Apache Gluten 1.4.0-rc2 版本技术解析
Apache Gluten 是一个致力于为大数据计算引擎提供高性能执行能力的开源项目,它通过向量化执行引擎和列式内存格式等技术,显著提升了Spark等计算框架的处理性能。最新发布的1.4.0-rc2版本带来了多项重要改进和功能增强。
核心架构优化
本次版本在核心架构层面进行了多项重要改进。首先引入了全新的ConfigEntry配置系统,通过模块化的方式管理配置项,使得配置定义更加清晰和规范。这一改进不仅提升了代码的可维护性,还增强了配置项的类型安全性。
内存管理方面,版本优化了内存开销警告机制,修正了在默认Spark配置下可能出现的错误警告问题。同时增加了对全局堆外内存的精确统计能力,能够更好地跟踪C++层面的内存分配情况。
执行引擎增强
Velox后端在这个版本获得了显著的功能增强。新增了对CollectLimit算子的支持,优化了Range算子的实现,并改进了HashAggregate算子对null键的处理能力。部分投影(Partial Project)功能现在能够处理复杂类型,提升了查询执行的灵活性。
在连接操作方面,实现了无条件的BNLJ全外连接支持,扩展了连接场景的覆盖范围。窗口函数增加了溢出(spill)能力,并完善了相关指标统计,为大数据量窗口计算提供了更好的可靠性。
存储格式支持
存储格式兼容性方面取得了重要进展。新增了对Hive分桶表的写入支持,覆盖了Spark 3.4和3.5版本。Parquet格式读取增强了对加密文件的支持,当遇到加密文件时会自动回退到Spark原生实现。
Iceberg集成方面,实现了对等值删除(equality delete)和位置删除(positional delete)文件的支持,为Iceberg MOR(merge-on-read)表提供了完整的功能支持。Delta Lake方面增加了对删除向量(deletion vectors)的读取能力。
性能优化
性能优化是本版本的重点之一。通过优化数组排序、子字符串比较等核心操作的实现,显著提升了相关函数的执行效率。内存管理方面改进了本地SSD缓存的加载量子配置,默认调整为8MB以获得更好的IO性能。
查询计划优化器增加了对特定模式的重写能力,例如将多个聚合的联合重写为单一聚合,减少了不必要的计算开销。Velox后端的Shuffle读取器进行了内存分配优化,降低了内存碎片和分配开销。
稳定性与可靠性
版本在稳定性方面做了大量工作。修复了多种可能导致核心转储的场景,包括RSS推送分区数据过大时的空指针检查。完善了类型转换的验证逻辑,特别是十进制到时间戳等复杂转换场景。
错误处理机制得到增强,现在能够收集并记录更多的回退原因,帮助用户更好地理解执行计划未能原生化的原因。资源管理方面增加了阶段资源动态调整的能力,可以根据负载情况自动优化资源配置。
开发体验改进
开发者体验方面,项目改进了本地构建流程,支持在多种环境(包括openEuler 24.03 LTS)下构建Velox后端。Docker支持方面增加了ARM架构的静态/动态链接镜像构建能力。
测试框架增强了Iceberg测试支持,能够运行更多类型的Iceberg测试用例。新增了ActionsDAG可视化工具,帮助开发者更直观地理解查询计划结构。持续集成流程增加了日志收集和上传功能,便于问题诊断。
总结
Apache Gluten 1.4.0-rc2版本在功能、性能和稳定性方面都取得了显著进步。新版本不仅扩展了对多种存储格式和查询模式的支持,还通过精细化的优化提升了整体执行效率。特别值得关注的是对Iceberg和Delta Lake等现代数据湖格式的深度集成,使得Gluten能够更好地服务于云原生数据架构。随着这些改进的引入,Gluten正在成为大数据生态系统中越来越重要的高性能执行引擎选择。
- 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









