使用Transport UDFs实现跨平台的高效函数库
2024-05-22 04:57:25作者:傅爽业Veleda
1、项目简介
Transport UDFs是一个框架,旨在提供高性能的用户自定义函数(UDFs),这些函数可以在包括Apache Spark、Apache Hive和Trino等多种引擎上无缝运行。不仅如此,Transport UDFs还能直接处理Apache Avro等数据序列化格式的数据。开发者只需要一次编写,Transport就会自动将其转换为针对各个目标引擎或格式的原生UDF版本。了解更多关于Transport的信息,请查阅LinkedIn的这篇工程博客。
2、项目技术分析
Transport UDFs基于Java实现,使用标准接口如StdUDF2
和抽象类来表达不同参数类型的UDF。例如,你可以看到在示例中MapFromTwoArraysFunction
如何通过继承StdUDF2
并实现StdArray
和StdMap
接口来创建一个从两个数组构建映射的函数。Transport负责将这些接口和抽象类翻译成特定引擎的数据类型和API。
核心功能:
- 跨引擎兼容性:支持Spark、Hive和Trino。
- 数据序列化:可以直接操作存储在Apache Avro中的数据。
- 统一的API:开发人员只需要实现一次逻辑,即可在多个平台上运行。
3、应用场景
- 数据仓库查询优化:在多引擎环境中无需重复编写相同的UDF。
- 数据清洗与转换:利用通用接口处理多种格式的数据。
- 分析与机器学习:可以方便地添加新算法作为UDF,应用于多种数据处理环境。
4、项目特点
- 可移植性:UDF在不同引擎间轻松迁移,无需代码重写。
- 性能优化:由于使用了引擎原生的数据类型和API,性能表现优秀。
- 易测试:提供统一的测试框架,覆盖多种执行平台。
- 文档丰富:详细的用户指南和开发者文档,帮助快速上手。
开始使用
要开始使用Transport UDFs,首先克隆项目,然后按照Readme指示进行构建。完成编译后,可以找到适用于各引擎的jar文件,并按照各自引擎的常规方法注册和使用UDF。
Transport UDFs项目积极欢迎贡献,无论你是想要添加新的通用UDF、扩展平台支持还是改进现有框架,都欢迎参与进来!
如有任何问题或讨论主题,可以通过电子邮件发送到transport-udfs@googlegroups.com。
该项目遵循BSD 2-Clause许可证,详情见LICENSE文件。
现在,让我们一起探索Transport UDFs的世界,释放你的数据处理潜能!
登录后查看全文
热门项目推荐
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- 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
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-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++0135AI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。03Spark-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。Python00Spark-Scilit-X1-13B
FLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.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).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
JavaWeb企业门户网站源码 - 企业级门户系统开发指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 WebVideoDownloader:高效网页视频抓取工具全面使用指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 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 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 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 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
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
231
2.32 K

仓颉编译器源码及 cjdb 调试工具。
C++
112
78

暂无简介
Dart
532
117

React Native鸿蒙化仓库
JavaScript
216
291

Ascend Extension for PyTorch
Python
76
106

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

🎉 (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
993
588

仓颉编程语言测试用例。
Cangjie
34
61

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
130
648