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
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
156
2 K
kernelkernel
deepin linux kernel
C
22
6
pytorchpytorch
Ascend Extension for PyTorch
Python
38
72
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++
519
50
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
942
555
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
195
279
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
993
396
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
359
12
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
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
71