28个重大版本更新
52.2.0 | 2024年7月28日 |
---|---|
52.0.0 | 2024年6月6日 |
51.0.0 | 2024年3月18日 |
50.0.0 | 2024年1月12日 |
24.0.0 | 2022年10月3日 |
#126 在 Rust模式
1,221,878 每月下载量
在 363 个crate中使用了(直接使用82个)
2MB
36K SLoC
Apache Arrow的核心类型是数组,它是一个已知长度的值序列,所有值都具有相同的类型。此crate提供了每种类型的具体实现,以及一个可以用于类型擦除的Array
trait。
构建数组
大多数Array
实现可以直接从迭代器或[Vec
]
#
Int32Array::from(vec![1, 2]);
Int32Array::from(vec![Some(1), None]);
Int32Array::from_iter([1, 2, 3, 4]);
Int32Array::from_iter([Some(1), Some(2), None, Some(4)]);
StringArray::from(vec!["foo", "bar"]);
StringArray::from(vec![Some("foo"), None]);
StringArray::from_iter([Some("foo"), None]);
StringArray::from_iter_values(["foo", "bar"]);
ListArray::from_iter_primitive::<Int32Type, _, _>([
Some(vec![Some(1), None, Some(3)]),
None,
Some(vec![])
]);
此外,可以使用ArrayBuilder
实现来使用基于推的接口构建数组
#
// Create a new builder with a capacity of 100
let mut builder = Int16Array::builder(100);
// Append a single primitive value
builder.append_value(1);
// Append a null value
builder.append_null();
// Append a slice of primitive values
builder.append_slice(&[2, 3, 4]);
// Build the array
let array = builder.finish();
assert_eq!(5, array.len());
assert_eq!(2, array.value(2));
assert_eq!(&array.values()[3..5], &[3, 4])
底层API
内部,数组由一个或多个由Buffer
支持的共享内存区域组成,其数量和含义取决于数组的类型,如Arrow规范中所述。
例如,类型 Int16Array
表示16位整数数组,由以下组成
- 一个可选的
NullBuffer
识别任何null值 - 一个连续的
ScalarBuffer<i16>
的值
类似地,类型 StringArray
表示UTF-8字符串数组,由以下组成
- 一个可选的
NullBuffer
识别任何null值 - 用于在值缓冲区中标识有效UTF-8序列的
OffsetBuffer<i32>
- UTF-8编码的字符串数据的
Buffer
值缓冲区
如PrimitiveArray::try_new
这样的数组构造函数能够以低廉的代价从这些部分构建数组,而PrimitiveArray::into_parts
则提供了相反的操作。
#
// Create a Int32Array from Vec without copying
let array = Int32Array::new(vec![1, 2, 3].into(), None);
assert_eq!(array.values(), &[1, 2, 3]);
assert_eq!(array.null_count(), 0);
// Create a StringArray from parts
let offsets = OffsetBuffer::new(vec![0, 5, 10].into());
let array = StringArray::new(offsets, b"helloworld".into(), None);
let values: Vec<_> = array.iter().map(|x| x.unwrap()).collect();
assert_eq!(values, &["hello", "world"]);
由于[Vec
]可以无拷贝地创建Buffer
及其派生类,这提供了一个高效的方式,不仅可以与其他Rust代码交互,还可以实现针对箭头数据布局优化的内核 - 例如通过处理缓冲区而不是值。
零拷贝切片
给定任意长度的Array
,可以创建此数据的所有者切片。内部这仅仅增加了一些引用计数,因此非常便宜。
let array = Int32Array::from_iter([1, 2, 3]);
// Slice with offset 1 and length 2
let sliced = array.slice(1, 2);
assert_eq!(sliced.values(), &[2, 3]);
向下转换数组
数组通常以动态类型&dyn Array
或ArrayRef
的形式传递。例如,RecordBatch
将列存储为ArrayRef
。
虽然这些数组可以直接传递给compute
、csv
、json
等API,但通常您希望直接与具体数组交互。
这需要将数组向下转换为具体类型
// Safely downcast an `Array` to an `Int32Array` and compute the sum
// using native i32 values
fn sum_int32(array: &dyn Array) -> i32 {
let integers: &Int32Array = array.as_any().downcast_ref().unwrap();
integers.iter().map(|val| val.unwrap_or_default()).sum()
}
// Safely downcasts the array to a `Float32Array` and returns a &[f32] view of the data
// Note: the values for positions corresponding to nulls will be arbitrary (but still valid f32)
fn as_f32_slice(array: &dyn Array) -> &[f32] {
array.as_any().downcast_ref::<Float32Array>().unwrap().values()
}
扩展特质cast::AsArray
可以使此操作更加方便
fn as_f32_slice(array: &dyn Array) -> &[f32] {
array.as_primitive::<Float32Type>().values()
}
依赖项
~2.8–9MB
~71K SLoC