首页
/ Daft项目v0.4.2版本发布:内存管理与查询优化能力升级

Daft项目v0.4.2版本发布:内存管理与查询优化能力升级

2025-06-17 12:04:27作者:霍妲思

Daft是一个开源的分布式数据框架,专注于为大规模数据处理提供高性能和易用性。该项目采用Rust编写核心组件,并通过Python提供友好的用户接口,在数据加载、转换和分析等场景展现出卓越的性能表现。

核心功能增强

本次发布的v0.4.2版本在内存管理和查询优化方面带来了多项重要改进。其中最具代表性的是新增的"swordfish"内存管理器功能,该系统能够更精细地控制内存使用,特别是在复杂查询场景下,有效避免了内存溢出问题。内存管理器会跟踪未来轮询时间,为查询执行计划分析提供更准确的数据支持。

在查询优化器方面,团队引入了连接重排序(join reordering)作为新的优化规则。这项技术能够自动调整多表连接操作的执行顺序,显著降低中间结果集的大小,从而提升整体查询性能。同时,优化器现在支持为反半连接(anti semi join)的任意一侧构建探测表,进一步扩展了优化器的适用场景。

数据扫描与IO改进

新版本对Parquet文件的扫描任务处理机制进行了重构。团队实现了一个全新模块专门用于拆分Parquet扫描任务,并提供了配置标志位让用户可以选择使用新的扫描任务拆分算法。这些改进使得系统在处理大型Parquet文件时能够更合理地分配计算资源,提高并行处理效率。

在IO方面,项目增强了对PyIceberg的支持,新增了对自定义IOConfig和更多IO属性的配置能力。同时扩展了URL上传功能,现在可以支持行特定的URL处理,为需要细粒度控制数据加载的场景提供了更多灵活性。

API功能扩展

DataFrame API现在完整支持了集合操作,包括INTERSECT ALL、EXCEPT DISTINCT和EXCEPT ALL等操作符。这些扩展使得用户能够更方便地实现复杂的数据比对和差异分析需求。

对于数据连接(connect)功能,新增了printSchema方法,方便开发者快速查看数据模式,提升了开发调试的便利性。

性能优化与稳定性提升

在性能测试方面,团队改进了TPC-DS和TPC-H基准测试结果的可视化展示,使得性能对比更加直观。同时修复了GCS URL中特殊字符处理的问题,增强了与Google云存储的兼容性。

在依赖管理方面,项目升级了PyO3到0.23版本,并更新了相关测试依赖。这些底层依赖的更新为项目带来了更好的稳定性和兼容性保证。

总体而言,Daft v0.4.2版本在内存管理、查询优化和功能完备性方面都取得了显著进步,为处理大规模数据工作负载提供了更强大、更可靠的基础设施支持。

登录后查看全文
热门项目推荐
相关项目推荐

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