Quokka:让数据湖为时间序列工作负载而生
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:
- 完全基于 Python:Quokka 的实现完全基于 Python,易于扩展和定制。
- 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。
- 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。
- 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。
- 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!
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
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~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI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。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-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).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









