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
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
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
860
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
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
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
595
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
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
332
1.08 K