Apache Quickstep 技术文档
2024-12-23 02:56:53作者:傅爽业Veleda
1. 安装指南
1.1 克隆代码
首先,从 Apache 的代码库中克隆 Quickstep 代码:
git clone https://git-wip-us.apache.org/repos/asf/incubator-quickstep.git quickstep
1.2 初始化依赖
进入代码目录,并初始化子模块依赖:
cd quickstep
git submodule init
1.3 检出依赖
检出所有依赖项并应用必要的补丁:
git submodule update
cd third_party && ./download_and_patch_prerequisites.sh && cd ..
1.4 编译
进入构建目录,创建 Makefile 并编译:
cd build
cmake -D CMAKE_BUILD_TYPE=Release ..
make -j4
注:-j4 参数可根据你的 CPU 核心数进行调整。
2. 使用说明
启动 Quickstep CLI Shell 并初始化数据库:
./quickstep_cli_shell --initialize_db=true
此时,你可以开始执行 SQL 查询。要退出 Quickstep,可以输入:
quit;
初始化后,数据库文件将存储在 qsstor 目录下。下次启动时,可以省略 --initialize_db 参数,直接使用:
./quickstep_cli_shell
3. 项目API使用文档
Quickstep 目前支持的 SQL 表面较小,但会随着时间的推移而增长。目前支持的包括基本的 CREATE TABLE 和 SELECT 语句。支持的数据类型包括:INTEGER、FLOAT、DOUBLE、VARCHAR、CHAR、DATE 和 DATETIME。Quickstep 尚不支持 NULL 值或键。
以下是一些示例 SQL 语句:
3.1 创建表
CREATE TABLE Weather (cid INTEGER, recordDate DATE, highTemperature FLOAT, lowTemperature FLOAT);
CREATE TABLE City (cid INTEGER, name VARCHAR(80), state CHAR(2));
3.2 插入数据
INSERT INTO City VALUES (1, 'Madison', 'WI');
INSERT INTO City VALUES (2, 'Palo Alto', 'CA');
INSERT INTO Weather VALUES (1, '2015-11-1', 50, 30);
INSERT INTO Weather VALUES (1, '2015-11-2', 51, 32);
INSERT INTO Weather VALUES (2, '2015-11-1', 60, 50);
3.3 查询
3.3.1 查询所有加州的天气记录
SELECT * FROM Weather W, City C WHERE C.cid = W.cid AND C.state = 'CA';
3.3.2 查询每个城市的最高和最低温度
SELECT cid, MIN(lowTemperature), MAX(highTemperature) FROM Weather GROUP BY cid;
3.3.3 使用嵌套查询查询每个城市的最高和最低温度,并打印城市名称
SELECT * FROM City C, (SELECT cid, MIN(lowTemperature), MAX(highTemperature) FROM Weather GROUP BY cid) AS T WHERE C.cid = T.cid;
3.4 数据导入
Quickstep 还支持 COPY TABLE 命令。以下是一个示例:
首先,在一个单独的 shell 文件中创建数据文件:
echo "3|2015-11-3|49|29" > /tmp/tmp.tbl
echo "3|2015-11-4|48|28" >> /tmp/tmp.tbl
echo "3|2015-11-5|47|27" >> /tmp/tmp.tbl
然后,在 Quickstep shell 中加载数据:
COPY Weather FROM '/tmp/tmp.tbl' WITH (DELIMITER '|');
现在,Weather 表中已加载更多数据,可以再次执行上述 SQL 查询。
4. 安装方式
请参考以下文档以获取更多关于构建和开发的信息:
Quickstep 使用 Apache License, Version 2.0 许可。有关完整许可文本,请见 LICENSE。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
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).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
137
169
React Native鸿蒙化仓库
JavaScript
234
309
暂无简介
Dart
598
130
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++
630
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
681
🎉 (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
1.06 K
615
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
197
74
仓颉编程语言测试用例。
Cangjie
36
680