Apache Arrow-RS 53.1.0版本发布:性能优化与功能增强
2025-06-17 09:06:39作者:农烁颖Land
Apache Arrow-RS是Apache Arrow项目的Rust实现,它为大数据处理提供了高效的内存数据结构。Arrow的核心设计目标是实现不同系统间数据的零拷贝共享,特别适合数据分析、机器学习等场景。53.1.0版本带来了多项重要改进,包括性能优化、新功能添加和bug修复。
核心改进
性能优化
本次版本在多个方面进行了性能优化:
-
Parquet读取优化:针对包含null值的FIXED_LEN_BYTE_ARRAY列读取进行了专门优化,显著提升了处理效率。同时改进了
pad_nulls
函数在FixedLenByteArrayBuffer上的性能表现。 -
位操作加速:重构了
set_bits
函数的实现,避免了逐位设置的低效操作,改为批量处理,大幅提升了位操作性能。 -
十进制运算优化:改进了十进制精度溢出检查的实现,提高了相关运算的速度。
-
内存对齐处理:
ArrayData.align_buffers
现在支持递归地对齐结构体(Struct)数据类型及其子数据的缓冲区,这对于跨语言数据交换非常重要。
新功能
-
Union数组支持:
- 新增了
union_extract
内核函数,用于从Union数组中提取特定类型的数据 - 实现了UnionArray的
logical_nulls
方法 - 添加了
as_union
方法到AsArray
trait中
- 新增了
-
字符串处理增强:
- 为
StringViewArray
实现了正则表达式匹配功能 - 在
arrow_string::length
中添加了对BinaryView和Utf8View的支持 - 改进了
StringBuilder
,现在可以追加非连续字符串
- 为
-
Parquet元数据处理:
- 新增了
ParquetMetaDataBuilder
,提供了构建器风格的API来操作Parquet元数据 - 当统计信息中已知null计数为零时,会显式写入null计数
- 添加了验证32位CRC校验码的选项
- 新增了
-
类型转换增强:
- 支持在不同Duration类型之间进行转换
- 支持在Duration和所有数值类型之间进行转换
-
Flight SQL客户端:增加了对Catalog和Schema子命令的支持
重要修复
-
数据一致性修复:
- 修复了从Decimal到字典编码Decimal的转换中丢失精度和小数位数的问题
- 修正了IPC读取时对结构体数组长度不一致情况的处理
- 解决了字典ID在IPC中不被保留的问题
-
内存处理修复:
- 修复了BitIterator在获取长度时可能出现的panic问题
- 解决了StringViewBuilder在启用去重时未清除观察值的问题
-
边界条件处理:
- 当Parquet行组索引溢出i16时会正确报错
- 在JSON读取map类型时,如果值实际为null但模式定义为非nullable,现在会正确报错
开发者体验改进
-
API改进:
- 为
ByteView
添加了更好的文档、示例和构建器风格API - 为
SortOptions
添加了额外文档和构建器API - 新增了
take_arrays
工具函数用于从二维数组中获取条目
- 为
-
类型系统增强:
- 实现了
From<ScalarBuffer<T>>
和From<Vec<T>>
到Buffer
的转换 - 添加了
ARROW_VERSION
常量
- 实现了
-
依赖更新:
- 将lexical-core更新到1.0版本,解决了RUSTSEC-2023-0086安全问题
- 更新了chrono-tz到0.10版本
总结
Apache Arrow-RS 53.1.0版本在性能、功能和稳定性方面都有显著提升。特别是对Union类型的增强、Parquet处理的优化以及内存对齐的改进,使得这个版本成为数据处理工作流中更可靠和高效的选择。开发者现在可以更灵活地处理复杂数据类型,同时享受更好的性能表现。这些改进使得Rust在大数据生态系统中的地位更加稳固,为高性能数据分析应用提供了坚实基础。
登录后查看全文
热门项目推荐
- 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
1 freeCodeCamp音乐播放器项目中的函数调用问题解析2 freeCodeCamp论坛排行榜项目中的错误日志规范要求3 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析4 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析5 freeCodeCamp全栈开发课程中React实验项目的分类修正6 freeCodeCamp课程视频测验中的Tab键导航问题解析7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp博客页面工作坊中的断言方法优化建议
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 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 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows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