在C++的智能指针体系中，std::shared_ptr因其自动化的引用计数管理而广为人知，但它并非适用于所有场景。当我们需要更高的性能、更细粒度的控制，或需要与某些已有引用计数机制的对象交互时，boost::intrusive_ptr（侵入式智能指针）便成为更优的选择。本文将深入探讨boost::intrusive_ptr的核心思想、使用场景及具体实现，并通过代码示 w397090770 2周前 (03-06) 21℃ 0评论0喜欢
当 Presto CPP 接收到新的 Task 时，它会根据以下几个规则创建一个四级层次的 MemoryPool：1、首先，系统会为该 Task 创建一个 Query 级别的 root MemoryPool，由 QueryCtx 维护， 这个内存池的最大容量（capacity）由 query_max_memory_per_node 或 query.max-memory-per-node 参数决定，其默认值为 4GB；如果同一查询下的其他任务被分配到这个 Worker，那么将重复 w397090770 3周前 (03-02) 12℃ 0评论0喜欢
在大数据处理领域，数据的高效读取和处理至关重要。Gluten作为一个强大的大数据处理优化框架，在Table转换方面有着精妙的设计。其中，主要有三个关键的Transformer，分别是BatchScanExecTransformer、FileSourceScanExecTransformer和HiveTableScanExecTransformer，它们各自对应着不同的应用场景和实现逻辑，下面我们将深入探讨它们的特性和工作原理。 w397090770 3周前 (02-27) 28℃ 0评论0喜欢
历史背景与演进动因V1 API的诞生与局限性Spark早期版本（1.x）的**V1 API**基于Hadoop生态构建，核心设计目标是兼容HDFS存储系统和传统MapReduce作业。其核心抽象`HadoopFsRelation`和`RDD`为文件型数据源提供了统一的访问接口，但存在以下问题：接口冗余：开发者需要同时实现`RelationProvider`、`FileFormat`、`HadoopFsRelation`等多个接口。优 w397090770 3周前 (02-27) 25℃ 0评论0喜欢
引言 Java Native Interface（JNI）是Java与C/C++等本地代码交互的核心技术。在传统的JNI开发中，开发者通常通过“静态注册”方式绑定Java方法与本地函数，但这种方式存在命名冗长、灵活性差等问题。而通过JNI_OnLoad实现的动态注册，则能显著提升代码的可维护性和性能。本文将通过一个完整的实例，详细讲解JNI动态注册的实现方法、 w397090770 1个月前 (02-18) 31℃ 0评论0喜欢
Apache Gluten 是一个开源的高性能向量化执行引擎，旨在提升大数据处理框架（如 Apache Spark）的查询性能。其核心目标是通过优化数据处理的底层执行过程，减少 CPU 和内存开销，从而显著加速复杂分析任务。Gluten 通过集成 Velox（Meta 开源的向量化计算库）作为默认后端，利用列式内存格式和 SIMD 指令实现高效计算，同时兼容 Spark 的 w397090770 2个月前 (02-05) 90℃ 0评论1喜欢
花括号初始化是C++11中一种统一的数据初始化方法。因此，它也被称为统一初始化。可以说，这是C++11中开发者应该理解和使用的最重要的特性之一。它消除了之前在初始化基本类型、聚合类型和非聚合类型以及数组和标准容器之间的区别。准备工作要继续本教程，你需要熟悉直接初始化（使用一组显式的构造函数参数来初始化 w397090770 2个月前 (01-25) 39℃ 0评论1喜欢
摘要现代查询优化器的一个重要特性是能够生成一个对底层数据集最优的查询计划。这需要估计中间查询计划节点的基数和计算成本，这高度依赖于查询的写法和底层数据分布。传统方法包括在基础表上收集统计数据并在优化器内部实现基数和计算成本的推导，这对于复杂查询容易出错。本文介绍了 Presto 的新颖基于历史的优化框架 w397090770 2个月前 (01-25) 55℃ 0评论0喜欢
在C++中，可以创建用作类型名称替代的同义词。这是通过创建 typedef 声明来实现的。这在多种情况下很有用，例如为类型创建更短或更有意义的名称，或者为函数指针命名。然而，typedef声明不能与模板一起使用来创建模板类型别名。例如，std::vector<T> 不是一种类型（std::vector<int> 是一种类型），而是当类型占位符T被替换为 w397090770 2个月前 (01-24) 40℃ 0评论0喜欢
分析型SQL引擎（如Apache Impala）在进行大型表扫描和聚合查询工作负载时非常出色。在大数据生态系统中，单个表的大小可达PB（拍字节）级别，因此要实现快速的查询响应时间，就需要依据WHERE或HAVING子句中的条件对表数据进行智能过滤。通常会使用一个或多个列来对大型表进行分区，这些列能够有效地对数据进行范围过滤。例 w397090770 2个月前 (01-13) 57℃ 0评论0喜欢
