtnorm 1.0-6 nlme 3.1-131
nloptr 1.0.4 nnet 7.3-12 numDeriv 2016.8-1
openssl 0.9.9 paralelo 3.4.3 pbkrtest 0.4-7
pkgconfig 2.0.1 pkgKitten 0.1.4 plogr 0.1-1
plyr 1.8.4 elogiar 1.0.0 pROC 1.10.0
prodlim 1.6.1 proto 1.0.0 psique 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
receitas 0.1.1 remodelar2 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 escalas 0.5.0
sfsmisc 1.1-1 sp 1.2-5 SparkR 2.3.0
Disperso 1.77 espacial 7.3-11 splines 3.4.3
sqldf 0.4-11 estatmod 1.4.30 estatísticas 3.4.3
stats4 3.4.3 stringi 1.1.6 stringr 1.2.0
sobrevivência 2.41-3 tcltk 3.4.3 TeachingDemos 2.10
testeatat 1.0.2 tibble 1.3.4 tidyr 0.7.2
tidyselect 0.2.3 timeDate 3042.101 ferramentas 3.4.3
utilitários 3.4.3 viridisLite 0.2.0 whisker 0.3-2
withr 2.1.0 xml2 1.1.1

Bibliotecas Java e Scala instaladas (versão do cluster Scala 2.11)

ID do Grupo ID do Artefacto Versão
antlr antlr 2.7.7
com.amazonaws amazon-kinesis-client 1.7.3
com.amazonaws aws-java-sdk-autoscaling 1.11.253
com.amazonaws aws-java-sdk-cloudformation 1.11.253
com.amazonaws aws-java-sdk-cloudfront 1.11.253
com.amazonaws aws-java-sdk-cloudhsm 1.11.253
com.amazonaws aws-java-sdk-cloudsearch 1.11.253
com.amazonaws aws-java-sdk-cloudtrail 1.11.253
com.amazonaws aws-java-sdk-cloudwatch 1.11.253
com.amazonaws aws-java-sdk-cloudwatchmetrics 1.11.253
com.amazonaws aws-java-sdk-codedeploy 1.11.253
com.amazonaws aws-java-sdk-cognitoidentity 1.11.253
com.amazonaws aws-java-sdk-cognitosync 1.11.253
com.amazonaws aws-java-sdk-config 1.11.253
com.amazonaws aws-java-sdk-core 1.11.253
com.amazonaws aws-java-sdk-datapipeline 1.11.253
com.amazonaws aws-java-sdk-directconnect 1.11.253
com.amazonaws aws-java-sdk-directory 1.11.253
com.amazonaws aws-java-sdk-dynamodb 1.11.253
com.amazonaws aws-java-sdk-ec2 1.11.253
com.amazonaws aws-java-sdk-ecs 1.11.253
com.amazonaws aws-java-sdk-efs 1.11.253
com.amazonaws aws-java-sdk-elasticache 1.11.253
com.amazonaws aws-java-sdk-elasticbeanstalk 1.11.253
com.amazonaws aws-java-sdk-elasticloadbalancing 1.11.253
com.amazonaws aws-java-sdk-elastictranscoder 1.11.253
com.amazonaws aws-java-sdk-emr 1.11.253
com.amazonaws aws-java-sdk-glacier 1.11.253
com.amazonaws aws-java-sdk-iam 1.11.253
com.amazonaws aws-java-sdk-importexport 1.11.253
com.amazonaws aws-java-sdk-kinesis 1.11.253
com.amazonaws aws-java-sdk-kms 1.11.253
com.amazonaws aws-java-sdk-lambda 1.11.253
com.amazonaws aws-java-sdk-logs 1.11.253
com.amazonaws aws-java-sdk-machinelearning 1.11.253
com.amazonaws aws-java-sdk-opsworks 1.11.253
com.amazonaws aws-java-sdk-rds 1.11.253
com.amazonaws aws-java-sdk-redshift 1.11.253
com.amazonaws aws-java-sdk-route53 1.11.253
com.amazonaws aws-java-sdk-s3 1.11.253
com.amazonaws aws-java-sdk-ses 1.11.253
com.amazonaws aws-java-sdk-simpledb 1.11.253
com.amazonaws aws-java-sdk-simpleworkflow 1.11.253
com.amazonaws aws-java-sdk-sns 1.11.253
com.amazonaws aws-java-sdk-sqs 1.11.253
com.amazonaws aws-java-sdk-ssm 1.11.253
com.amazonaws aws-java-sdk-storagegateway 1.11.253
com.amazonaws aws-java-sdk-sts 1.11.253
com.amazonaws aws-java-sdk-support 1.11.253
com.amazonaws aws-java-sdk-swf-libraries 1.11.22
com.amazonaws aws-java-sdk-workspaces 1.11.253
com.amazonaws jmespath-java 1.11.253
com.carrotsearch hppc 0.7.2
com.chuusai shapeless_2.11 2.3.2
com.clearspring.analytics transmissão em fluxo 2.7.0
com.databricks Rserve 1.8-3
com.databricks dbml-local_2.11 0.3.0-DB1-Faísca2.3
com.databricks dbml-local_2.11-tests 0.3.0-DB1-Faísca2.3
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 sombreado de kryo 3.0.3
com.esotericsoftware minlog 1.3.0
com.fasterxml colega de turma 1.0.0
com.fasterxml.jackson.core jackson-anotações 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 núcleo 1.1.2
com.github.fommil.netlib native_ref-java 1.1
com.github.fommil.netlib native_ref-java-nativos 1.1
com.github.fommil.netlib native_system-java 1.1
com.github.fommil.netlib native_system-java-nativos 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 configuração 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
registo de comuns registo de comuns 1.1.3
commons-net commons-net 2.2
commons-pool commons-pool 1.5.4
info.ganglia.gmetric4j gmetric4j 1.0.7
io.ponte aérea compressor de ar 0.8
io.dropwizard.metrics metrics-core 3.1.5
io.dropwizard.metrics metrics-ganglia 3.1.5
io.dropwizard.metrics metrics-graphite 3.1.5
io.dropwizard.metrics metrics-healthchecks 3.1.5
io.dropwizard.metrics metrics-jetty9 3.1.5
io.dropwizard.metrics metrics-json 3.1.5
io.dropwizard.metrics metrics-jvm 3.1.5
io.dropwizard.metrics metrics-log4j 3.1.5
io.dropwizard.metrics metrics-servlets 3.1.5
io.netty netty 3.9.9.Final
io.netty netty-all 4.1.17.Final
io.prometheus simpleclient 0.0.16
io.prometheus simpleclient_common 0.0.16
io.prometheus simpleclient_dropwizard 0.0.16
io.prometheus simpleclient_servlet 0.0.16
io.prometheus.jmx recoletor 0.7
javax.activation ativação 1.1.1
javax.annotation javax.annotation-api 1.2
javax.el javax.el-api 2.2.4
javax.jdo jdo-api 3.0.1
javax.servlet javax.servlet-api 3.1.0
javax.servlet.jsp jsp-api 2.1
javax.transaction jta 1.1
javax.validation validation-api 1.1.0.Final
javax.ws.rs javax.ws.rs-api 2.0.1
javax.xml.bind jaxb-api 2.2.2
javax.xml.stream stax-api 1.0-2
javolution javolution 5.5.1
jline jline 2.11
joda-time joda-time 2.9.3
log4j apache-log4j-extras 1.2.17
log4j log4j 1.2.17
net.hydromatic eigenbase-properties 1.1.5
net.iharder base64 2.3.8
net.java.dev.jets3t jets3t 0.9.4
net.razorvine pirolite 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 formiga 1.9.2
org.apache.ant ant-jsch 1.9.2
org.apache.ant ant-launcher 1.9.2
org.apache.arrow formato de seta 0.8.0
org.apache.arrow seta-memória 0.8.0
org.apache.arrow vetor de seta 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 incubação
org.apache.calcite calcite-core 1.2.0 incubação
org.apache.calcite calcite-linq4j 1.2.0 incubação
org.apache.commons commons-compress 1.4.1
org.apache.commons commons-crypto 1.0.0
org.apache.commons commons-lang3 3.5
org.apache.commons commons-math3 3.4.1
org.apache.curator curador-cliente 2.7.1
org.apache.curator curador-framework 2.7.1
org.apache.curator curador-receitas 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 incubação
org.apache.httpcomponents httpclient 4.5.4
org.apache.httpcomponents httpcore 4.4.8
org.apache.ivy hera 2.4.0
org.apache.orc orc-core-nohive 1.4.1
org.apache.orc orc-mapreduce-nohive 1.4.1
org.apache.parquet parquet-column 1.8.2-databricks1
org.apache.parquet parquet-common 1.8.2-databricks1
org.apache.parquet parquet-encoding 1.8.2-databricks1
org.apache.parquet parquet-format 2.3.1
org.apache.parquet parquet-hadoop 1.8.2-databricks1
org.apache.parquet parquet-jackson 1.8.2-databricks1
org.apache.thrift libfb303 0.9.3
org.apache.thrift libthrift 0.9.3
org.apache.xbean xbean-asm5-shaded 4.4
org.apache.zookeeper zookeeper 3.4.6
org.bouncycastle bcprov-jdk15on 1.58
org.codehaus.jackson jackson-core-asl 1.9.13
org.codehaus.jackson jackson-jaxrs 1.9.13
org.codehaus.jackson jackson-mapper-asl 1.9.13
org.codehaus.jackson jackson-xc 1.9.13
org.codehaus.janino commons-compiler 3.0.8
org.codehaus.janino janino 3.0.8
org.datanucleus datanucleus-api-jdo 3.2.6
org.datanucleus datanucleus-core 3.2.10
org.datanucleus datanucleus-rdbms 3.2.9
org.eclipse.jetty jetty-client 9.3.20.v20170531
org.eclipse.jetty jetty-continuation 9.3.20.v20170531
org.eclipse.jetty jetty-http 9.3.20.v20170531
org.eclipse.jetty jetty-io 9.3.20.v20170531
org.eclipse.jetty jetty-jndi 9.3.20.v20170531
org.eclipse.jetty jetty-plus 9.3.20.v20170531
org.eclipse.jetty jetty-proxy 9.3.20.v20170531
org.eclipse.jetty jetty-security 9.3.20.v20170531
org.eclipse.jetty jetty-server 9.3.20.v20170531
org.eclipse.jetty jetty-servlet 9.3.20.v20170531
org.eclipse.jetty jetty-servlets 9.3.20.v20170531
org.eclipse.jetty jetty-util 9.3.20.v20170531
org.eclipse.jetty jetty-webapp 9.3.20.v20170531
org.eclipse.jetty jetty-xml 9.3.20.v20170531
org.fusesource.leveldbjni leveldbjni-all 1.8
org.glassfish.hk2 hk2-api 2.4.0-b34
org.glassfish.hk2 localizador hk2 2.4.0-b34
org.glassfish.hk2 hk2-utils 2.4.0-b34
org.glassfish.hk2 osgi-resource-locator 1.0.1
org.glassfish.hk2.external aopalliance-repackaged 2.4.0-b34
org.glassfish.hk2.external javax.inject 2.4.0-b34
org.glassfish.jersey.bundles.repackaged jersey-guava 2.22.2
org.glassfish.jersey.containers jersey-container-servlet 2.22.2
org.glassfish.jersey.containers jersey-container-servlet-core 2.22.2
org.glassfish.jersey.core jersey-client 2.22.2
org.glassfish.jersey.core jersey-common 2.22.2
org.glassfish.jersey.core servidor de jersey 2.22.2
org.glassfish.jersey.media jersey-media-jaxb 2.22.2
org.hibernate hibernate-validator 5.1.1.Final
org.iq80.snappy snappy 0.2
org.javassist javassist 3.18.1-GA
org.jboss.logging jboss-logging 3.1.3.GA
org.jdbi jdbi 2.63.1
org.joda joda-convert 1.7
org.jodd jodd-core 3.5.2
org.json4s json4s-ast_2.11 3.2.11
org.json4s json4s-core_2.11 3.2.11
org.json4s json4s-jackson_2.11 3.2.11
org.lz4 LZ4-Java 1.4.0
org.mariadb.jdbc mariadb-java-client 2.1.2
org.mockito mockito-all 1.9.5
org.objenesis objenesis 2.1
org.postgresql postgresql 42.1.4
org.roaringbitmap RoaringBitmap 0.5.11
org.rocksdb rocksdbjni 5.2.1
org.rosuda.REngine REngine 2.1.0
org.scala-lang scala-compiler_2.11 2.11.8
org.scala-lang scala-library_2.11 2.11.8
org.scala-lang scala-reflect_2.11 2.11.8
org.scala-lang scalap_2.11 2.11.8
org.scala-lang.modules scala-parser-combinators_2.11 1.0.2
org.scala-lang.modules scala-xml_2.11 1.0.5
org.scala-sbt interface de teste 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 não utilizado 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 teste de primavera 4.1.4.RELEASE
org.tukaani xz 1.0
org.typelevel machinist_2.11 0.6.1
org.typelevel macro-compat_2.11 1.1.1
org.xerial sqlite-jdbc 3.8.11.2
org.xerial.snappy snappy-java 1.1.2.6
org.yaml snakeyaml 1.16
oro oro 2.0.8
software.amazon.ion ion-java 1.0.2
stax stax-api 1.0.1
xmlenc xmlenc 0.52