Apache Arrow C++库新增JSON解析API:简化数据原型设计
2025-05-18 13:18:34作者:平淮齐Percy
Apache Arrow项目最近为其C++实现新增了一组重要的公共API——XXXFromJSON
系列函数。这些函数原本是作为内部测试工具开发的,现在正式对外提供,为开发者提供了快速构建Arrow数据结构的便捷方式。
功能概述
XXXFromJSON
系列函数允许开发者通过简单的JSON格式字符串快速创建Arrow中的各种数据结构,包括:
- 基本数组(Array)
- 记录批次(RecordBatch)
- 数据表(Table)
- 执行批次(ExecBatch)等
这些API特别适合以下场景:
- 快速原型设计
- 教学示例编写
- 文档中的示例代码
- 单元测试辅助
技术背景
在数据处理领域,Arrow作为跨语言的内存中列式数据格式,其核心价值在于高性能的数据处理能力。然而,在开发初期或教学场景中,开发者往往需要一种更直观的方式来创建和操作数据。
传统的Arrow数据构建方式需要显式创建构建器(Builder)并逐个添加值,而新的JSON解析API则提供了一种声明式的数据构造方式,大大简化了代码编写。
使用示例
假设我们需要创建一个包含整数和字符串的简单数组,传统方式需要:
arrow::Int32Builder int_builder;
int_builder.Append(1);
int_builder.Append(2);
int_builder.Append(3);
auto int_array = int_builder.Finish();
arrow::StringBuilder str_builder;
str_builder.Append("a");
str_builder.Append("b");
str_builder.Append("c");
auto str_array = str_builder.Finish();
使用新的JSON API后,可以简化为:
auto int_array = ArrayFromJSON(arrow::int32(), "[1, 2, 3]");
auto str_array = ArrayFromJSON(arrow::utf8(), R"(["a", "b", "c"])");
性能考量
项目团队特别强调,这些JSON解析API并非为高性能数据摄取设计。它们的实现目标是易用性和开发效率,而不是执行速度。对于生产环境中的大规模数据处理,仍然推荐使用Arrow的原生构建接口或专门的格式如Parquet、IPC等。
实现细节
在实现上,这些API被放置在各自对应的库中,保持了Arrow项目的模块化设计原则:
- 核心数据结构(Array/RecordBatch/Table)的解析函数位于核心库
- 计算相关的数据结构(如ExecBatch)的解析函数位于计算库
这种分布式的设计避免了不必要的依赖关系,同时也更符合Arrow的架构哲学。
应用前景
这些API的提供将显著降低Arrow的学习曲线和使用门槛,特别是在以下方面:
- 教学演示:教师可以更轻松地准备课程示例
- 文档编写:文档中的代码示例可以更简洁明了
- 快速验证:开发者可以快速验证数据处理逻辑
- 测试代码:单元测试的准备工作大大简化
随着这些API的正式发布,Arrow社区预期将看到更多高质量的示例代码和教学资源,进一步促进这个高性能数据处理生态的繁荣发展。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0370Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0102AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
205
2.19 K

暂无简介
Dart
514
115

Ascend Extension for PyTorch
Python
62
95

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++
550
86

React Native鸿蒙化仓库
C++
208
285

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
9
1

🎉 (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
976
576

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
1.02 K
399

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
193