Gluten项目v1.4.0-rc1版本技术解析与核心特性解读
Gluten作为Apache孵化器项目,是一个专注于大数据查询加速的开源引擎。它通过将Spark SQL查询计划转换为本地执行代码,利用现代CPU架构和向量化执行技术,显著提升了大数据处理性能。最新发布的v1.4.0-rc1版本带来了多项重要改进和功能增强,本文将深入解析这些技术亮点。
核心技术改进
配置系统重构
本次版本对配置系统进行了全面重构,引入了ConfigEntry
机制来统一管理所有配置项。这一改进使得配置定义更加规范,避免了配置项散落在代码各处的问题。新系统将配置按功能模块划分,每个模块负责管理自己的配置项,提高了代码的可维护性和可扩展性。
内存管理优化
内存管理方面,v1.4.0-rc1版本引入了全局堆外内存管理API,允许Spark更精确地控制和管理Gluten使用的堆外内存。这一改进特别针对广播交换等内存密集型操作,通过统一的内存管理接口,避免了内存泄漏和过度分配问题。
执行引擎增强
执行引擎方面,Velox后端获得了多项重要更新:
- 支持了CollectLimit操作符,优化了结果集限制场景下的性能
- 改进了HashAggregate操作,现在能够正确传播ignoreNullKeys属性
- 增强了BNLJ(块嵌套循环连接)功能,支持无条件的全外连接
查询功能扩展
数据类型支持
新版本在数据类型支持方面取得了显著进展:
- 完善了Decimal与Timestamp类型间的转换处理
- 增加了Binary到String的转换支持
- 优化了复杂类型(如Array、Map)的处理逻辑
函数支持增强
函数库方面新增了多项重要功能:
- 支持了make_date函数,增强了日期处理能力
- 实现了array_append函数,完善了数组操作
- 优化了from_json和json_array_length等JSON处理函数
存储格式兼容性
文件格式支持
v1.4.0-rc1版本显著提升了与各种文件格式的兼容性:
- 支持加密Parquet文件的回退扫描机制
- 改进了Hive分桶表的写入兼容性
- 增强了Delta Lake格式的支持,包括删除向量读取功能
Iceberg集成
对Apache Iceberg的支持是本版本的重点之一:
- 实现了Iceberg等值删除文件的读取支持
- 增加了位置删除功能
- 完善了Merge-on-Read表的测试框架
性能优化
查询执行优化
性能方面,本版本包含多项关键优化:
- 改进了PartialProject规则,减少不必要的投影操作
- 优化了ColumnarBatch.select操作,避免不必要的向量扁平化
- 增强了本地SSD缓存,调整了默认加载量子大小
资源管理
资源管理方面引入了动态阶段资源调整功能:
- 支持根据工作负载动态调整阶段资源分配
- 提供了细粒度的内存回收控制
- 优化了shuffle过程中的内存使用
稳定性与可靠性
错误处理与回退机制
新版本增强了错误处理和回退机制:
- 改进了原生计划验证逻辑
- 提供了更全面的回退原因记录
- 优化了类型转换的验证过程
测试覆盖
测试方面取得了显著进展:
- 扩展了SQL查询测试套件
- 增加了对Spark 3.5的测试支持
- 完善了Iceberg和Hudi的集成测试
开发者体验
构建系统改进
构建系统方面进行了多项优化:
- 简化了依赖管理
- 支持在多种环境(包括openEuler)构建
- 提供了ARM架构的Docker镜像支持
调试工具
新增了多项开发者工具:
- 开发了将ActionsDAG转储为树状图的工具
- 增强了日志收集和分析能力
- 提供了更详细的性能指标
总结
Gluten v1.4.0-rc1版本在功能、性能和稳定性方面都取得了显著进步。新版本不仅扩展了SQL功能覆盖,还通过精细化的资源管理和优化算法提升了执行效率。特别值得注意的是对Iceberg和Delta Lake等现代数据格式的深度集成,使得Gluten能够更好地适应云原生数据湖场景。这些改进共同推动了Gluten作为Spark性能加速解决方案的成熟度,为大数据处理提供了更高效的选择。
- 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~042CommonUtilLibrary
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









