YTsaurus Python SDK 0.13.23版本发布:增强数据处理与队列功能
2025-06-24 07:06:56作者:贡沫苏Truman
YTsaurus是一个分布式计算和存储系统,由Yandex开发并开源。它提供了强大的数据处理能力,能够处理PB级别的数据,支持MapReduce、SQL查询等多种计算模式。作为YTsaurus生态的重要组成部分,Python SDK为开发者提供了便捷的接口来与系统交互。
核心功能增强
数据处理优化
新版本在Parquet格式数据处理方面进行了重要改进,新增了min_batch_row_count
参数。这个参数允许开发者在导出数据为Parquet格式时,控制每个批次的最小行数。对于大规模数据处理场景,合理设置这个参数可以显著提高I/O效率,减少小文件数量,优化存储和后续处理性能。
操作规范定制
新增的patch_operation_spec
方法为开发者提供了更灵活的操作规范修改能力。在复杂的分布式计算任务中,经常需要根据运行时情况动态调整任务参数,这个方法使得这种调整变得更加方便和安全。
队列功能扩展
新版本显著增强了队列相关功能:
- 在CLI工具中新增了队列生产者方法,使得通过命令行操作队列变得更加便捷
- 增加了
trimmed_row_counts
参数,提供了更精细的队列数据管理能力 - 新增的
versioned_read_options
参数支持版本化读取,为需要数据一致性的场景提供了更好的支持
这些改进使得YTsaurus在消息队列场景下的能力更加全面,能够更好地支持实时数据处理和事件驱动架构。
开发者体验优化
调试与诊断
- 默认情况下不再将命令行写入started_by字段,保护了敏感信息
- CLI工具现在会显示原生库的版本信息,便于问题诊断和环境确认
- 改进了
generate_traceparent
功能的实现,使得分布式追踪更加可靠
兼容性改进
- 移除了对新版Python中
typing_extensions
模块的不必要导入,提高了代码的整洁度 - 增加了
ignore_type_mismatch
参数,为类型系统提供了更灵活的处理方式 - 改进了原生驱动配置,提高了系统稳定性
底层优化
- 改进了YSON格式处理,确保无效序列的转义处理与绑定实现一致
- 动态库的自动收集功能现在支持远程修补,提高了分布式环境下的灵活性
- 在并行上传过程中,现在会正确应用目标路径属性到临时对象,保证了数据一致性
技术价值
YTsaurus Python SDK 0.13.23版本的发布,在数据处理效率、队列功能完整性和开发者体验三个方面都带来了显著提升。特别是对Parquet格式处理的优化和队列功能的扩展,使得YTsaurus在大数据批处理和实时数据处理两个关键场景下的能力都得到了增强。
对于已经使用YTsaurus的企业用户,这个版本提供了更精细的资源控制能力;对于开发者,则带来了更友好的开发体验和更强大的调试工具。这些改进共同推动了YTsaurus作为企业级大数据平台的成熟度。
登录后查看全文
热门项目推荐
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0135AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00Spark-Scilit-X1-13B
FLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
231
2.32 K

仓颉编译器源码及 cjdb 调试工具。
C++
112
78

暂无简介
Dart
532
117

React Native鸿蒙化仓库
JavaScript
216
291

Ascend Extension for PyTorch
Python
76
106

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
9
1

🎉 (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
993
588

仓颉编程语言测试用例。
Cangjie
34
61

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
130
648