Apache Arrow 晋升为Apache基金会顶级项目

Apache软件基金会于2月17日宣布，Apache Arrow晋升成为一个新的顶级项目（Top-Level Project），提供跨系统的数据层列式内存分析（Columnar In-Memory Analytics），来加速大数据分析的效率和速度。ASF宣称，Arrow可以百倍的提升大数据分析的性能，极大的降低跨系统间的沟通成本，支持多系统间运作。

Arrow是数据结构、算法和跨程序语言的组合，提供不同种类系统间数据共享基础，包含SQL执行引擎（如Drill和Impala）、数据分析系统 （如Pandas和Spark）、流式和队列系统（如Herron、Kafka和Storm），以及储存系统（如Parquet、Kudu、Cassandra和HBase）。

另外，使用者现在可以用C、C++、Python和Java等程序语言来执行Arrow的程序代码，Apache Arrow和Drill项目副总裁Jacques Nadeau表示，在未来1至2个月内还将增加对R、JavaScript和Julia的支持。

而Arrow除了支持传统的关系数据库之外，也支持动态Schema结构的数据，例如，Arrow可以处理物联网、Log文件等常用的JSON格式 数据。在性能方面， Arrow特别优化排序的局部性（Cache Locality）、流量管道（Pipelining）和单一指令多重数据（Single Instruction Multiple Data，SIMD），来发挥CPU的性能。

ASF表示，在许高负载中，70％～80％的CPU资源都用在系统间串行化（Serialize）和解串行化 （Deserialize）数据，而Arrow让数据可以不必经过串行化、解串行化或内存复制，就能够在系统和处理程序中共享，藉此提升CPU的使用性能。

此外，目前已经有13个主要大数据开源项目的开发者连手打造Arrow项目，而这13个开源项目包含了Calcite、Cassandra、 Drill、Hadoop、HBase、Impala、Kudu（培育期）、Parquet、Phoenix、Spark、Storm、Pandas和 Ibis。

Jacques Nadeau表示，ASF预期在未来几年，世界上大多数的数据将会使用Arrow的技术来分析。

目前，Apache Arrow的代码已经可以在Apache2.0的许可下使用，

参考文档：

http://www.itdadao.com/article/393103/

https://databricks.com/blog/2015/04/28/project-tungsten-bringing-spark-closer-to-bare-metal.html