Apache Arrow-RS 53.1.0版本发布:性能优化与功能增强
2025-06-20 18:21:26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
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
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~0267cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI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。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-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).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K

deepin linux kernel
C
22
6

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

React Native鸿蒙化仓库
C++
192
274

🎉 (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
930
553

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
422
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

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
75
65

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

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