首页
/ 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 1.4.0 版本发布:多引擎统一加速框架的重大升级

2025-07-02 06:08:07作者:董宙帆

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_formatmake_date 函数,增强了时间序列数据处理能力
  • JSON 处理:新增 from_jsonjson_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_filtermap_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。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
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
858
511
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
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
258
298
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
93
15
Cangjie-ExamplesCangjie-Examples
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
HarmonyOS-ExamplesHarmonyOS-Examples
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
note-gennote-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4
CangjieCommunityCangjieCommunity
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
kernelkernel
deepin linux kernel
C
22
5