首页
/ Apache Parquet二进制转十进制优化方案解析

Apache Parquet二进制转十进制优化方案解析

2025-07-03 09:28:58作者:胡唯隽

在Apache Parquet项目的parquet-mr模块中,DecimalUtils类负责处理Parquet格式中的十进制数值转换。其中binaryToDecimal方法实现了二进制数据到BigDecimal的转换逻辑,但现有实现存在可以优化的空间。

现有实现分析

当前方法根据精度(precision)分为两种处理路径:

  1. 当精度≤18时,使用long类型处理
  2. 当精度>18时,使用BigInteger处理

在精度≤18的情况下,代码会进行以下操作:

  • 将二进制数据转换为long类型的未缩放值(unscaled)
  • 对值进行位运算处理
  • 检查该值是否超出10^18范围
  • 根据检查结果选择不同的BigDecimal构造方式

优化点识别

经过分析发现两个关键优化点:

  1. 范围检查冗余:当精度≤18时,未缩放值不可能超过10^18范围,因此条件判断unscaledNew <= -pow(10, 18) || unscaledNew >= pow(10, 18)永远为false,可以移除。

  2. 构造方式优化:使用BigDecimal.valueOf(unscaledNew, scale)BigDecimal.valueOf(unscaledNew / pow(10, scale))更优,因为:

    • 避免了不必要的浮点运算
    • 防止了潜在的精度损失
    • 直接使用scale参数更符合BigDecimal的设计初衷

优化后实现

优化后的代码逻辑更加简洁高效:

if (precision <= 18) {
  ByteBuffer buffer = value.toByteBuffer();
  byte[] bytes = buffer.array();
  int start = buffer.arrayOffset() + buffer.position();
  int end = buffer.arrayOffset() + buffer.limit();
  long unscaled = 0L;
  for (int i = start; i < end; i++) {
    unscaled = (unscaled << 8) | (bytes[i] & 0xff);
  }
  int bits = 8 * (end - start);
  long unscaledNew = (unscaled << (64 - bits)) >>> (64 - bits);
  return BigDecimal.valueOf(unscaledNew, scale);
} else {
  return new BigDecimal(new BigInteger(value.getBytes()), scale);
}

性能影响

这种优化虽然看似微小,但在大规模数据处理时能带来以下好处:

  1. 减少不必要的条件判断
  2. 避免浮点运算开销
  3. 保持更高的数值精度
  4. 代码更加简洁易读

对于Parquet这种面向大数据存储的格式,即使是微小的性能优化,在TB/PB级数据处理时也能产生显著的性能提升。

总结

通过对Parquet二进制转十进制逻辑的优化,我们不仅简化了代码结构,还提高了处理效率和数值精度。这种优化体现了对数值处理细节的深入理解,也展示了在数据处理基础设施中追求极致性能的重要性。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
162
2.05 K
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
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
96
15
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
199
279
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16
Git4ResearchGit4Research
Git4Research旨在构建一个开放、包容、协作的研究社区,让更多人能够参与到科学研究中,共同推动知识的进步。
HTML
22
1
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0
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
950
557
risc-v64-naruto-pirisc-v64-naruto-pi
基于QEMU构建的RISC-V64 SOC,支持Linux,baremetal, RTOS等,适合用来学习Linux,后续还会添加大量的controller,实现无需实体开发板,即可学习Linux和RISC-V架构
C
19
5