首页
/ Daft v0.4.15 版本发布:窗口函数优化与性能提升

Daft v0.4.15 版本发布:窗口函数优化与性能提升

2025-06-17 03:02:17作者:秋阔奎Evelyn

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。它结合了现代数据处理的诸多特性,包括分布式计算、内存管理和高效的数据结构。本次发布的 v0.4.15 版本在窗口函数、性能优化和表达式处理等方面带来了多项重要改进。

窗口函数功能增强

本次版本对窗口函数进行了多项重要改进,使得 Daft 在处理排序和分组计算时更加高效和灵活。

新增了仅按排序(order by-only)的排名功能,允许用户在不进行分组的情况下对数据进行排序和排名计算。这对于需要全局排名的场景特别有用,比如计算全量数据的排名或百分位。

针对无分区的行号实现进行了优化,现在可以更高效地生成行号,即使在没有分区的情况下。这在需要为数据添加连续标识符时非常实用。

范围分区(range between)功能得到了增强,现在可以更好地处理分区窗口内的范围计算。这对于滑动窗口分析、移动平均等时间序列分析场景特别有价值。

性能优化

TopN 操作符及其优化是本版本的一个重要性能改进点。通过优化 TopN 的实现,Daft 现在能够更高效地处理排序和限制结果集的操作,这对于大数据集上的分页查询和结果筛选特别重要。

在 count_distinct 聚合中实现了本地去重(Local Distinct)的 list_agg 优化。这一改进显著减少了内存使用和计算开销,特别是在处理高基数数据时效果更为明显。

表达式处理改进

表达式系统进行了多项重构和改进,使得 Daft 的表达式处理更加模块化和高效。特别是对 JSON 函数和图像处理表达式的重构,使得这些功能的实现更加清晰,也为未来的扩展打下了更好的基础。

新增了表达式访问者(expression visitor)模式,这为表达式树的遍历和转换提供了统一接口,使得自定义表达式处理逻辑更加方便。

数据源与接收器扩展

Daft 现在提供了通用的自定义数据接收器(sink)接口,用户可以更灵活地定义数据输出目标。同时新增的用户自定义数据源 API 使得集成各种外部数据源变得更加容易。

文件写入操作现在支持异步模式,这可以显著提高 I/O 密集型任务的吞吐量,特别是在处理大量小文件时效果更为明显。

可观测性增强

新增了对 OpenTelemetry(OTEL)指标和追踪的支持,这使得在生产环境中监控 Daft 作业的性能和状态变得更加容易。用户可以集成现有的监控系统,获得更全面的运行时洞察。

总结

Daft v0.4.15 版本在功能丰富性和性能方面都取得了显著进步。窗口函数的增强使得复杂分析更加容易实现,性能优化则提升了大规模数据处理的效率。表达式系统的改进为未来的功能扩展奠定了基础,而可观测性增强则让生产部署更加可靠。这些改进共同使得 Daft 成为一个更加强大和成熟的数据处理框架。

登录后查看全文
热门项目推荐
相关项目推荐

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