Bagikan melalui

Databricks Runtime 4.0 (EoS)

  • Artikel

Catatan

Dukungan untuk versi Databricks Runtime ini telah berakhir. Untuk tanggal akhir dukungan, lihat Riwayat akhir dukungan. Untuk semua versi Runtime Databricks yang didukung, lihat Versi dan kompatibilitas catatan rilis Databricks Runtime.

Databricks merilis versi ini pada Maret 2018.

Penting

Rilis ini tidak digunakan lagi pada 1 November 2018. Untuk informasi selengkapnya tentang kebijakan dan jadwal penghentian Runtime Databricks, lihat Siklus hidup dukungan Databricks.

Catatan rilis berikut memberikan informasi tentang Databricks Runtime 4.0, didukung oleh Apache Spark.

Perubahan dan peningkatan

  • Sumber data JSON saat ini mencoba mendeteksi pengkodean secara otomatis alih-alih mengasumsikannya menjadi UTF-8. Dalam kasus di mana deteksi otomatis gagal, pengguna dapat menentukan opsi tataan karakter untuk menerapkan pengkodean tertentu. Lihat Deteksi Tataan karakter otomatis.
  • Penilaian dan prediksi menggunakan alur Spark MLlib di Streaming Terstruktur yang didukung sepenuhnya.
  • Databricks ML Model Export didukung penuh. Dengan fitur ini, Anda dapat melatih model Spark MLlib di Databricks, mengekspornya dengan panggilan fungsi, dan menggunakan pustaka Databricks dalam sistem pilihan Anda untuk mengimpor model dan skor data baru.
  • Implementasi sumber data Spark baru menawarkan akses baca/tulis yang dapat diskalakan ke Azure Synapse Analytics. Lihat Spark - Synapse Analytics Connector.
  • Skema from_json fungsi saat ini selalu dikonversi ke null. Dengan kata lain, semua bidang, termasuk yang berlapis, dapat diubah ke null. Ini memastikan bahwa data kompatibel dengan skema, mencegah korupsi setelah menulis data untuk parquet ketika bidang hilang dalam data dan skema yang disediakan pengguna menyatakan bidang tidak dapat diubah ke null.
  • Meningkatkan beberapa pustaka Python yang terinstal:
    • futures: dari 3.1.1 hingga 3.2.0
    • pandas: dari 0.18.1 hingga 0.19.2
    • pyarrow: dari 0.4.1 hingga 0.8.0
    • setuptools: dari 38.2.3 hingga 38.5.1
    • tornado: 4.5.2 hingga 4.5.3
  • Meningkatkan beberapa pustaka R yang dipasang. Lihat Pustaka R yang Diinstal.
  • AWS Java SDK yang ditingkatkan dari 1.11.126 menjadi 1.11.253.
  • Meningkatkan SQL Server driver JDBC dari 6.1.0.jre8 menjadi 6.2.2.jre8.
  • Meningkatkan PostgreSQL driver JDBC dari 9.4-1204-jdbc41 ke 42.1.4.

Apache Spark

Databricks Runtime 4.0 menyertakan Apache Spark 2.3.0.

Core, PySpark, dan Spark SQL

Fitur Utama

  • Vectorized ORC Reader: [SPARK-16060]: Menambahkan dukungan untuk pembaca ORC baru yang secara substansial meningkatkan throughput pemindaian ORC melalui vektorisasi (2-5x). Untuk mengaktifkan pembaca, pengguna dapat mengatur spark.sql.orc.impl ke native.
  • Spark History Server V2: [SPARK-18085]: Backend spark history server (SHS) baru yang menyediakan skalabilitas yang lebih baik untuk aplikasi skala besar dengan mekanisme penyimpanan peristiwa yang lebih efisien.
  • Data source API V2: [SPARK-15689][SPARK-22386]: API eksperimental untuk memasukkan sumber data baru di Spark. API baru mencoba untuk mengatasi beberapa keterbatasan API V1 dan bertujuan untuk memfasilitasi pengembangan berkinerja tinggi, mudah dipelihara, dan sumber data eksternal yang dapat diperluas. API ini masih mengalami pengembangan aktif dan perubahan besar diharapkan.
  • PySpark Performance Enhancements: [SPARK-22216][SPARK-21187]: Peningkatan signifikan dalam kinerja dan interoperabilitas Python dengan serialisasi data cepat dan eksekusi vektor.

Performa dan Stabilitas

Perubahan penting lainnya

Streaming Terstruktur

Pemrosesan Berkelanjutan

  • Mesin eksekusi baru yang dapat menjalankan kueri streaming dengan latensi end-to-end sub-milidetik dengan hanya mengubah satu baris kode pengguna. Untuk mempelajari lebih lanjut, lihat panduan pemrograman.

Aliran-Aliran Gabungan

  • Kemampuan untuk menggabungkan dua aliran data, baris buffering sampai tuples yang cocok tiba di aliran lain. Predikat dapat digunakan terhadap kolom waktu peristiwa untuk membatasi jumlah status yang perlu dipertahankan.

API Streaming V2

  • API eksperimental untuk memasukkan sumber dan sink baru yang berfungsi untuk batch, batch mikro, dan eksekusi berkelanjutan. API ini masih menjalani pengembangan aktif, dan perubahan besar diharapkan.

MLlib

Highlights

  • Prediksi ML saat ini berfungsi dengan Streaming Terstruktur, menggunakan API yang diperbarui. Detail mengikuti.

API baru dan peningkatan

  • [SPARK-21866]: Dukungan bawaan untuk membaca gambar menjadi DataFrame (Scala/Java/Python).
  • [SPARK-19634]: Fungsi DataFrame untuk statistik ringkasan deskriptif atas kolom vektor (Scala/Java).
  • [SPARK-14516]: ClusteringEvaluator untuk tuning kluster algoritma, mendukung siluet Cosine dan kuadrat SIluet Euclidean metrik (Scala /Java/Python).
  • [SPARK-3181]: Regresi linier yang kuat dengan kehilangan Huber (Scala/Java/Python).
  • [SPARK-13969]: FeatureHashertransformator (Scala/Java/Python).
  • Dukungan beberapa kolom untuk beberapa transformator fitur:
  • [SPARK-21633] dan SPARK-21542]: Peningkatan dukungan untuk komponen alur kustom di Python.

Fitur baru

  • [SPARK-21087]: CrossValidatordanTrainValidationSplit dapat mengumpulkan semua model saat mencocokkan (Scala/Java). Ini memungkinkan Anda memeriksa atau menyimpan semua model yang cocok.
  • [SPARK-19357]: Meta-algoritma CrossValidator, TrainValidationSplit,OneVsRest mendukung Param paralelisme untuk mencocokkan beberapa sub-model dalam pekerjaan Spark paralel.
  • [SPARK-17139]: Ringkasan model untuk regresi logistik multinomial (Scala/Java/Python)
  • [SPARK-18710]: Tambahkan offset di GLM.
  • [SPARK-20199]: Menambahkan featureSubsetStrategy ke Param GBTClassifier dan GBTRegressor. Menggunakan fitur ini untuk subsample dapat meningkatkan kecepatan pelatihan secara signifikan; opsi ini telah menjadi kekuatan utamaxgboost.

Perubahan penting lainnya

  • [SPARK-22156]: Perbaikan Word2Vectingkat pembelajaran penskalaan dengan num perulangan. Tingkat pembelajaran baru diatur agar sesuai dengan kode C asli Word2Vec dan harus memberikan hasil yang lebih baik dari pelatihan.
  • [SPARK-22289]: Tambahkan JSONdukungan untuk parameter Matrix (Ini memperbaiki bug untuk persistensi ML LogisticRegressionModel saat menggunakan batas pada koefisien.)
  • [SPARK-22700]: Bucketizer.transform kesalahan menjatuhkan baris yang berisi NaN. Ketika Param handleInvalid diatur ke "lompati" Bucketizer akan menjatuhkan baris dengan nilai yang valid di kolom input jika kolom lain (tidak relevan) memiliki NaN nilai.
  • [SPARK-22446]: Pengoptimalan katalis terkadang menyebabkan StringIndexerModel kesalahan “Label tak terlihat” kecuali ketika handleInvalid diatur ke “kesalahan.” Ini bisa terjadi untuk data yang difilter, karena predikat push-down, menyebabkan kesalahan bahkan setelah baris yang tidak valid telah difilter dari himpunan data input.
  • [SPARK-21681]: Memperbaiki bug kasus tepi dalam regresi logistik multinomial yang mengakibatkan kesalahan koefisien ketika beberapa fitur memiliki varian nol.
  • Pengoptimalan utama:
    • [SPARK-22707]: Mengurangi konsumsi memori untuk CrossValidator.
    • [SPARK-22949]: Mengurangi konsumsi memori untuk TrainValidationSplit.
    • [SPARK-21690]: Imputer harus berlatih menggunakan akses tunggal di atas data.
    • [SPARK-14371]: OnlineLDAOptimizer menghindari pengumpulan statistik ke driver untuk setiap batch mini.

SparkR

Fokus utama SparkR dalam rilis 2.3.0 adalah meningkatkan stabilitas UDFs dan menambahkan beberapa pembungkus SparkR baru di sekitar API yang ada:

Fitur Utama

GraphX

Optimasi

  • [SPARK-5484]: Pregel saat ini pemeriksa titik secara berkala untuk menghindari StackOverflowErrors.
  • [SPARK-21491]: Peningkatan kinerja kecil di beberapa tempat.

Penghentian

Python

  • [SPARK-23122]: Penghentian register* untuk UDFs di dalam SQLContext dan Catalog di PySpark

MLlib

  • [SPARK-13030]: OneHotEncoder tidak digunakan lagi dan akan dihapus di 3.0. Sudah diganti yang baru OneHotEncoderEstimator. OneHotEncoderEstimator akan berganti nama menjadi OneHotEncoder di 3.0 (tetapi OneHotEncoderEstimator akan disimpan sebagai alias).

Perubahan perilaku

SparkSQL

  • [SPARK-22036]: Secara default operasi aritmatika antara desimal mengembalikan nilai bulat jika representasi yang tepat tidak memungkinkan (alih-alih kembali NULL dalam versi sebelumnya)
  • [SPARK-22937]: Ketika semua input bersifat biner, SQL elt() mengembalikan output sebagai biner. Jika tidak, akan kembali sebagai string. Dalam versi sebelumnya, selalu dikembalikan sebagai string terlepas dari jenis input.
  • [SPARK-22895]: Predikat deterministik Join/Filter yang setelah predikat non-deterministik pertama juga didorong ke bawah/melalui operator turunan, jika memungkinkan. Pada versi sebelumnya, filter ini tidak memenuhi syarat untuk penekanan predikat.
  • [SPARK-22771]: Ketika semua input bersifat biner, SQL functions.concat() mengembalikan output sebagai biner. Jika tidak, akan kembali sebagai string. Dalam versi sebelumnya, selalu dikembalikan sebagai string terlepas dari jenis input.
  • [SPARK-22489]: Ketika salah satu sisi gabungan dapat disiarkan, kami lebih suka menyiarkan tabel yang ditentukan secara eksplisit dalam petunjuk siaran.
  • [SPARK-22165]: Inferensi kolom partisi sebelumnya menemukan kesalahan umum untuk jenis yang disimpulkan berbeda. Misalnya, sebelumnya berakhir dengan double tipe sebagai tipe umum untuk double jenis dan date tipe. Sekarang ia menemukan jenis umum yang benar untuk konflik semacam itu. Untuk mengetahui detailnya, lihat panduan migrasi.
  • [SPARK-22100]: Fungsi percentile_approxsebelumnya menerima numeric jenis input dan output double jenis yang dihasilkan. Sekarang mendukung date jenis, tipe dan timestampnumeric jenis sebagai tipe input. Jenis hasil juga diubah menjadi sama dengan jenis input, yang lebih masuk akal untuk persentil.
  • [SPARK-21610]: kueri dari file JSON/CSV mentah tidak diizinkan ketika kolom referensi hanya menyertakan kolom catatan rusak internal (dinamai _corrupt_record secara default). Sebagai gantinya, Anda dapat menyimpan cache atau menyimpan hasil yang diurai dan kemudian mengirim kueri yang sama.
  • [SPARK-23421]: Sejak Spark 2.2.1 dan 2.3.0, skema selalu disimpulkan saat runtime ketika tabel sumber data memiliki kolom yang ada di skema partisi dan skema data. Skema yang disimpulkan tidak memiliki kolom yang dipartisi. Saat membaca tabel, Spark mematuhi nilai partisi kolom yang tumpang tindih ini, bukan nilai yang disimpan dalam file sumber data. Dalam rilis 2.2.0 dan 2.1.x, skema yang disimpulkan dipartisi namun data tabel tidak terlihat oleh pengguna (yaitu, set hasil kosong).

PySpark

  • [SPARK-19732]: na.fill() atau fillna juga menerima boolean dan mengganti null dengan booleans. Dalam versi Spark sebelumnya, PySpark mengabaikannya dan mengembalikan Dataset/DataFrame asli.
  • [SPARK-22395]: pandas 0.19.2 atau lebih tinggi diperlukan untuk menggunakan fungsi terkait pandas, sepertitoPandas, createDataFrame dari pandas DataFrame, dll.
  • [SPARK-22395]: Perilaku nilai stempel waktu untuk fungsi terkait pandas diubah untuk mematuhi sesi zona waktu, yang diabaikan dalam versi sebelumnya.
  • [SPARK-23328]: df.replace tidak mengizinkan untuk menghilangkanvalue ketika to_replace bukan merupakan kamus. Sebelumnya, value dapat dihilangkan dalam kasus lain dan secara None default, yang kontra-intuitif dan rawan kesalahan.

MLlib

  • Perubahan Besar API: Hierarki kelas dan sifat untuk ringkasan model regresi logistik diubah menjadi lebih bersih dan mengakomodasi penambahan ringkasan multi-kelas dengan lebih baik. Ini adalah perubahan besar untuk kode pengguna yang melemparkan a LogisticRegressionTrainingSummary ke aBinaryLogisticRegressionTrainingSummary. Pengguna harus menggunakan model.binarySummary metode ini. Lihat [SPARK-17139]: untuk detail lebih lanjut (perhatikan ini adalah @Experimental API). Ini tidak mempengaruhi metode ringkasan Python, yang masih akan bekerja dengan benar untuk kasus multinomial dan biner.
  • [SPARK-21806]: BinaryClassificationMetrics.pr(): poin pertama (0.0, 1.0) menyesatkan dan telah digantikan oleh (0.0, p) di mana presisi p cocok dengan titik penarikan terendah.
  • [SPARK-16957]: Pohon keputusan saat ini menggunakan titik tengah tertimbang ketika memilih nilai split. Hal ini dapat mengubah hasil dari pelatihan model.
  • [SPARK-14657]: RFormulatanpa intersepsi sekarang output kategori referensi mengkodekan istilah string, agar sesuai dengan perilaku R asli. Hal ini dapat mengubah hasil dari pelatihan model.
  • [SPARK-21027]: Paralelisme default yang digunakan OneVsRest saat ini disetel ke 1 (yaitu serial). Pada versi 2.2 dan versi sebelumnya, tingkat paralelisme diatur ke ukuran threadpool default pada Scala. Hal ini dapat mengubah kinerja.
  • [SPARK-21523]: Breeze yang ditingkatkan menjadi 0.13.2. Ini termasuk perbaikan bug penting dalam pencarian garis Wolfe yang kuat untuk L-BFGS.
  • [SPARK-15526]: Dependensi JPMML sekarang berbayang.
  • Lihat juga bagian "Perbaikan bug" untuk perubahan perilaku yang dihasilkan dari memperbaiki bug.

Masalah umum

  • [SPARK-23523][SQL]: Hasil yang salah dikarenakan oleh aturan OptimizeMetadataOnlyQuery.
  • [SPARK-23406] Bug pada aliran-aliran swa-gabungan.

Pembaruan pemeliharaan

Lihat Pembaruan pemeliharaan Databricks Runtime 4.0.

Lingkungan sistem

  • Sistem Operasi: Ubuntu 16.04.4 LTS
  • Java: 1.8.0_151
  • Scala: 2.11.8
  • Python: 2.7.12 (atau 3.5.2 jika menggunakan Python 3)
  • R: R versi 3.4.3 (30-11-2017)
  • Kluster GPU: Pustaka GPU NVIDIA berikut diinstal:
    • Driver Tesla 375.66
    • CUDA 8.0
    • CUDNN 6.0

Pustaka Python yang diinstal

Pustaka Versi Pustaka Versi Pustaka Versi
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
cryptography 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 futures 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=4.8.0 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
permintaan 2.11.1 s3transfer 0.1.9 scikit-learn 0.18.1
scipy 0.18.1 scour 0,32 seaborn 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=5.0.5 4.3.0 urllib3 1.19.1
virtualenv 15.0.1 wcwidth 0.1.7 wheel 0.30.0
wsgiref 0.1.2

Pustaka R yang dipasang

Pustaka Versi Pustaka Versi Pustaka Versi
abind 1.4-5 assertthat 0.2.0 backports 1.1.1
dasar 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 boot 1.3-20
brew 1.0-6 broom 0.4.3 car 2.1-6
caret 6.0-77 chron 2.3-51 kelas 7.3-14
klaster 2.0.6 codetools 0.2-15 colorspace 1.3-2
commonmark 1.4 compiler 3.4.3 crayon 1.3.4
curl 3.0 CVST 0.2-1 data.table 1.10.4-3
datasets 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 digest 0.6.12 dimRed 0.1.0
doMC 1.3.4 dplyr 0.7.4 DRR 0.0.2
foreach 1.4.3 foreign 0.8-69 gbm 2.1.3
ggplot2 2.2.1 git2r 0.19.0 glmnet 2.0-13
glue 1.2.0 gower 0.1.2 graphics 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
iterators 1.0.8 jsonlite 1.5 kernlab 0.9-25
KernSmooth 2.23-15 labeling 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 Peta 3.2.0 MASS 7.3-48
Matrix 1.2-11 MatrixModels 0.4-1 memoise 1.1.0
methods 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 praise 1.0.0 pROC 1.10.0
prodlim 1.6.1 proto 1.0.0 psych 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
recipes 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 scales 0.5.0
sfsmisc 1.1-1 sp 1.2-5 SparkR 2.3.0
SparseM 1.77 spatial 7.3-11 splines 3.4.3
sqldf 0.4-11 statmod 1.4.30 stats 3.4.3
stats4 3.4.3 stringi 1.1.6 stringr 1.2.0
survival 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 alat 3.4.3
utils 3.4.3 viridisLite 0.2.0 whisker 0.3-2
withr 2.1.0 xml2 1.1.1

Pustaka Java dan Scala yang dipasang(versi kluster Scala 2.11)

ID Grup ID Artefak Versi
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 stream 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 inti 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 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 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 collector 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 tidak digunakan 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