Apache Arrow DataFusion 中 Duration 类型聚合性能优化
背景介绍
Apache Arrow DataFusion 是一个高性能的查询引擎,它支持多种数据类型的聚合操作。在最新版本中,社区已经实现了对 Duration 类型(时间间隔类型)的基本 min/max 聚合功能支持。然而,当前的实现仅使用了较慢的 Accumulator 接口,而没有利用更高效的 GroupsAccumulator 接口。
技术现状
目前 DataFusion 中的 min/max 聚合操作针对 Duration 类型使用的是传统的 Accumulator 接口。这种实现方式虽然功能完整,但在处理大量分组数据时性能不够理想。GroupsAccumulator 接口是专门为分组聚合优化的高性能接口,能够显著提升大数据量下的聚合性能。
优化方案
要实现 Duration 类型的 GroupsAccumulator 优化,需要进行以下几个关键步骤:
-
类型支持扩展:在 min/max 聚合函数支持的类型列表中添加 Duration 类型。目前系统已经支持多种基本类型的 GroupsAccumulator 实现,需要将 Duration 类型加入这个支持列表。
-
Accumulator 实例化:在聚合函数的核心逻辑中,为 Duration 类型创建对应的 GroupsAccumulator 实例。这需要根据 Duration 的特性实现特定的比较和聚合逻辑。
-
测试验证:扩展现有的测试用例,增加针对 Duration 类型的 min/max 聚合测试,特别是多分组情况下的性能测试。
实现细节
在 SQL 中,Duration 类型可以通过时间戳相减得到。例如:
SELECT now() - ts, arrow_typeof(now() - ts) as arrow_type FROM foo;
这将产生一个 Duration(Nanosecond) 类型的结果。
在实现 GroupsAccumulator 时,需要考虑 Duration 类型的以下特性:
- Duration 可以有不同的时间单位(纳秒、微秒、毫秒、秒)
- 需要正确处理不同单位之间的比较和转换
- 需要考虑边界条件和特殊值处理
性能影响
使用 GroupsAccumulator 接口相比传统 Accumulator 接口可以带来显著的性能提升,特别是在以下场景:
- 数据量大的情况下
- 分组数量多的情况下
- 需要频繁执行聚合操作的场景
这种优化对于时间序列数据分析尤为重要,因为这类应用经常需要对时间间隔进行聚合统计。
总结
通过对 Duration 类型实现 GroupsAccumulator 接口,可以显著提升 DataFusion 在处理时间间隔聚合操作时的性能。这一优化不仅完善了系统功能,也为时间序列数据分析等场景提供了更好的性能支持。对于开发者而言,理解这种性能优化的原理和方法,也有助于在其他类型的聚合操作中应用类似的优化策略。
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- 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
GLM-V
GLM-4.5V and GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement LearningPython00ops-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++0107AI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).Dockerfile010
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









