Apache Arrow源码分析（一）——简介和框架

@原创文章，转载请注明: 转载自 镜中影的技术博客
本文链接地址: Apache Arrow源码分析（一）——简介和框架
URL:http://blog.csdn.net/linkpark1904/article/details/50980464

背景

列存储在数据库领域中早已被提出，列存储数据结构在分析型事务上表现优异，大数据分析引擎，诸如Spark-SQL，Impala 均采用列存储作为其中间数据表示形式，那么Apache Arrow就是这样一种内存列式数据结构。

在众多分布式系统中，每个系统都有自己内部的内存格式，70-80%的CPU浪费在序列化和反序列化过程，类似功能在多个项目中实现，没有一个标准。那么Arrow就是为解决这一问题而提出了。Arrow基于列存储的数据组织方式，能够很好的适应CPU的Cache，以及现代CPU SIMD (Single input multiple data) 技术，并且提供良好的序列化和反序列化性能。更值得一提的是，Arrow提供良好的扩展性，既有C++版的实现，又有java版的实现，是一个很值得学习的数据结构库。

基本思想

Arrow 基本思想就