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
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
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~0369Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++097AI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。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 Jetson TX2开发板官方资源完全指南:从入门到精通 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 WebVideoDownloader:高效网页视频抓取工具全面使用指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
202
2.17 K

React Native鸿蒙化仓库
C++
208
285

Ascend Extension for PyTorch
Python
61
94

🎉 (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
977
575

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
9
1

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
550
83

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
1.02 K
399

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
393
27

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
1.2 K
133