首页
/ 探秘Apache Gluten(Incubating):提升Spark SQL效率的利器

探秘Apache Gluten(Incubating):提升Spark SQL效率的利器

2024-08-10 15:00:12作者:翟江哲Frasier

Gluten Logo

Apache Gluten是一个创新项目,正在Apache孵化器中孵化,旨在通过将JVM上的SQL引擎执行转移到原生引擎来提升大数据处理的速度。如果你是追求极致性能的Spark SQL用户,那么Gluten就是你一直在寻找的那个"胶水",它能无缝集成Spark和高性能原生库,最大化数据处理效率。

一、项目简介

在大数据世界中,Apache Spark以其稳定性和可扩展性赢得了广泛的赞誉,尤其适合处理大规模数据集。然而,针对其性能优化的挑战日益凸显。尽管引入了如Whole Stage Code Generation等优化,单个操作器的性能提升已趋平缓。另一方面,像Clickhouse、Arrow和Velox这样的原生库,凭借其原生实现、列式存储和向量化处理,展示了超越JVM SQL引擎的强大性能,但它们仅支持单节点执行。

Apache Gluten由此应运而生,其核心目标是在不改变Spark SQL接口的情况下,利用Spark的分布式控制流,结合高性能原生库,通过Substrait计划转换和JNI接口实现计算密集型任务的下推,从而在保持Spark易用性的同时,大幅提升查询性能。

二、技术剖析

Gluten的设计原则是在尽可能保留Spark现有逻辑的基础上,把计算密集的部分交给原生代码处理。这一过程涉及以下关键步骤:

  1. 将Spark的物理执行计划转化为Substrait计划。
  2. 使用JNI调用传递Substrait计划到原生层。
  3. 在原生侧构建并执行原生运算符链。
  4. 利用Columnar Batch返回结果给Spark,使用Spark的Columnar API进行处理。

目前,Gluten支持Clickhouse和Velox作为后端,后者是由Meta开发的数据处理库,提供了高性能和可扩展的组件。未来,项目还计划支持更多性能优化工具。

三、应用场景

Gluten适用于任何期望提升Spark SQL处理速度的环境,无需更改现有的DataFrame API或SQL查询语法,只需要正确配置即可使用。例如,在数据仓库查询、实时分析、大规模ETL流程等场景中,Gluten都可以显著提高数据处理速度,减少等待时间。

四、项目亮点

  1. 无缝集成:Gluten与Spark完全兼容,只需简单的配置就能启用。
  2. 高性能:利用原生库的特性,如列式存储、向量化处理,大幅提升查询速度。
  3. 灵活扩展:易于切换不同的原生后端,并且支持更多的性能工具接入。
  4. 智能容错:具备回退机制,对不支持的操作,可以自动转回Spark原生执行。
  5. 监控优化:提供详细的度量指标,帮助识别性能瓶颈和错误。

五、如何开始

你可以选择使用预发布的jar包直接启动Spark Shell,或者从源码编译并自定义配置。具体操作指南,请参考项目文档。

六、加入社区

现在就加入Apache Gluten社区,一起探索大数据处理的新边界!无论是技术讨论、问题报告还是贡献代码,我们都非常欢迎你的参与。

让我们共同见证Gluten为大数据处理带来的革命性突破!

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
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
860
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
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
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
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
332
1.08 K