首页
/ Quokka:让数据湖为时间序列工作负载而生

Quokka:让数据湖为时间序列工作负载而生

2024-09-15 15:19:42作者:咎岭娴Homer

项目介绍

Quokka 是一个专为时间序列数据设计的高性能分布式查询引擎。它基于 Python 构建,集成了 DuckDB、Polars、Ray、Arrow、Redis 和 SQLGlot 等强大的技术组件。Quokka 的核心目标是让数据湖能够高效地处理时间序列数据,无论是复杂的窗口计算、时间序列连接,还是复杂的模式识别和自定义状态计算,Quokka 都能轻松应对。

项目技术分析

Quokka 采用了基于推送的分布式查询引擎架构,并结合了基于血统的容错机制。这种设计使得 Quokka 能够在处理大规模历史时间序列数据时,实现高效的流水线操作和 I/O 优化。Quokka 的数据流(DataStream)类似于 Spark 的 RDD,但不同的是,数据分区可以按顺序生成并立即消费,从而避免了 Spark 中所有分区必须同时存在的限制。

Quokka 的技术栈包括:

  • DuckDB:用于高效的 SQL 查询和关系代数计算。
  • Polars:提供快速的 DataFrame 操作。
  • Ray:用于任务调度和分布式计算。
  • Arrow:用于高效的数据 I/O。
  • Redis:用于血统记录和状态管理。
  • SQLGlot:用于 SQL 解析和优化。

项目及技术应用场景

Quokka 的应用场景非常广泛,特别适合需要处理大规模时间序列数据的领域,例如:

  • 高频交易回测:在几分钟内回测过去四年的高频交易策略。
  • 向量嵌入分析:轻松集成新的输入读取器,如 Lance 格式。
  • 极端特征工程:在 10,000 列数据上进行复杂的特征工程。
  • TPC-H 查询:在许多 TPC-H 查询中,Quokka 的性能远超 SparkSQL。

此外,Quokka 还支持复杂的模式识别、冰山订单检测和在线学习算法的回测等高级应用场景。

项目特点

Quokka 具有以下显著特点:

  1. 完全基于 Python:Quokka 的实现完全基于 Python,易于扩展和定制。
  2. 高效的流水线操作:通过数据分区的顺序生成和立即消费,实现高效的流水线操作。
  3. 强大的时间序列处理能力:支持复杂的时间序列操作,如窗口计算、时间序列连接和模式识别。
  4. 易于扩展:Quokka 的设计使得添加新的操作和用例变得非常简单,只需提交一个 GitHub 问题,开发者很可能会为你编写相应的操作符。
  5. 高性能:集成了多个高效的 C++/Rust 实现库,确保了卓越的性能。

快速开始

要开始使用 Quokka,首先需要安装 Redis 6.2 或更高版本,然后通过 pip 安装 pyquokka。Quokka 提供了一个类似于 Spark DataFrame API 的数据流 API,可以轻松地从 Polars DataFrame 创建数据流进行本地测试。

pip3 install pyquokka

更多详细信息和示例代码,请参考 Quokka 文档

结语

Quokka 是一个强大的工具,特别适合需要处理大规模时间序列数据的应用场景。无论你是数据科学家、量化分析师还是开发人员,Quokka 都能为你提供高效、灵活的解决方案。如果你对 Quokka 感兴趣,欢迎加入 Discord 社区 或通过 GitHub 提交问题和建议。让我们一起让数据湖为时间序列工作负载而生!

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
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
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (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
923
551
openHiTLSopenHiTLS
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
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8