Daft v0.4.7 版本发布:增强数据编解码与目录管理能力
2025-06-17 01:07:22作者:郁楠烈Hubert
Daft 是一个高性能的分布式数据框架,专为大规模数据处理和分析而设计。它结合了现代数据处理的多种特性,包括分布式计算、高效的数据编解码以及灵活的数据目录管理。最新发布的 v0.4.7 版本带来了一系列功能增强和性能优化,特别是在数据编解码和目录管理方面有了显著提升。
核心功能增强
数据编解码能力扩展
新版本增加了对 deflate、gzip 和 zlib 格式的编码与解码支持。这些压缩格式在数据处理中非常常见,特别是在网络传输和存储优化场景中。通过内置这些编解码功能,Daft 现在能够更高效地处理压缩数据,减少存储空间占用和网络传输时间。
目录管理功能强化
目录(Catalog)管理是 Daft 的一个重要特性,v0.4.7 版本在这方面做了多项改进:
- 新增了创建表和创建命名空间的 DDL 操作,使得用户能够更灵活地组织和管理数据
- 增加了表 API 的追加(append)和覆盖(overwrite)操作,为数据更新提供了更多选择
- 扩展了 Catalog.from_pydict 方法的表源支持,使其能够处理更多类型的数据源
- 改进了表解析功能,现在支持在目录根级别解析表
这些改进使得 Daft 的数据组织和管理能力更加完善,为构建复杂的数据处理流程提供了更好的支持。
SQL 会话功能增强
新增了 'use' SQL 会话语句支持,这使得在多数据库环境下切换上下文变得更加方便。这一功能对于需要同时处理多个数据源的应用场景特别有用。
数学函数库扩充
v0.4.7 版本丰富了数学函数库,新增了以下几类函数:
- 双曲函数:sinh、cosh 和 tanh
- 数值计算函数:log1p 和 expm1,这些函数在数值稳定性方面有优势
- 三角函数扩展:增加了 csc 和 sec 函数
这些数学函数的加入使得 Daft 在科学计算和工程应用领域的能力进一步增强。
性能优化与问题修复
内存优化
针对 WARC 格式数据读取进行了内存消耗优化,并改进了内存估算机制。这一优化显著降低了处理大规模 WARC 数据时的内存占用,提高了处理效率。
重要问题修复
- 修复了 coalesce 函数在处理空值和超类型时的潜在崩溃问题
- 解决了 map.get 在空数据集上的异常问题
- 修正了写入 Lance 格式时在需要存储选项情况下的追加模式问题
- 改进了 GCS 客户端配置获取的可靠性,增加了重试机制
文档与开发者体验改进
新版本对文档进行了多项补充和完善:
- 增加了目录和会话相关的详细文档
- 新增了 Spark Connect 的文档页面
- 完善了函数模块的文档说明
- 提供了更详细的目录使用指南
在开发者体验方面,改进了构建流程,将仪表板(dashboard)资产纳入标准构建过程,简化了开发环境配置。
总结
Daft v0.4.7 版本在数据编解码、目录管理、数学计算等多个方面都有显著提升,同时解决了多个稳定性问题并优化了内存使用效率。这些改进使得 Daft 在处理大规模数据时更加高效和可靠,为数据工程师和分析师提供了更强大的工具。
登录后查看全文
热门项目推荐
相关项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
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~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
Jetson TX2开发板官方资源完全指南:从入门到精通 PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

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

React Native鸿蒙化仓库
C++
192
273

🎉 (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
923
551

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
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64

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
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8