Apache DataFusion 中 Duration 类型聚合性能优化实践
2025-05-31 17:33:18作者:房伟宁
背景介绍
Apache DataFusion 是一个用 Rust 编写的现代化查询引擎,它提供了高性能的 SQL 查询执行能力。在数据分析领域,处理时间间隔(Duration)类型的聚合操作是一个常见需求,特别是在分析系统响应时间、处理延迟等场景下。
问题发现
在 DataFusion 项目中,开发团队注意到现有的 AVG
聚合函数在处理 Duration 类型数据时存在性能瓶颈。具体表现为:
- 缺乏针对 Duration 类型的专门优化实现
- 现有基准测试中没有覆盖 Duration 类型的聚合场景
- 当需要对时间差进行平均值计算时,性能表现不理想
技术解决方案
团队提出了两个主要的技术改进方向:
1. 实现专门的 GroupsAccumulator 优化
通过为 Duration 类型实现专门的 GroupsAccumulator
,可以显著提高 AVG(duration)
操作的性能。这种优化利用了 Rust 的类型系统和 DataFusion 的执行框架,为特定数据类型提供定制化的聚合计算路径。
测试数据显示,优化后的实现在相同查询下性能提升了约 35%:
- 优化前:约 0.478 秒
- 优化后:约 0.306 秒
2. 添加基准测试用例
为了验证优化效果并防止性能回退,团队设计了两类基准测试查询:
简单分组查询
SELECT
"OS",
AVG(to_timestamp("ResponseEndTiming")-to_timestamp("ResponseStartTiming")) as avg_response_time,
AVG(to_timestamp("ResponseEndTiming")-to_timestamp("ConnectTiming")) as avg_latency
FROM 'hits_partitioned'
GROUP BY "OS"
ORDER BY avg_latency DESC
这类查询产生约 91 个分组,适合测试基础聚合性能。
复杂分组查询
SELECT
"RegionID",
"UserAgent",
"OS",
AVG(to_timestamp("EventTime") - '2013-07-01T20:00:00'::timestamp) as a_start,
AVG(to_timestamp("EventTime") - '2013-07-01T20:00:00'::timestamp) as a_end
FROM 'hits_partitioned'
GROUP BY "RegionID", "UserAgent", "OS"
ORDER BY a_start, a_end DESC
这类查询会产生更多分组(约 138,826 个),能够更好地测试系统在高基数分组下的聚合性能。
业务场景应用
这些优化特别适用于以下业务分析场景:
- 系统性能分析:计算不同操作系统(OS)的平均响应时间和延迟
- 用户行为分析:分析不同地区、用户代理组合的时间模式
- 服务质量监控:识别响应时间异常的区域-设备组合
例如,通过分析不同 OS 的响应时间差异,可以识别出性能问题:
+-----+-------------------------------------------+------------------------------------------+
| OS | avg_response_time | avg_latency |
+-----+-------------------------------------------+------------------------------------------+
| 103 | 0 days 0 hours 13 mins 47.509466437 secs | 0 days 0 hours 13 mins 47.509466437 secs |
| 74 | 0 days 0 hours 12 mins 51.287431013 secs | 0 days 0 hours 13 mins 47.184892702 secs |
| 49 | 0 days 0 hours 13 mins 9.107811258 secs | 0 days 0 hours 13 mins 42.811185779 secs |
...
技术实现要点
- Duration 类型处理:通过时间戳相减得到 Duration 类型
- 聚合优化:为 Duration 实现专门的累加器,避免通用实现的性能开销
- 基准测试设计:覆盖不同分组基数场景,确保优化效果可测量
总结
DataFusion 通过对 Duration 类型聚合的专门优化,显著提升了时间相关分析查询的性能。这一改进不仅体现在技术指标上,更能为实际业务分析提供更高效的支持。通过精心设计的基准测试,团队确保了优化效果的可靠性和可持续性。
这种针对特定数据类型的优化思路,也为 DataFusion 处理其他复杂数据类型提供了可借鉴的经验。随着越来越多的企业需要处理时间序列数据,这类优化将发挥越来越重要的作用。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (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 kernel ~ openGauss is an open source relational database management system
C++
129
182

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

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
595
57

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

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

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