什么是 Photon？

本文介绍在 Photon 查询引擎上运行工作负载的益处。

Photon 是一种高性能 Azure Databricks 原生矢量化查询引擎，可更快地运行 SQL 工作负载和数据帧 API 调用，以减少每个工作负载的总成本。 Photon 与 Apache Spark API 兼容，因此它适用于现有代码。

Photon 功能

以下是使用 Photon 的主要功能和优势。

• 支持使用 Delta 和 Parquet 表执行 SQL 和等效的数据帧操作。
• 加速查询，可更快地处理数据，并包括聚合和联接。
• 从磁盘缓存重复访问数据时速度更快。
• 对于包含大量列和大量小文件的表，扫描性能更可靠。
• 使用 UPDATE、DELETE、MERGE INTO、INSERT 和 CREATE TABLE AS SELECT 更快地编写 Delta 和 Parquet，包括包含数千列的宽表。
• 将排序合并联接替换成了哈希联接。
• 对于 AI 和 ML 工作负载，Photon 可以提高使用 Spark SQL、Spark DataFrames、特征工程、GraphFrames 和 xgboost4j 的应用程序的性能。

Photon 启用

Photon 启用因计算类型而异：

• Photon 默认在 SQL 仓库上运行，并针对笔记本和工作流进行无服务器计算。

• 默认情况下，在运行 Databricks Runtime 9.1 LTS 及更高版本的计算上启用 Photon。

• 可以在运行用于机器学习的 Databricks Runtime 15.2 或更高版本，手动启用 Photon。

配置 Photon 启用

若要在通用计算和作业计算中启用或禁用 Photon，请在计算 UI 中选择“使用 Photon 加速”。

默认情况下，Photon 不会在使用群集 API 或作业 API 创建的任何计算上启用。 若要启用 Photon，必须将 runtime_engine 属性设置为 PHOTON。

支持的实例类型

Photon 在驱动程序和工作器节点上支持许多实例类型。 Photon 实例类型使用 DBU 的速率不同于运行非 Photon 运行时的同一实例类型。 有关 Photon 实例和 DBU 消耗的详细信息，请参阅 Azure Databricks 定价页。

支持的运算符、表达式和数据类型

以下是 Photon 涵盖的运算符、表达式和数据类型。

运算符

• 扫描、筛选、项目
• 哈希聚合/联接/随机
• 嵌套的循环联接
• 识别 Null 反联接
• 联合、展开、ScalarSubquery
• Delta/Parquet 写入接收器
• 排序
• 窗口函数

表达式

• 比较/逻辑
• 算术/数学（大多数）
• 条件（IF、CASE 等）
• 字符串（常见字符串）
• 转换
• 聚合（最常见的聚合）
• 日期/时间戳

数据类型

• 字节/Short/Int/Long
• Boolean
• 字符串/二进制
• 小数
• 浮点数/双精度
• 日期/时间戳
• 结构
• 数组
• 映射

需要 Photon 的功能

以下是需要 Photon 的功能。

• 用于读取和写入的预测 I/O。 请参阅什么是预测性 I/O？
• H3 地理空间表达式。 请参阅 H3 地理空间函数。
• 动态文件修剪。 请参阅动态文件修剪。

限制

• 结构化流式处理：Photon 目前支持使用 Delta、Parquet、CSV 和 JSON 进行无状态流式处理。 写入 Delta 或 Parquet 接收器时，支持无状态 Kafka 和 Kinesis 流式处理。
• Photon 不支持 UDF 或 RDD API。
• Photon 不会影响通常在两秒内运行的查询。

如果工作负载达到不受支持的操作，则计算资源会切换到剩余工作负荷的标准运行时引擎。