Apache DataFusion 47.0.0 版本发布技术解析
Apache DataFusion 作为高性能查询执行框架,即将迎来47.0.0版本的发布。本次更新包含多项性能优化、功能增强和重要修复,为分布式查询处理带来了显著改进。
核心功能增强
在47.0.0版本中,开发团队重点优化了查询执行性能。通过重新设计过滤条件下推机制,系统现在能够更智能地识别和处理无操作表达式,如布尔值常量。虽然这一改进提升了整体性能,但需要注意它可能对某些缓存实现产生细微影响。
针对窗口函数处理,团队修复了last_value函数的回归问题,确保了窗口函数行为的稳定性。同时,对Decimal类型的比较操作进行了扩展,现在支持不同精度和小数位数的Decimal值之间的比较操作。
执行计划与优化器改进
新版本对执行计划的显示格式进行了调整,引入了TreeRender显示类型。这一变化要求所有自定义执行计划实现相应处理逻辑。物理表达式映射机制也有所改变,移除了map_partial_batch方法,简化了批处理映射流程。
在查询优化方面,47.0.0版本改进了连接操作的处理逻辑。现在明确将空连接条件视为错误情况,这一变化体现在LogicalPlanBuilder的join_on和join_detailed方法中。
数据源与格式支持
Parquet文件处理能力得到增强,移除了page_pruning_predicate的公共API接口。这一变化是内部重构的一部分,旨在简化Parquet数据源的实现。同时,团队正在评估是否在本版本中升级Arrow依赖至55版本,以获得改进的INT96支持。
用户自定义函数变更
47.0.0版本清理了ScalarUDFImpl中的废弃方法,移除了所有标记为过时的UDF调用接口。使用自定义函数的项目需要相应调整代码,迁移到新的API接口。
兼容性说明
本次更新包含多项破坏性变更,需要用户特别注意:
- 执行计划显示格式需要支持TreeRender类型
- 移除了SchemaMapper中的map_partial_batch方法
- Parquet数据源不再公开page_pruning_predicate接口
- 废弃的ScalarUDFImpl方法已被移除
- 空连接条件现在会触发错误
性能优化
47.0.0版本包含多项性能改进,特别是针对复杂查询的执行效率。团队优化了内存使用和CPU利用率,在TPC-H等基准测试中显示出显著的性能提升。
社区生态适配
DataFusion团队与多个下游项目密切合作,包括DataFusion Comet、Delta.rs、SailHQ和Parquet Viewer等,确保47.0.0版本的平滑升级。这些项目已经完成了兼容性测试,验证了新版本的稳定性。
升级建议
对于计划升级到47.0.0版本的用户,建议:
- 仔细阅读完整的升级指南
- 检查自定义执行计划的显示逻辑
- 更新使用废弃UDF API的代码
- 验证连接条件是否为空的情况
- 测试Parquet数据源相关功能
本次发布体现了DataFusion项目对性能、稳定性和易用性的持续追求,为分布式数据处理提供了更强大的基础能力。
- 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~044CommonUtilLibrary
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









