Spark Engine 2.4
| Komponente | 2.4-dataproc-16 | 2.4-dataproc-15 | 2.4-dataproc-14 | 2.4-dataproc-13 |
|---|---|---|---|---|
| Apache Spark | 2.4.8 | 2.4.8 | 2.4.8 | 2.4.8 |
| Hadoop-Bibliotheken | 2.10.2 | 2.10.2 | 2.10.2 | 2.10.2 |
| Cloud Storage-Connector | hadoop2-2.1.9 | hadoop2-2.1.9 | hadoop2-2.1.9 | hadoop2-2.1.9 |
| Java | 8 | 8 | 8 | 8 |
| Python | 3.7.4 | 3.7.4 | 3.7.4 | 3.7.4 |
| Conda | 4.7.12 | 22.11.1 | 22.11.1 | 22.1.0 |
| R | 3.6.3 | 3.6.3 | 3.6.3 | 3.6.3 |
Spark Engine 3.1
| Komponente | 3.1-dataproc-16 | 3.1-dataproc-15 | 3.1-dataproc-14 | 3.1-dataproc-13 |
|---|---|---|---|---|
| Apache Spark | 3.1.3 | 3.1.3 | 3.1.3 | 3.1.3 |
| Hadoop-Bibliotheken | 3.2.3 | 3.2.3 | 3.2.3 | 3.2.3 |
| Cloud Storage-Connector | hadoop3-2.2.13 | hadoop3-2.2.13 | hadoop3-2.2.11 | hadoop3-2.2.11 |
| Java | 8 | 8 | 8 | 8 |
| Python | 3.8.5 | 3.8.5 | 3.8.5 | 3.8.5 |
| Conda | 4.9.2 | 23.5.0 | 4.9.2 | 4.9.2 |
| R | 4.3.0 | 4.3.0 | 4.2.3 | 4.2.3 |
Eine voll qualifizierte Spark-Engine-Releaseversion wird so ausgedrückt: 2.4-dataproc-[NUMBER] oder 3.1-dataproc-[NUMBER], z. B. 2.4-dataproc-3 oder 3.1-dataproc-3.
Spark-Versionsformate können auch als Alias ausgedrückt werden, wie in den folgenden Beispielen gezeigt:
2– neueste Version der Spark-Engine mit der Spark-Hauptversion 22.4– Die neueste Version der Spark-Engine mit der Spark-Hauptversion 2.4.3: Die neueste Version der Spark-Engine mit der Spark-Hauptversion 3.3.1– neueste Version der Spark-Engine mit der Spark-Hauptversion 3.1.dataproc-1.5: Die neueste Version der Spark-Engine, die weitgehend mit den1.5-Images von Dataproc in Compute Engine übereinstimmt.dataproc-2.0: Die neueste Version der Spark-Engine, die weitgehend mit den2.0-Images von Dataproc in Compute Engine übereinstimmt.latest– Die neueste Version der Spark-Engine.