BlazingSQL 是 RAPIDS 生态系统的 GPU 加速 SQL 引擎。
RAPIDS 包含一组软件库（BlazingSQL、cuDF、cuML、cuGraph），用来在 GPU 上执行端到端的数据科学计算和分析管道。
BlazingSQL是一个基于RAPIDS生态系统构建的GPU加速SQL引擎。 RAPIDS基于Apache Arrow柱状内存格式，cuDF是一个GPU DataFrame库，用于加载、连接、聚合、过滤和操作数据。
BlazingSQL是cuDF的SQL接口，具有支持大规模数据科学工作流和企业数据集的各种功能。
主要特性：
- 查询外部存储数据 - 单行代码可以注册远程存储解决方案，例如Amazon S3。
- 简单的SQL - 非常容易使用，运行SQL查询，结果是GPU DataFrames（GDF）。
- 互操作性 - 任何RAPIDS库都可以立即访问GDF以获取数据科学工作负载。
示例代码：
CVS 读取：
from blazingsql import BlazingContext
bc = BlazingContext()
# Create Table from CSV
bc.create_table('taxi', '/blazingdb/data/taxi.csv', delimiter= ',', names = column_names)
# Query
result = bc.sql('SELECT count(*) FROM main.taxi GROUP BY year(key)').get()
result_gdf = result.columns
#Print GDF
print(result_gdf)
JSON 处理：
from blazingsql import BlazingContext
import cudf
bc = BlazingContext()
# Load JSON into GPU DataFrame (GDF)
taxi_gdf = cudf.io.json.read_json('taxi.json')
# Create Table from GDF
bc.create_table('taxi', taxi_gdf)
# Query
result = bc.sql('SELECT count(*) FROM main.taxi GROUP BY year(key)').get()
result_gdf = result.columns
#Print GDF
print(result_gdf)
评论