Apache DataFusion 排序执行中的 Tokio 阻塞线程优化
在 Apache DataFusion 项目中,SortExec 操作在处理大数据量时会将中间结果溢出(spill)到磁盘文件。当可用内存较少时,系统可能会生成大量溢出文件,这会导致 Tokio 运行时创建过多的阻塞线程,进而引发系统资源耗尽的问题。
问题的核心在于 SortExec 的合并(merge)阶段。当需要合并大量溢出文件时,每个文件都会被包装成一个由阻塞线程支持的流。例如,当有183个溢出文件需要合并时,系统会创建至少183个阻塞线程。这种设计在资源受限的环境下(如Comet运行时)会导致线程饥饿,使查询操作"挂起"。
针对这一问题,社区提出了多级合并的解决方案。传统的单级合并方式会一次性尝试合并所有溢出文件,而改进后的方案采用分阶段合并策略:
- 首先将大量溢出文件分组进行初步合并(例如将183个文件分成约18组,每组合并10个文件)
- 然后对初步合并后的结果文件进行最终合并
这种方案虽然会增加约一倍的I/O操作(因为每个数据行需要被读写两次),但能有效控制并发线程数量。更重要的是,初步合并阶段可以并行执行,充分利用系统资源。
该优化不仅适用于SortExec操作,同样适用于使用SortPreservingMergeStream的其他操作,如AggregateExec的row_hash聚合。这提示我们可以考虑将排序和哈希操作的溢出处理统一到相同的代码路径中,便于集中优化。
在实现层面,需要注意Tokio运行时对阻塞线程数量的隐式限制。虽然Tokio不直接暴露其配置的最大阻塞线程数,但在资源受限环境下(如Comet默认只配置10个阻塞线程),合理的并发控制尤为重要。
未来可能的优化方向包括预取(prefetch)机制的引入,以及更精细的I/O调度策略。同时,随着Comet运行时计划从"每个计划一个Tokio运行时"改为"每个执行器一个全局运行时",这种优化将变得更加重要。
这种多级合并策略代表了大数据处理中经典的"分而治之"思想,通过增加少量I/O开销换取系统稳定性和可扩展性的提升,是资源受限环境下处理大规模数据排序的有效解决方案。
- 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~052CommonUtilLibrary
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!C0331- 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









