qsv 2.2.0版本发布:CSV数据处理工具的性能优化与新特性
qsv是一个高性能的CSV数据处理命令行工具,基于Rust语言开发。它提供了丰富的子命令来处理和分析CSV数据,包括统计、验证、转换、查询等操作。qsv特别注重性能优化,能够高效处理大型CSV文件,是数据工程师和分析师的得力助手。
核心性能优化
在2.2.0版本中,qsv对核心功能进行了多项性能优化:
-
统计命令(stats)优化:现在只对字符串类型计算长度统计,不再为数字类型计算长度,这一改变显著提升了处理速度。同时修复了统计缓存被不必要删除的问题,使得缓存机制更加可靠,特别是对于支持"智能缓存"的命令,现在能够实现近乎即时的缓存响应。
-
差异比较命令(diff)改进:修复了多个bug的同时保持了其极高的处理速度,使得CSV文件的差异比较更加准确和高效。
-
外部去重命令(extdedup)重构:现在真正实现了基于内存映射文件的磁盘哈希表支持,解决了之前仅在内存中处理去重的问题,能够更有效地处理大规模数据集。
新功能特性
-
动态枚举验证增强:validate命令新增了dynamicEnum自定义JSON Schema关键字列指定器支持。现在可以指定要验证的列(通过名称或基于0的列索引),而不再仅限于使用第一列。这一功能支持本地和远程查找文件,包括http/s、ckan和dathere URL方案。
-
JSON查询引擎升级:fetch、fetchpost和json命令现在使用最新的jaq引擎,通过预编译和缓存jaq过滤器,显著提升了JSON数据处理性能。
-
Polars引擎升级:将Polars引擎升级至py-polars 1.20.0和1.21.0版本,为sqlp、joinp、pivotp和count命令带来了性能提升。
其他改进
-
diff命令新增分隔符选项:增加了--delimiter"便利"选项,提高了使用灵活性。
-
slice命令增强:新增了对标准输入和snappy压缩文件的支持,扩展了数据处理场景。
-
依赖项优化:移除了foreach命令中未维护的local-encoding依赖,提升了代码稳定性。
-
Windows CI缓存:启用了Windows CI缓存,显著加快了持续集成测试速度。
问题修复
-
count命令修复:解决了有时Polars计数返回零的问题,现在当Polars计数返回零时会回退到常规CSV读取器计数。
-
diff命令修复:修正了名称到索引转换的问题。
-
统计缓存修复:解决了统计缓存被意外删除的问题。
qsv 2.2.0版本通过这些优化和改进,进一步巩固了其作为高性能CSV处理工具的地位,特别是在大数据量处理场景下表现更加出色。虽然目前该版本尚未在crates.io上发布(等待Polars 0.46.0的发布),但用户可以通过其他安装和更新选项获取这一版本。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0193- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
awesome-zig一个关于 Zig 优秀库及资源的协作列表。Makefile00