Databricks Runtime 4.0 (неподдерживаемый)

  • Статья

Этот образ Databricks выпущен в марте 2018 г.

Важно!

Этот выпуск не рекомендуется использовать с 1 ноября 2018 г. Дополнительные сведения о политике и расписании нерекомендуемой среды выполнения Databricks см. в статье о жизненном цикле поддержки databricks.

В следующих заметках о выпуске содержатся сведения о Databricks Runtime 4.0 на платформе Apache Spark.

Изменения и улучшения

  • Источник данных JSON теперь пытается автоматически определить кодировку, вместо того чтобы предполагать использование UTF-8. В случаях, когда автоматическое обнаружение завершается неудачно, пользователи могут указать параметр CharSet, чтобы применять определенную кодировку. См. раздел Автоматическое обнаружение кодировки.
  • Оценка и прогнозирование с помощью конвейеров Spark MLlib в структурированной потоковой передаче полностью поддерживаются.
  • Экспорт модели Машинного обучения Databricks полностью поддерживается. С помощью этой функции можно обучить модель MLlib Spark на модулях данных, экспортировать ее с помощью вызова функции и использовать библиотеку Databricks в системе по выбору для импорта модели и оценки новых данных.
  • Новая реализация источника данных Spark предлагает масштабируемый доступ для чтения и записи в Azure Synapse Analytics. См. Spark — соединитель Azure Synapse Analytics.
  • Схема функции from_json теперь всегда преобразуется в допускает значение NULL. Иными словами, все поля, включая вложенные, допускают значение NULL. Это обеспечивает совместимость данных со схемой, предотвращая повреждение после записи данных в Parquet, когда в данных отсутствует поле, а предоставленная пользователем схема объявляет поле как не допускающее значения NULL.
  • Обновлены некоторые установленные библиотеки Python:
    • futures: с 3.1.1 до 3.2.0;
    • pandas: с 0.18.1 до 0.19.2;
    • pyarrow: с 0.4.1 до 0.8.0;
    • setuptools: с 38.2.3 до 38.5.1;
    • tornado: с 4.5.2 до 4.5.3.
  • Обновлены несколько установленных библиотек R. См. Установленные библиотеки R.
  • Обновлен пакет SDK AWS для Java с 1.11.126 до 1.11.253.
  • обновлен драйвер JDBC SQL Server с 6.1.0.jre8 до 6.2.2.jre8.
  • Обновлен драйвер JDBC PostgreSQL с 9.4-1204-jdbc41 до 42.1.4.

Apache Spark

Databricks Runtime 4.0 включает Apache Spark 2.3.0.

SQL Core, PySpark и Spark

Основные возможности

  • Векторизированный модуль чтения ORC: [SPARK-16060]: добавлена поддержка нового модуля чтения ORC, который значительно улучшает пропускную способность сканирования ORC с помощью векторизации (в 2–5 раз). Чтобы включить модуль чтения, пользователи могут задать для spark.sql.orc.impl значение native.
  • Сервер журнала Spark версии 2: [SPARK-18085]: новая серверная часть сервера журнала Spark (SHS), обеспечивающая лучшую масштабируемость для крупномасштабных приложений с более эффективным механизмом хранения событий.
  • API источника данных версии 2: [SPARK-15689][SPARK-22386]: экспериментальный API для подключения новых источников данных в Spark. Новый API пытается устранить некоторые ограничения API версии 1 и предназначен для упрощения разработки высокопроизводительных, простых в обслуживании и расширяемых внешних источников данных. Этот API все еще находится в состоянии активной разработки, и следует ожидать критических изменений.
  • Улучшения производительности PySpark: [SPARK-22216][SPARK-21187]: значительные улучшения производительности и совместимости в Python благодаря быстрой сериализации данных и векторизированному выполнению.

Производительность и стабильность

  • [SPARK-21975]: поддержка гистограммы в оптимизаторе на основе затрат.
  • [SPARK-20331]: улучшенная поддержка отправки вниз предиката для удаления лишних секций Hive.
  • [SPARK-19112]: поддержка кодека сжатия ZStandard.
  • [SPARK-21113]: поддержка упреждающего входного потока для чтения, чтобы уменьшить затраты на операции дискового ввода-вывода в модуле чтения сброса.
  • [SPARK-22510][SPARK-22692][SPARK-21871]: улучшенная стабилизация платформы CodeGen, чтобы избежать достижения предельного размера байтового кода виртуальной машины Java, составляющего 64 КБ, для метода Java и ограничения пула констант компилятора Java.
  • [SPARK-23207]: Исправлена давняя ошибка в Spark, из-за которой последовательное перемешивание и изменение секций в DataFrame могли привести к неверным ответам в определенных случаях.
  • [SPARK-22062][SPARK-17788][SPARK-21907]: исправлены различные причины ошибок нехватки памяти.
  • [SPARK-22489][SPARK-22916][SPARK-22895][SPARK-20758][SPARK-22266][SPARK-19122][SPARK-22662][SPARK-21652]: улучшения оптимизатора и планировщика на основе правил.

Другие важные изменения

Руководства по программированию: руководство по программированию Spark RDD и руководство по наборам данных и DataFrame Spark SQL.

Структурированная потоковая передача

Непрерывная обработка

  • Новый механизм выполнения, который может выполнять запросы потоковой передачи со сквозной задержкой меньше миллисекунду за счет изменения только одной строки пользовательского кода. Чтобы узнать больше, ознакомьтесь с руководством по программированию.

Соединения "поток — поток"

  • Возможность соединения двух потоков данных и буферизации строк до тех пор, пока соответствующие кортежи не поступят в другой поток. Предикаты можно использовать со столбцами времени события, чтобы привязать объем состояния, который необходимо хранить.

API для потоковой передачи версии 2

  • Экспериментальный API для подключения новых источников и приемников, который подходит для пакетной, микропакетной и непрерывной обработки. Этот API все еще находится в состоянии активной разработки, и следует ожидать критических изменений.

Руководство по программированию: Руководство по программированию структурированной потоковой передачи.

MLlib

Ключевые моменты

  • Прогнозирование Машинного обучения теперь работает со структурированной потоковой передачей с использованием обновленных API. Подробные сведения приведены ниже.

Новые и улучшенные API

  • [SPARK-21866]: встроенная поддержка чтения изображений в DataFrame (Scala/Java/Python).
  • [SPARK-19634]: функции DataFrame для описательных сводных статистических данных по векторным столбцам (Scala/Java).
  • [SPARK-14516]: ClusteringEvaluator для настройки алгоритмов кластеризации, поддерживающих метрики с силуэтом по косинусу и эвклидовому расстоянию (Scala/Java/Python).
  • [SPARK-3181]: надежная линейная регрессия с функцией потерь Хьюбера (Scala/Java/Python).
  • [SPARK-13969]: преобразователь FeatureHasher (Scala/Java/Python).
  • Поддержка нескольких столбцов для нескольких преобразователей функций:
  • [SPARK-21633] и [SPARK-21542]: улучшенная поддержка пользовательских компонентов конвейера в Python.

Новые функции

  • [SPARK-21087]: CrossValidator и TrainValidationSplit могут собирать все модели при подгонке (Scala/Java). Это позволяет проверять или сохранять все модели с подгонкой.
  • [SPARK-19357]: метаалгоритмы CrossValidator, TrainValidationSplit и OneVsRest поддерживают параметр параллелизма для подгонки нескольких вложенных моделей в параллельных заданиях Spark.
  • [SPARK-17139]: сводка по модели для мультиноминальной логистической регрессии (Scala/Java/Python).
  • [SPARK-18710]: добавлено смещение в GLM.
  • [SPARK-20199]: добавлен параметр featureSubsetStrategy в GBTClassifier и GBTRegressor. Использование его для работы со вложенными выборками функций может значительно повысить скорость обучения. Этот параметр является ключевым преимуществом xgboost.

Другие важные изменения

  • [SPARK-22156]: исправлено масштабирование скорости обучения Word2Vec с итерациями num. Новая скорость обучения установлена в соответствии с исходным кодом Word2Vec на языке C и должна давать лучшие результаты обучения.
  • [SPARK-22289]: добавлена поддержка JSON для параметров матрицы (исправлена ошибка с сохраняемостью Машинного обучения с LogisticRegressionModel при использовании границ для коэффициентов.)
  • [SPARK-22700]: Bucketizer.transform неправильно удаляет строку, содержащую NaN. Если параметру handleInvalid было присвоено значение "skip" (пропустить), то Bucketizer пропускал запись с допустимым значением во входном столбце, если в другом (неактуальном) столбце было указано значение NaN.
  • [SPARK-22446]: из-за оптимизатора Catalyst в StringIndexerModel иногда возникало неправильное исключение "Unseen label" (Невидимая метка), если для handleInvalid было задано значение "error" (ошибка). Это могло произойти для отфильтрованных данных, из-за отправки предиката, что приводило к ошибкам даже после того, как недопустимые строки уже были отфильтрованы из входного набора данных.
  • [SPARK-21681]: исправлена ошибка в пограничных случаях в мультиноминальной логистической регрессии, которая приводила к неверным коэффициентам, если у некоторых функций была нулевая дисперсия.
  • Основные оптимизации:
    • [SPARK-22707]: уменьшено потребления памяти для CrossValidator.
    • [SPARK-22949]: уменьшено потребления памяти для TrainValidationSplit.
    • [SPARK-21690]: Imputer должен обучать данные с помощью одного прохода.
    • [SPARK-14371]: OnlineLDAOptimizer избегает сбора статистики для драйвера для каждого минипакета.

Руководство по программированию: руководство по библиотеке Машинного обучения (MLlib).

SparkR

Основной целью SparkR в выпуске 2.3.0 было повышение стабильности определяемых пользователем функций и добавление нескольких новых оболочек SparkR вокруг существующих API:

Основные возможности

  • Улучшенная четность функций между SQL и R
  • [SPARK-22933]: API структурированной потоковой передачи для withWatermark, trigger, partitionBy и соединения потока с потоком.
  • [SPARK-21266]: поддержка определяемой пользователем функции SparkR со схемой в формате DDL.
  • [SPARK-20726][SPARK-22924][SPARK-22843]: несколько новых оболочек API для DataFrame.
  • [SPARK-15767][SPARK-21622][SPARK-20917][SPARK-20307][SPARK-20906]: несколько новых оболочек API для SparkML.

Руководство по программированию: SparkR (R в Spark).

GraphX

Оптимизации

  • [SPARK-5484]: Pregel теперь периодически создает контрольные точки, чтобы избежать StackOverflowErrors.
  • [SPARK-21491]: небольшое повышение производительности в нескольких местах.

Руководство по программированию: руководство по программированию для GraphX.

Устаревшие элементы

Python

  • [SPARK-23122]: register* теперь не рекомендуется использовать для определяемых пользователем функций в SQLContext и Catalog в PySpark.

MLlib

  • [SPARK-13030]: OneHotEncoder теперь не рекомендуется использовать. Он будет удален в версии 3.0. Он заменен на OneHotEncoderEstimator. OneHotEncoderEstimator будет переименован OneHotEncoder в версии 3.0 (но OneHotEncoderEstimator будет оставлен в виде псевдонима).

Изменения в работе

SparkSQL

  • [SPARK-22036]: по умолчанию арифметические операции между десятичными числами возвращают округленное значение, если точное представление невозможно (вместо возврата NULL в предыдущих версиях).
  • [SPARK-22937]: если все входные данные являются двоичными, elt() SQL возвращает выходные данные в виде двоичных данных. В противном случае возвращается строка. В предыдущих версиях он всегда возвращает строку, независимо от типов входных данных.
  • [SPARK-22895]: детерминированные предикаты объединения или фильтра, которые находятся после первых недетерминированных предикатов, также отправляются вниз или через дочерние операторы, если это возможно. В предыдущих версиях эти фильтры не подходили для отправки вниз предиката.
  • [SPARK-22771]: если все входные данные являются двоичными, functions.concat() возвращает выходные данные в виде двоичных данных. В противном случае возвращается строка. В предыдущих версиях он всегда возвращает строку, независимо от типов входных данных.
  • [SPARK-22489]: если какая-либо из сторон соединения поддерживает трансляцию, предпочтительно транслировать таблицу, явно указанную в подсказке трансляции.
  • [SPARK-22165]: вывод столбца секции ранее находил неправильный общий тип для различных выводимых типов. Например, ранее он выбирал тип double как общий тип для типа double и типа date. Теперь он находит правильный общий тип для таких конфликтов. Дополнительные сведения см. в руководстве по миграции.
  • [SPARK-22100]: функция percentile_approx ранее принимала входные данные типа numeric и выводила результаты типа double. Теперь он поддерживает тип date, timestamp и numeric в качестве входных данных. Тип результата также меняется на тот же, что и тип входных данных, что лучше подходит для процентилей.
  • [SPARK-21610]: запросы из необработанных файлов JSON/CSV запрещены, если столбцы, на которые имеются ссылки, содержат только внутренний поврежденный столбец записи (по умолчанию используется имя _corrupt_record). Вместо этого можно выполнить кэширование или сохранение проанализированных результатов, а затем отправить тот же запрос.
  • [SPARK-23421]: начиная с версий Spark 2.2.1 и 2.3.0 схема всегда выводится во время выполнения, если таблицы источников данных содержат столбцы, которые существуют как в схеме секции, так и в схеме данных. Выводимая схема не имеет секционированных столбцов. При чтении таблицы Spark учитывает значения секций этих перекрывающихся столбцов вместо значений, хранящихся в файлах источника данных. В выпуске 2.2.0 и 2.1.x выводимая схема секционирована, но данные таблицы невидимы для пользователей (т. е. результирующий набор пуст).

PySpark

  • [SPARK-19732]: na.fill() или fillna также принимает логическое значение и заменяет значения NULL на логические значения. В предыдущих версиях Spark PySpark просто пропускал его и возвращал исходный DataSet/DataFrame.
  • [SPARK-22395]: pandas 0.19.2 или более новой версии требуется для использования функций, связанных с pandas, таких как toPandas, createDataFrame из DataFrame pandas и т. д.
  • [SPARK-22395]: поведение значений меток времени для функций, связанных с pandas, было изменено, чтобы учитывать часовой пояс сеанса, который не учитывался в предыдущих версиях.
  • [SPARK-23328]: df.replace не позволяет опускать value, если to_replace не является словарем. Ранее можно было опустить value в других случаях и использовать None по умолчанию, что противоречит логики и может вызвать ошибки.

MLlib

  • Критические изменения API: иерархия классов и признаков для сводных данных модели логистической регрессии была изменена на более понятную и лучше соответствующую добавлению сводных данных нескольких классов. Это критическое изменение пользовательского кода, которое приводит LogisticRegressionTrainingSummary к BinaryLogisticRegressionTrainingSummary. Вместо этого пользователи должны использовать метод model.binarySummary. Дополнительные сведения см. в [SPARK-17139] (обратите внимание, что это API @Experimental). Это не влияет на метод сводки Python, который по-прежнему будет правильно работать как для мультиноминальных, так и для логических вариантов.
  • [SPARK-21806]: BinaryClassificationMetrics.pr(): первая точка (0,0, 1,0) является ошибочной и заменена на (0,0, p), где точность p соответствует наименьшей точке полноты.
  • [SPARK-16957]: деревья принятия решений теперь используют взвешенные средние точки при выборе раздельных значений. Это может привести к изменению результатов обучения модели.
  • [SPARK-14657]: RFormula без перехвата теперь выводит ссылочную категорию при кодировании строковых компонентов, чтобы соответствовать исходному поведению R. Это может привести к изменению результатов обучения модели.
  • [SPARK-21027]: параллелизм по умолчанию, используемый в OneVsRest, теперь имеет значение 1 (т. е. последовательный). В 2.2 и более ранних версиях для уровня параллелизма был задан размер пула потоков по умолчанию в Scala. Это может изменить производительность.
  • [SPARK-21523]: Breeze обновлен до 0.13.2. Это включает важное исправление ошибки в поиск строки Wolfe для L-BFGS.
  • [SPARK-15526]: зависимость JPMML теперь затенена.
  • Изменения в поведении, возникающие в результате исправления ошибок см. также в разделе "Исправления ошибок".

Известные проблемы

  • [SPARK-23523][SQL]: исправлен неверный результат, который вызвало правило OptimizeMetadataOnlyQuery.
  • [SPARK-23406]: исправлены ошибки в самосоединениях между потоками.

Обновления в рамках обслуживания

См. Служебные обновления Databricks Runtime 4.0.

Системная среда

  • Операционная система: Ubuntu 16.04.4 LTS
  • Java: 1.8.0_151
  • Scala: 2.11.8
  • Python: 2.7.12 (или 3.5.2 при использовании Python 3)
  • R: R версии 3.4.3 (2017-11-30)
  • Кластеры GPU: установлены следующие библиотеки GPU NVIDIA:
    • Драйвер Tesla 375.66
    • CUDA 8.0
    • CUDNN 6.0

Установленные библиотеки Python

Библиотека Версия Библиотека Версия Библиотека Версия
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
Криптографии 1.5 cycler 0.10.0 Cython 0.24.1
decorator 4.0.10 docutils 0,14 enum34 1.1.6
et-xmlfile 1.0.1 freetype-py 1.0.2 funcsigs 1.0.2
fusepy 2.0.4 фьючерсы 3.2.0 ggplot 0.6.8
html5lib 0,999 idna 2.1 ipaddress 1.0.16
ipython 2.2.0 ipython-genutils 0.1.0 jdcal 1.2
Jinja2 2.8 jmespath 0.9.0 llvmlite 0.13.0
lxml 3.6.4 MarkupSafe 0,23 matplotlib 1.5.3
mpld3 0,2 msgpack-python 0.4.7 ndg-httpsclient 0.3.3
numba 0.28.1 numpy 1.11.1 openpyxl 2.3.2
pandas 0.19.2 pathlib2 2.1.0 patsy 0.4.1
pexpect 4.0.1 pickleshare 0.7.4 Pillow 3.3.1
pip 9.0.1 ply 3,9 prompt-toolkit 1.0.7
psycopg2 2.6.2 ptyprocess 0.5.1 py4j 0.10.3
pyarrow 0.8.0 pyasn1 0.1.9 pycparser 2,14
Pygments 2.1.3 PyGObject 3.20.0 pyOpenSSL 16.0.0
pyparsing 2.2.0 pypng 0.0.18 Python 2.7.12
python-dateutil 2.5.3 python-geohash 0.8.5 pytz 2016.6.1
requests 2.11.1 s3transfer 0.1.9 scikit-learn 0.18.1
scipy 0.18.1 scour 0,32 Сиборн 0.7.1
setuptools 38.5.1 simplejson 3.8.2 simples3 1.0
singledispatch 3.4.0.3 six 1.10.0 statsmodels 0.6.1
tornado 4.5.3 traitlets 4.3.0 urllib3 1.19.1
virtualenv 15.0.1 wcwidth 0.1.7 wheel 0.30.0
wsgiref 0.1.2

Установленные библиотеки R

Библиотека Версия Библиотека Версия Библиотека Версия
abind 1.4-5 assertthat 0.2.0 внутренние порты 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 большой двоичный объект 1.1.0 загрузка 1.3-20
Заваривать 1.0–6 Метлу 0.4.3 автомобиль 2.1-6
крышка 6.0–77 chron 2.3–51 class 7.3-14
cluster 2.0.6 codetools 0.2-15 colorspace 1.3-2
commonmark 1.4 компилятор 3.4.3 Карандаш 1.3.4
curl 3.0 CVST 0.2-1 data.table 1.10.4-3
наборы данных 3.4.3 DBI 0,7 ddalpha 1.3.1
DEoptimR 1,0–8 desc 1.1.1 средства разработки 1.13.4
дихромат 2.0-0 digest 0.6.12 dimRed 0.1.0
doMC 1.3.4 dplyr 0.7.4 DRR 0.0.2
foreach 1.4.3 Иностранных 0.8-69 Gbm 2.1.3
ggplot2 2.2.1 git2r 0.19.0 glmnet 2.0-13
Клей 1.2.0 Говер 0.1.2 графика 3.4.3
grDevices 3.4.3 grid 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
Итераторы 1.0.8 jsonlite 1.5 kernlab 0.9-25
KernSmooth 2.23-15 Маркировки 0,3 Решетки 0.20-35
Lava 1.5.1 lazoval 0.2.1 littler 0.3.2
lme4 1.1–14 lubridate 1.7.1 magrittr 1.5
mapproj 1.2-5 maps 3.2.0 МАССАЧУСЕТС 7.3-48
Матрица 1.2-11 MatrixModels 0.4-1 memoise 1.1.0
оплаты 3.4.3 mgcv 1.8-23 Mime 0,5
minqa 1.2.4 mnormt 1.5-5 ModelMetrics 1.1.0
munsell 0.4.3 mvtnorm 1.0–6 nlme 3.1-131
nloptr 1.0.4 nnet 7.3-12 numDeriv 2016.8-1
openssl 0.9.9 parallel 3.4.3 pbkrtest 0.4-7
pkgconfig 2.0.1 pkgKitten 0.1.4 plogr 0.1-1
plyr 1.8.4 Похвалы 1.0.0 Proc 1.10.0
prodlim 1.6.1 proto 1.0.0 Псих 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
Рецепты 0.1.1 reshape2 1.4.2 rlang 0.1.4
надежная база 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 Весы 0.5.0
sfsmisc 1.1–1 sp 1.2-5 SparkR 2.3.0
SparseM 1.77 пространственный 7.3-11 Сплайны 3.4.3
sqldf 0.4-11 statmod 1.4.30 stats 3.4.3
статистика4 3.4.3 stringi 1.1.6 stringr 1.2.0
Выживания 2.41-3 tcltk 3.4.3 ОбучениеDemos 2,10
testthat 1.0.2 tibble 1.3.4 tidyr 0.7.2
tidyselect 0.2.3 TimeDate 3042.101 средства 3.4.3
служебные программы 3.4.3 viridisLite 0.2.0 виски 0.3-2
withr 2.1.0 xml2 1.1.1

Установленные библиотеки Java и Scala (версия кластера Scala 2.11)

ИД группы Идентификатор артефакта Версия
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 потоковая передача 2.7.0
com.databricks Rserve 1.8-3
com.databricks dbml-local_2.11 0.3.0-db1-spark2.3
com.databricks dbml-local_2.11-tests 0.3.0-db1-spark2.3
com.databricks jets3t 0.7.1–0
com.databricks.scalapb compilerplugin_2.11 0.4.15–9
com.databricks.scalapb scalapb-runtime_2.11 0.4.15–9
com.esotericsoftware kryo-shaded 3.0.3
com.esotericsoftware minlog 1.3.0
com.fasterxml classmate 1.0.0
com.fasterxml.jackson.core jackson-annotations 2.6.7
com.fasterxml.jackson.core jackson-core 2.6.7
com.fasterxml.jackson.core jackson-databind 2.6.7.1
com.fasterxml.jackson.dataformat jackson-dataformat-cbor 2.6.7
com.fasterxml.jackson.datatype jackson-datatype-joda 2.6.7
com.fasterxml.jackson.module jackson-module-paranamer 2.6.7
com.fasterxml.jackson.module jackson-module-scala_2.11 2.6.7.1
com.github.fommil jniloader 1,1
com.github.fommil.netlib core 1.1.2
com.github.fommil.netlib native_ref-java 1,1
com.github.fommil.netlib native_ref-java-natives 1,1
com.github.fommil.netlib native_system-java 1,1
com.github.fommil.netlib native_system-java-natives 1,1
com.github.fommil.netlib netlib-native_ref-linux-x86_64-natives 1,1
com.github.fommil.netlib netlib-native_system-linux-x86_64-natives 1,1
com.github.luben zstd-jni 1.3.2-2
com.github.rwl jtransforms 2.4.0
com.google.code.findbugs jsr305 2.0.1
com.google.code.gson gson 2.2.4
com.google.guava guava 15,0
com.google.protobuf protobuf-java 2.6.1
com.googlecode.javaewah JavaEWAH 0.3.2
com.h2database h{_>2<_} 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 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 Коллектор 0,7
javax.activation activation 1.1.1
javax.annotation javax.annotation-api 1.2
javax.el javax.el-api 2.2.4
javax.jdo jdo-api 3.0.1
javax.servlet javax.servlet-api 3.1.0
javax.servlet.jsp jsp-api 2.1
javax.transaction jta 1,1
javax.validation validation-api 1.1.0.Final
javax.ws.rs javax.ws.rs-api 2.0.1
javax.xml.bind jaxb-api 2.2.2
javax.xml.stream stax-api 1.0–2
javolution javolution 5.5.1
jline jline 2,11
joda-time joda-time 2.9.3
log4j apache-log4j-extras 1.2.17
log4j log4j 1.2.17
net.hydromatic eigenbase-properties 1.1.5
net.iharder base64 2.3.8
net.java.dev.jets3t jets3t 0.9.4
net.razorvine pyrolite 4.13
net.sf.jpam jpam 1,1
net.sf.opencsv opencsv 2.3
net.sf.supercsv super-csv 2.2.0
net.sourceforge.f2j arpack_combined_all 0,1
org.acplt oncrpc 1.0.7
org.antlr ST4 4.0.4
org.antlr antlr-runtime 3,4
org.antlr antlr4-runtime 4,7
org.antlr stringtemplate 3.2.1
org.apache.ant ant 1.9.2
org.apache.ant ant-jsch 1.9.2
org.apache.ant ant-launcher 1.9.2
org.apache.arrow arrow-format 0.8.0
org.apache.arrow arrow-memory 0.8.0
org.apache.arrow arrow-vector 0.8.0
org.apache.avro avro 1.7.7
org.apache.avro avro-ipc 1.7.7
org.apache.avro avro-ipc-tests 1.7.7
org.apache.avro avro-mapred-hadoop2 1.7.7
org.apache.calcite calcite-avatica 1.2.0-incubating
org.apache.calcite calcite-core 1.2.0-incubating
org.apache.calcite calcite-linq4j 1.2.0-incubating
org.apache.commons commons-compress 1.4.1
org.apache.commons commons-crypto 1.0.0
org.apache.commons commons-lang3 3.5
org.apache.commons commons-math3 3.4.1
org.apache.curator curator-client 2.7.1
org.apache.curator curator-framework 2.7.1
org.apache.curator curator-recipes 2.7.1
org.apache.derby derby 10.12.1.1
org.apache.directory.api api-asn1-api 1.0.0–M20
org.apache.directory.api api-util 1.0.0–M20
org.apache.directory.server apacheds-i18n 2.0.0–M15
org.apache.directory.server apacheds-kerberos-codec 2.0.0–M15
org.apache.hadoop hadoop-annotations 2.7.3
org.apache.hadoop hadoop-auth 2.7.3
org.apache.hadoop hadoop-client 2.7.3
org.apache.hadoop hadoop-common 2.7.3
org.apache.hadoop hadoop-hdfs 2.7.3
org.apache.hadoop hadoop-mapreduce-client-app 2.7.3
org.apache.hadoop hadoop-mapreduce-client-common 2.7.3
org.apache.hadoop hadoop-mapreduce-client-core 2.7.3
org.apache.hadoop hadoop-mapreduce-client-jobclient 2.7.3
org.apache.hadoop hadoop-mapreduce-client-shuffle 2.7.3
org.apache.hadoop hadoop-yarn-api 2.7.3
org.apache.hadoop hadoop-yarn-client 2.7.3
org.apache.hadoop hadoop-yarn-common 2.7.3
org.apache.hadoop hadoop-yarn-server-common 2.7.3
org.apache.htrace htrace-core 3.1.0-incubating
org.apache.httpcomponents httpclient 4.5.4
org.apache.httpcomponents httpcore 4.4.8
org.apache.ivy ivy 2.4.0
org.apache.orc orc-core-nohive 1.4.1
org.apache.orc orc-mapreduce-nohive 1.4.1
org.apache.parquet parquet-column 1.8.2-databricks1
org.apache.parquet parquet-common 1.8.2-databricks1
org.apache.parquet parquet-encoding 1.8.2-databricks1
org.apache.parquet parquet-format 2.3.1
org.apache.parquet parquet-hadoop 1.8.2-databricks1
org.apache.parquet parquet-jackson 1.8.2-databricks1
org.apache.thrift libfb303 0.9.3
org.apache.thrift libthrift 0.9.3
org.apache.xbean xbean-asm5-shaded 4.4.
org.apache.zookeeper zookeeper 3.4.6
org.bouncycastle bcprov-jdk15on 1,58
org.codehaus.jackson jackson-core-asl 1.9.13
org.codehaus.jackson jackson-jaxrs 1.9.13
org.codehaus.jackson jackson-mapper-asl 1.9.13
org.codehaus.jackson jackson-xc 1.9.13
org.codehaus.janino commons-compiler 3.0.8
org.codehaus.janino janino 3.0.8
org.datanucleus datanucleus-api-jdo 3.2.6
org.datanucleus datanucleus-core 3.2.10
org.datanucleus datanucleus-rdbms 3.2.9
org.eclipse.jetty jetty-client 9.3.20.v20170531
org.eclipse.jetty jetty-continuation 9.3.20.v20170531
org.eclipse.jetty jetty-http 9.3.20.v20170531
org.eclipse.jetty jetty-io 9.3.20.v20170531
org.eclipse.jetty jetty-jndi 9.3.20.v20170531
org.eclipse.jetty jetty-plus 9.3.20.v20170531
org.eclipse.jetty jetty-proxy 9.3.20.v20170531
org.eclipse.jetty jetty-security 9.3.20.v20170531
org.eclipse.jetty jetty-server 9.3.20.v20170531
org.eclipse.jetty jetty-servlet 9.3.20.v20170531
org.eclipse.jetty jetty-servlets 9.3.20.v20170531
org.eclipse.jetty jetty-util 9.3.20.v20170531
org.eclipse.jetty jetty-webapp 9.3.20.v20170531
org.eclipse.jetty jetty-xml 9.3.20.v20170531
org.fusesource.leveldbjni leveldbjni-all 1.8
org.glassfish.hk2 hk2-api 2.4.0-b34
org.glassfish.hk2 hk2-locator 2.4.0-b34
org.glassfish.hk2 hk2-utils 2.4.0-b34
org.glassfish.hk2 osgi-resource-locator 1.0.1
org.glassfish.hk2.external aopalliance-repackaged 2.4.0-b34
org.glassfish.hk2.external javax.inject 2.4.0-b34
org.glassfish.jersey.bundles.repackaged jersey-guava 2.22.2
org.glassfish.jersey.containers jersey-container-servlet 2.22.2
org.glassfish.jersey.containers jersey-container-servlet-core 2.22.2
org.glassfish.jersey.core jersey-client 2.22.2
org.glassfish.jersey.core jersey-common 2.22.2
org.glassfish.jersey.core jersey-server 2.22.2
org.glassfish.jersey.media jersey-media-jaxb 2.22.2
org.hibernate hibernate-validator 5.1.1.Final
org.iq80.snappy snappy 0,2
org.javassist javassist 3.18.1-GA
org.jboss.logging jboss-logging 3.1.3.GA
org.jdbi jdbi 2.63.1
org.joda joda-convert 1,7
org.jodd jodd-core 3.5.2
org.json4s json4s-ast_2.11 3.2.11
org.json4s json4s-core_2.11 3.2.11
org.json4s json4s-jackson_2.11 3.2.11
org.lz4 lz4-java 1.4.0
org.mariadb.jdbc mariadb-java-client 2.1.2
org.mockito mockito-all 1.9.5
org.objenesis objenesis 2.1
org.postgresql postgresql 42.1.4
org.roaringbitmap RoaringBitmap 0.5.11
org.rocksdb rocksdbjni 5.2.1
org.rosuda.REngine REngine 2.1.0
org.scala-lang scala-compiler_2.11 2.11.8
org.scala-lang scala-library_2.11 2.11.8
org.scala-lang scala-reflect_2.11 2.11.8
org.scala-lang scalap_2.11 2.11.8
org.scala-lang.modules scala-parser-combinators_2.11 1.0.2
org.scala-lang.modules scala-xml_2.11 1.0.5
org.scala-sbt test-interface 1.0
org.scalacheck scalacheck_2.11 1.12.5
org.scalanlp breeze-macros_2.11 0.13.2
org.scalanlp breeze_2.11 0.13.2
org.scalatest scalatest_2.11 2.2.6
org.slf4j jcl-over-slf4j 1.7.16
org.slf4j jul-to-slf4j 1.7.16
org.slf4j slf4j-api 1.7.16
org.slf4j slf4j-log4j12 1.7.16
org.spark-project.hive hive-beeline 1.2.1.spark2
org.spark-project.hive hive-cli 1.2.1.spark2
org.spark-project.hive hive-exec 1.2.1.spark2
org.spark-project.hive hive-jdbc 1.2.1.spark2
org.spark-project.hive hive-metastore 1.2.1.spark2
org.spark-project.spark Неиспользуемые 1.0.0
org.spire-math spire-macros_2.11 0.13.0
org.spire-math spire_2.11 0.13.0
org.springframework spring-core 4.1.4.RELEASE
org.springframework spring-test 4.1.4.RELEASE
org.tukaani xz 1.0
org.typelevel machinist_2.11 0.6.1
org.typelevel macro-compat_2.11 1.1.1
org.xerial sqlite-jdbc 3.8.11.2
org.xerial.snappy snappy-java 1.1.2.6
org.yaml snakeyaml 1,16
oro oro 2.0.8
software.amazon.ion ion-java 1.0.2
stax stax-api 1.0.1
xmlenc xmlenc 0,52