vlambda博客
学习文章列表

【行业资讯】Apache Arrow 1.0.0 发布,内存数据交换格式

Apache Arrow 1.0.0 现已发布。官方表示,此版本是 Apache Arrow 的第 18 个主要版本,标志着 columnar format 向二进制稳定性的过渡,以及 Arrow 软件库向语义版本控制的过渡。 

Apache Arrow 是 Apache 基金会的顶级项目之一,目的是作为一个跨平台的数据层来加快大数据分析项目的运行速度。它包含一组规范的内存中的平面和分层数据表示,以及多种语言绑定以进行结构操作。它还提供低架构流式传输和批量消息传递,零拷贝进程间通信(IPC)和矢量化的内存分析库。

columnar format 的一些更改内容如下: 

  • metadata 版本被更改为新版本 V5,表明 Union 类型的缓冲区布局发生了不兼容的更改。

  • Dictionary indices  现在允许是无符号整数,而不是只有符号整数。由于Java支持不佳,仍然不鼓励使用UInt64。

  • 添加了一个新的“Feature”枚举。

  • 在 IPC 格式中增加了使用 LZ4 或 ZStandard 的可选缓冲区压缩。

  • Decimal types 获得了一个可选的“bitWidth”字段,默认为 128。根据团队的说法,这将使它们将来支持其他 decimal widths,例如 32 位和 64 位。

  • 有效性位图缓冲区已删除。

此外,该团队还扩展了集成测试,以测试扩展类型和嵌套词典;并更新了对 C ++、Java、Python、R、Ruby、C GLib 以及 Rust 的支持。