首页
/ Daft v0.4.4版本发布:数据框架性能与功能全面升级

Daft v0.4.4版本发布:数据框架性能与功能全面升级

2025-06-17 03:04:41作者:羿妍玫Ivan

Daft是一个高性能的分布式数据框架,专为大规模数据处理和分析而设计。它结合了Python生态系统的易用性和Rust底层的高性能,为用户提供了强大的数据处理能力。最新发布的v0.4.4版本带来了一系列重要的性能优化和功能增强,进一步提升了框架的实用性和效率。

核心功能增强

本次版本在SQL支持方面取得了显著进展。新增了SELECT语句无需FROM子句的支持,这使得简单的值查询变得更加直观和方便。同时,SQL数据类型支持得到了改进,为开发者提供了更丰富的数据类型选择。

在聚合函数方面,v0.4.4引入了list_unique和Set聚合功能,以及bool_and和bool_or聚合函数,极大地丰富了数据分析的能力。特别是新增的.summarize()方法,可以方便地计算数据集的统计信息,简化了数据分析流程。

会话管理功能是本版本的另一大亮点。新增的Session类为Python用户提供了更直观的接口,取代了直接使用DaftCatalog的方式,使得连接状态管理更加清晰和易于使用。

性能优化

性能方面,v0.4.4进行了多项重要改进。哈希连接操作现在采用顺序物化左右两侧数据的策略,减少了内存使用并提高了处理效率。无序扫描任务现在能够正确缓冲,提高了I/O性能。

特别值得一提的是并行表达式评估的引入,显著提升了复杂表达式的计算速度。此外,利用Parquet元数据进行模式推断来获取准确的扫描任务统计信息,进一步优化了数据读取性能。

数据类型与表达式增强

数据类型系统在本版本中得到了扩展和完善。新增了列表构造器功能,可以直接在表达式和SQL API中创建列表。同时改进了布尔类型的字符串转换和空值传播处理,使得类型转换更加可靠。

排序功能也得到了增强,新增了nulls first内核支持,为包含空值的数据排序提供了更灵活的控制。

架构改进

在架构层面,v0.4.4进行了多项重构工作。将DaftContext移植到Rust侧,提高了上下文管理的效率。to_struct方法被简化为struct,使API更加简洁。Table被重命名为RecordBatch,使命名更加准确反映其功能。

连接顺序优化器现在采用暴力搜索策略,能够找到更优的连接顺序,提升复杂查询的性能。Unity托管表的读取功能也得到了修复,提高了数据访问的可靠性。

总结

Daft v0.4.4版本在功能丰富性、性能优化和架构改进方面都取得了显著进展。这些改进使得Daft在数据处理和分析领域更具竞争力,为用户提供了更强大、更高效的工具。特别是SQL支持的增强和会话管理的引入,大大提升了框架的易用性,而性能优化则确保了大规模数据处理的效率。

随着这些新特性的加入,Daft正在逐步成为一个功能全面、性能出色的分布式数据处理框架,值得数据工程师和分析师们关注和采用。

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