首页
/ Apache Arrow DataFusion 移除旧版数据源执行器的技术解析

Apache Arrow DataFusion 移除旧版数据源执行器的技术解析

2025-05-31 08:51:40作者:幸俭卉

Apache Arrow DataFusion 项目近期完成了一项重要的架构优化工作——移除了旧版的数据源执行器实现,包括 ParquetExec、AvroExec、CsvExec 和 JsonExec。这项变更标志着 DataFusion 向更统一、更现代化的执行引擎架构迈出了关键一步。

背景与动机

在 DataFusion 的早期版本中,每种数据源都有自己独立的执行器实现。这种设计虽然直观,但随着支持的格式增多,代码重复和维护成本也随之增加。DataFusion 46 版本引入了一个统一的 DataSourceExec 结构,旨在通过通用接口处理所有数据源类型。

随着新架构的稳定,旧版执行器被标记为"已弃用"。按照常规流程,这些代码本应保留多个版本周期以确保平稳过渡。但开发团队发现,由于测试用例已全面转向新实现,旧代码实际上处于"无人维护"状态,存在潜在的"代码腐化"风险。

技术实现细节

移除的旧版执行器包括:

  1. ParquetExec:原先专门处理 Parquet 格式文件的执行器
  2. AvroExec:处理 Avro 格式数据的专用执行器
  3. CsvExec:针对 CSV 文件的定制化执行器
  4. NDJsonExec:处理 JSON 行格式的执行器

新版的 DataSourceExec 通过统一的接口抽象了这些数据源的共性,同时通过特定的配置选项保留了对不同格式的特殊处理能力。这种设计显著减少了代码重复,提高了可维护性。

升级影响与建议

对于使用 DataFusion 47 及以上版本的用户,需要注意:

  1. 所有使用旧版执行器的代码都需要迁移到 DataSourceExec
  2. 新接口提供了更一致的配置方式和更丰富的功能
  3. 性能方面,新实现通常与旧版持平或有所提升

迁移过程通常只需少量代码调整,因为新版接口在设计时已考虑了向后兼容性。开发团队建议用户尽快完成迁移,以获得更好的稳定性和未来功能支持。

架构演进的意义

这项变更不仅是简单的代码清理,更反映了 DataFusion 项目在架构设计上的成熟:

  1. 从特定实现到通用抽象的演进
  2. 减少重复代码,提高可维护性
  3. 为未来支持更多数据源类型奠定基础
  4. 统一的执行路径有利于优化和性能调优

这种架构演进也使得 DataFusion 能够更灵活地适应各种数据处理场景,同时保持代码库的整洁和高效。对于开发者而言,统一的接口也降低了学习曲线和使用复杂度。

随着 DataFusion 在数据工程领域的应用日益广泛,这类架构优化工作将帮助项目保持技术领先地位,同时为用户提供更可靠、更高效的数据处理能力。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.97 K
kernelkernel
deepin linux kernel
C
22
6
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
486
37
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
315
10
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
191
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
991
395
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++
193
276
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
937
554
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)。
Python
75
69