首页
/ Apache Arrow-RS 55.1.0版本发布:性能优化与功能增强

Apache Arrow-RS 55.1.0版本发布:性能优化与功能增强

2025-06-16 02:46:04作者:仰钰奇

Apache Arrow-RS是Apache Arrow项目的Rust实现,它为Rust开发者提供了高性能的内存数据结构,特别适合处理大规模数据分析和数据科学任务。Arrow的核心设计目标是实现不同系统之间的高效数据交换,同时提供列式内存布局以优化分析性能。

主要功能改进

性能优化

本次版本在多个关键路径上进行了性能优化:

  1. take_bytes函数性能提升:通过预先计算容量,实现了35%-69%的性能提升。这个函数在处理字节数组切片时非常关键,优化后能显著减少内存分配和拷贝操作。

  2. interleave_primitive和interleave_bytes函数优化:分别获得了15%-45%和10%-25%的性能提升。这些函数用于交错排列原始类型和字节数据,在数据重组场景中非常有用。

  3. Parquet读取性能改进:特别针对int8/int16类型数据的读取进行了优化,这对于处理大量小型整数数据非常有利。

数据结构增强

  1. StructArray构建改进:重构了Struct::try_new方法,不再默认将结构体数组长度设为0,这提供了更明确的API行为,避免了潜在的混淆。

  2. ScalarBuffer和OffsetBuffer功能扩展

    • 为ScalarBuffer实现了Eq和Default trait
    • 为OffsetBuffer实现了Eq trait
    • 这些改进使得这些缓冲区类型更容易在Rust生态中使用,特别是需要比较或默认初始化时
  3. OffsetSizeTrait新增功能:添加了获取最大usize值的能力,这对于处理大型数据集时的范围检查非常有用。

Parquet格式支持

  1. 加密支持增强

    • 新增了对列索引和偏移量索引的解密支持
    • 支持写入带有明文页脚的加密Parquet文件
    • 添加了读取加密Parquet文件时的页脚标签验证
  2. 类型支持扩展

    • 支持Arrow的Dictionary类型与Parquet的FixedSizeBinary值类型之间的转换
    • 支持Arrow的Duration类型与Parquet之间的双向转换
  3. 行过滤和投影:增强了行过滤(row_filter)和投影(project)功能,并添加了相应的基准测试。

问题修复

  1. StructArray验证逻辑修复:修正了当logical_nulls()返回Some()且null_count==0时的错误验证行为。

  2. Parquet读取问题:修复了读取空DataPageV2时出现的"snappy: corrupt input (empty)"错误。

  3. RleValueDecoder范围问题:修复了可能导致越界访问的崩溃问题。

文档改进

  1. 为ArrowPredicateFn添加了更好的文档和示例
  2. 改进了Arrow与Parquet模式转换的文档
  3. 修复了示例文档中的拼写错误

内部改进

  1. 实现了元数据的确定性编码,这对于需要确定性的场景(如测试或缓存)很有帮助
  2. 重构了Parquet解密属性构建器,提高了代码健壮性
  3. 将FooterTail结构体设为公开,扩展了API可用性

总结

Apache Arrow-RS 55.1.0版本在性能、功能和稳定性方面都有显著提升。特别是对Parquet格式的支持更加全面,加密功能更加完善。数据结构API的设计也更加符合Rust的习惯,使得开发者能够更自然地使用这些高性能组件。这些改进使得Arrow-RS在大数据处理和分析任务中成为一个更加强大和可靠的工具。

登录后查看全文
热门项目推荐

项目优选

收起
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
53
468
kernelkernel
deepin linux kernel
C
22
5
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
7
0
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
878
517
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
336
1.1 K
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
180
264
cjoycjoy
一个高性能、可扩展、轻量、省心的仓颉Web框架。Rest, 宏路由,Json, 中间件,参数绑定与校验,文件上传下载,MCP......
Cangjie
87
14
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
1.08 K
0
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
349
381
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
612
60