Apache Arrow-RS 53.1.0版本发布:性能优化与功能增强
2025-06-20 05:43:55作者:仰钰奇
Apache Arrow-RS是Apache Arrow项目的Rust实现,它提供了高性能的内存数据结构,用于处理和分析大规模数据集。Arrow的核心设计目标是实现跨语言、跨平台的高效数据交换和处理,特别适合大数据和数据分析场景。
核心改进
性能优化
-
Parquet读取优化:针对FIXED_LEN_BYTE_ARRAY类型列的读取进行了显著优化,特别是在处理包含空值的列时。通过改进
pad_nulls
算法的实现,减少了不必要的内存操作,提升了整体读取速度。 -
位操作加速:改进了
set_bits
函数的实现,避免了逐位设置的低效操作,转而采用更高效的批量处理方式。这对于处理大型位图(bitmap)操作尤其重要,可以显著提升过滤和选择操作的性能。 -
十进制运算优化:对十进制精度溢出检查进行了优化,减少了不必要的计算开销,提升了涉及Decimal类型的运算性能。
新功能
-
Union数组支持:新增了
union_extract
内核函数,可以高效地从Union类型数组中提取特定类型的数据。Union类型允许在单个数组中存储不同类型的数据,这在处理异构数据时非常有用。 -
字符串视图增强:
- 为StringView和BinaryView类型添加了长度计算支持
- 改进了与Python的互操作性,解决了C数据接口的问题
- 增加了正则表达式匹配功能,支持在视图类型上执行模式匹配
-
Parquet元数据处理:
- 引入了
ParquetMetaDataBuilder
,提供了更友好的构建器风格API - 增加了对32位CRC校验和的支持,提高了数据完整性验证能力
- 改进了统计信息处理,现在可以明确记录已知为零的空值计数
- 引入了
-
类型转换增强:
- 支持Duration类型之间的相互转换
- 支持Duration与所有数值类型之间的转换
- 修复了Decimal类型转换为字典编码时的精度和标度丢失问题
重要修复
-
稳定性改进:
- 修复了BitIterator在获取长度时可能出现的panic问题
- 解决了IPC读取时结构体数组长度不一致导致的崩溃问题
- 修正了字典编码的Decimal类型转换中精度丢失的问题
-
功能修正:
- 修复了StringViewBuilder在启用去重时未清除观察值的问题
- 解决了二进制操作在某些输入数组组合下失败的问题
- 修正了LocalFileSystem中列表操作返回顺序不正确的问题
-
互操作性改进:
- 解决了与Python客户端通过Flight协议交换数据时的兼容性问题
- 改进了与C++实现的互操作性,确保数据可以正确交换
开发者体验改进
-
API增强:
- 为
ByteView
类型添加了更完善的文档和示例 - 为
SortOptions
增加了构建器API和详细文档 - 提供了从
ScalarBuffer
和Vec
到Buffer
的转换实现
- 为
-
工具链更新:
- 将lexical-core升级到1.0版本,解决了潜在的安全问题
- 更新了chrono-tz等依赖项
-
测试覆盖:
- 增加了对位操作和类型转换的模糊测试
- 优化了集成测试矩阵,提高了测试效率
总结
Apache Arrow-RS 53.1.0版本在性能、功能和稳定性方面都有显著提升,特别是在Parquet处理、类型系统和字符串操作等方面。这些改进使得Rust生态中的数据工程和分析任务能够更高效地执行,同时保持了与其他语言实现的高度兼容性。对于正在使用或考虑使用Rust进行大数据处理的开发者来说,这个版本提供了更多强大的工具和更好的性能表现。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
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~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (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
861
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

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
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

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
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

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
332
1.08 K