您好,登錄后才能下訂單哦!
流和文件格式中的數(shù)據(jù)組件表示為封裝 消息,包括:
<metadata_size: int32>
<metadata_flatbuffer: bytes>
<padding>
<message body>
所述metadata_size包括flatbuffer加填充的大小。所述 Message flatbuffer包括版本號,特定消息(作為flatbuffer聯(lián)合),和消息體的大?。?/p>
table Message {
version: org.apache.arrow.flatbuf.MetadataVersion;
header: MessageHeader;
bodyLength: long;
}
目前,我們支持4種類型的消息:
我們提供用于RecordBatch的流格式。它被作為封裝消息的序列呈現(xiàn),每個(gè)消息遵循上述格式。該模式首先在流中,對于以后的所有RecordBatch都是相同的。如果模式中的任何字段都是字典編碼的,則一個(gè)或多個(gè) DictionaryBatch消息將跟隨模式。
<SCHEMA>
<DICTIONARY 0>
...
<DICTIONARY k - 1>
<RECORD BATCH 0>
...
<RECORD BATCH n - 1>
<EOS [optional]: int32>
當(dāng)流讀取器實(shí)現(xiàn)讀取流時(shí),在每個(gè)消息之后,它可以讀取接下來的4個(gè)字節(jié)以知道以下消息元數(shù)據(jù)的大小。讀取消息flatbuffer后,您可以讀取消息體。
流寫入器可以通過寫入0長度作為int32或簡單地關(guān)閉流接口來發(fā)送流終端(EOS)信號。
我們以與流格式非常相似的格式定義支持隨機(jī)訪問的“文件格式”。該文件以魔術(shù)字符串ARROW1 (加上填充)開始和結(jié)束。文件中的內(nèi)容與流格式相同。在文件末尾,我們編寫一個(gè)頁腳,包括文件中每個(gè)數(shù)據(jù)塊的偏移量和大小,以便隨機(jī)訪問是可以實(shí)現(xiàn)的。有關(guān)文件頁腳的精確細(xì)節(jié),請參閱 format / File.fbs。
示意, 我們有:
<magic number "ARROW1">
<empty padding bytes [to 8 byte boundary]>
<STREAMING FORMAT>
<FOOTER>
<FOOTER SIZE: int32>
<magic number "ARROW1">
所述RecordBatch元數(shù)據(jù)包含一個(gè)深度優(yōu)先(先序)扁平化設(shè)置字段的元數(shù)據(jù)和物理內(nèi)存緩沖區(qū)(Message.fbs 中的一些注釋已經(jīng)縮短/移除):
table RecordBatch {
length: long;
nodes: [FieldNode];
buffers: [Buffer];
}
struct FieldNode {
length: long;
null_count: long;
}
struct Buffer {
/// The shared memory page id where this buffer is located. Currently this is
/// not used
page: int;
/// The relative offset into the shared memory page where the bytes for this
/// buffer starts
offset: long;
/// The absolute length (in bytes) of the memory buffer. The memory is found
/// from offset (inclusive) to offset + length (non-inclusive).
length: long;
}
在文件的上下文中,不使用page,Buffer偏移量用作消息正文開頭的參考幀。因此,在通用IPC設(shè)置中,這些偏移量可能是一個(gè)或多個(gè)共享內(nèi)存區(qū)域中的任何位置,在文件格式中偏移量從0開始。
RecordBatch的位置以及元數(shù)據(jù)塊的大小以及緩沖區(qū)的大小存儲在文件頁腳中:
struct Block {
offset: long;
metaDataLength: int;
bodyLength: long;
}
一些關(guān)于這個(gè)的注釋
字典Batch尚未實(shí)現(xiàn),但它們在元數(shù)據(jù)中提供。目前,文件中顯示的DICTIONARY細(xì)分片段不會出現(xiàn)在任何文件實(shí)現(xiàn)中。
Tensor消息類型提供一種方式來編寫使用Arrow的共享內(nèi)存工具的固定大小的值(如一個(gè)NumPy的ndarray)的多維數(shù)組。盡管我們在C ++中提供了一個(gè)參考實(shí)現(xiàn),但通常不需要實(shí)現(xiàn)這種數(shù)據(jù)格式的Arrow實(shí)現(xiàn)。
當(dāng)編寫?yīng)毩⒎庋b的Tensor消息時(shí),我們使用上述格式,但另外將起始偏移(如果寫入共享內(nèi)存區(qū)域)對齊為8的倍數(shù):
<PADDING>
<metadata size: int32>
<metadata>
<tensor body>
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。