首页
/ DataFusion Comet 0.7.0版本技术解析与核心改进

DataFusion Comet 0.7.0版本技术解析与核心改进

2025-07-08 01:26:56作者:贡沫苏Truman

DataFusion Comet作为Apache生态系统中一个高性能的查询执行引擎,专为Spark SQL设计,通过原生代码执行提供显著的性能提升。该项目基于Rust语言开发,充分利用了现代硬件特性,同时保持了与Spark生态系统的无缝集成。

性能优化与内存管理改进

0.7.0版本在内存管理方面做出了多项重要改进。首先,通过重构CometShuffleMemoryAllocator逻辑,简化了内存分配机制,移除了冗余配置项,使得内存使用更加高效。其次,PartitionBuffers不再拥有独立的MemoryConsumer,这一改变减少了内存开销并提高了整体稳定性。

在原生shuffle实现方面,该版本成功将内存开销降低了50%,这对于处理大规模数据集尤为重要。同时,修复了spilled_bytes指标计算问题,并减少了shuffle spill文件数量,这些改进共同提升了shuffle阶段的可靠性和性能。

实验性功能增强

本版本显著增强了实验性原生扫描功能。针对native_datafusion和native_iceberg_compat两种扫描方式,开发团队进行了多项修复和改进:

  1. 简化了parquet_support.rs中的类型转换逻辑,使代码更加清晰
  2. 修复了单元测试失败问题,提高了稳定性
  3. 从ParquetFileMetrics和FileStreamMetrics中提取CometNativeScan指标
  4. 增加了对远程HDFS的支持,扩展了数据源兼容性

这些改进为将来将实验性功能转为正式功能奠定了基础。

函数支持与表达式扩展

0.7.0版本在SQL函数支持方面取得了进展:

  1. 新增IntegralDivide函数,提供整数除法运算能力
  2. 完整支持decimal到decimal的转换操作
  3. 增加了rpad字符串函数
  4. 实现了array_compact数组函数
  5. 加强了除法运算的溢出检查机制

这些新增函数进一步提升了与Spark SQL的兼容性,使更多现有查询能够直接利用Comet引擎执行。

稳定性与测试改进

开发团队在本版本中加强了测试覆盖率和稳定性:

  1. 将实验性原生扫描纳入CometReadBenchmark基准测试
  2. 为稳定性计划测试改进了文档说明
  3. 修复了Spark 3.5的测试兼容性问题
  4. 启用了native_datafusion和native_iceberg_compat的CI检查

这些工作确保了新功能的可靠性和一致性,为生产环境使用提供了更强保障。

依赖项升级

0.7.0版本同步更新了多个关键依赖:

  1. 升级至DataFusion 46.0.0正式版
  2. 采用Spark 3.5.4作为基础版本
  3. 更新protobuf至3.25.5
  4. 升级guava到33.2.1-jre

这些升级带来了上游项目的最新改进和安全修复,同时保持了良好的向后兼容性。

总结

DataFusion Comet 0.7.0版本在性能、功能和稳定性方面都取得了显著进步。特别是内存管理的优化和实验性原生扫描功能的增强,为后续版本的发展奠定了坚实基础。随着函数支持的不断完善和测试覆盖率的提高,该项目正逐步成为Spark生态系统中一个成熟的高性能替代执行引擎。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8