Apache Gluten 1.4.0 版本发布:多引擎统一加速框架的重大升级
Apache Gluten 是一个开源的跨引擎大数据计算加速框架,它能够在 Apache Spark 等计算引擎上无缝集成多种高性能后端(如 Velox 和 ClickHouse),显著提升 SQL 查询性能。Gluten 通过统一的接口层,让用户无需修改现有 Spark 应用代码即可获得接近原生 C++ 引擎的执行效率。
近日,Apache Gluten 社区正式发布了 1.4.0 版本,这是该项目自进入 Apache 孵化器以来的一个重要里程碑。本次更新带来了多项关键改进和新特性,包括对最新 Spark 版本的支持、更多 SQL 函数的实现、查询优化增强以及稳定性提升等。下面我们将深入解析这个版本的核心技术亮点。
核心架构升级
1.4.0 版本在基础架构层面进行了多项重要改进:
首先是对 Spark 3.5.2 的全面支持,同时保持了对 Spark 3.2.2/3.3.1/3.4.4 的兼容性。这种多版本支持能力使得用户可以在不同 Spark 环境中灵活部署 Gluten。特别值得注意的是,Velox 后端代码库已更新至 2025 年 5 月 12 日的版本,带来了最新的性能优化和功能增强。
在内存管理方面,新版本修复了若干未跟踪内存导致的 OOM 问题,并引入了动态调整 Stage 资源配额的创新机制。通过 spark.gluten.auto.adjustStageResource.enabled
配置,系统能够根据查询执行情况智能调整资源分配,这在复杂查询场景下能显著提高集群资源利用率。
查询功能增强
SQL 功能覆盖度是衡量一个 SQL 加速框架成熟度的重要指标。1.4.0 版本新增了对多个关键 Spark 函数的支持:
- 日期处理函数:完整实现了
date_format
和make_date
函数,增强了时间序列数据处理能力 - JSON 处理:新增
from_json
和json_array_length
支持,完善了半结构化数据处理能力 - 字符串处理:增加了
btrim
函数,补齐了字符串处理功能集 - 数组操作:实现了
array_append
函数,增强了数组数据处理能力 - 映射操作:新增
map_filter
和map_concat
支持,完善了复杂类型处理能力
这些新增函数使得 Gluten 能够覆盖更广泛的实际业务场景,减少因功能缺失导致的回退到原生 Spark 执行的情况。
执行引擎优化
在查询执行层面,1.4.0 版本包含多项深度优化:
Join 操作方面,实现了 BNLJ(Block Nested Loop Join)全外连接支持,这对于某些特殊连接场景能够提供更好的性能。同时优化了 HashAggregate 操作,在可能的情况下传播 ignoreNullKeys 属性,减少不必要的空值处理开销。
Shuffle 子系统进行了重要改进,包括 RSS(Remote Shuffle Service)ShuffleReader 的优化和错误修复。与 Celeborn 0.5.4 和 Uniffle 0.9.2 的集成更加稳定,提高了大规模数据混洗的可靠性。
查询计划方面,重构了 RAS(Resource-Aware Scheduling)成本模型,使资源感知调度更加精准。新的成本模型不仅用于 RAS 调度器,也被传统的过渡计划器采用,统一了全局的成本评估逻辑。
生态系统集成
1.4.0 版本加强了对大数据生态系统的集成支持:
在数据湖支持方面,测试框架新增了对 Iceberg 和 Hudi 的验证,确保 Gluten 能够与这些流行的表格式良好协作。特别是实现了 Iceberg 的 MOR(Merge-On-Read)表支持,包括对 equality 删除和 position 删除的处理能力。
对于 Delta Lake,新增了 DeltaOptimizedWriterTransformer 和 DeltaFilterExecTransformer 的下推规则,优化了 Delta 表的写入和读取性能。同时实现了对 Delta 删除向量的读取支持,完善了对 Delta 表更新操作的处理能力。
开发者体验改进
本次更新在开发者体验方面也有显著提升:
新增的 Qualification Tool 帮助用户评估工作负载是否适合使用 Gluten 加速,降低了采用门槛。查询追踪功能的引入使得性能分析更加便捷,开发者可以更直观地了解查询执行的细节。
在测试方面,CI 系统进行了全面升级,包括 Docker 镜像和 JDK 版本的更新。新增了 Spark 3.4 在 JDK8 和 Spark 3.5 在 JDK17 的测试矩阵,确保跨环境的兼容性。日志收集机制的改进也使得问题诊断更加高效。
性能与稳定性
除了功能增强,1.4.0 版本在性能和稳定性方面也有显著提升:
内存管理方面,通过新的 API 实现了对 C++ 端未跟踪内存的精确统计和管控,减少了 OOM 风险。Velox 后端的本地 SSD 缓存默认加载量子调整为 8MB,优化了 IO 密集型工作负载的性能。
针对特定操作符如 array_sort 和 str_to_map 进行了深度优化,在大数据量场景下可获得显著的性能提升。Bloom 过滤器支持下推到行组级别,减少了不必要的 IO 操作。
总结
Apache Gluten 1.4.0 版本标志着该项目在功能完备性、性能优化和生态系统集成方面都达到了新的高度。通过支持更多 Spark 函数、优化核心执行引擎、增强与流行数据格式的集成,以及改进开发者工具,Gluten 正在成为一个更加成熟和强大的大数据计算加速解决方案。
对于现有用户,升级到 1.4.0 版本可以获得更好的性能、更丰富的功能支持和更稳定的运行体验。对于新用户,现在正是评估采用 Gluten 的良好时机,特别是那些运行在 Spark 3.4 或 3.5 环境中的用户,可以从这个版本中获得最全面的支持。
- 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!C0298- 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









