RubyとApache Arrow

Apache Arrow東京ミートアップ2018
https://speee.connpass.com/event/103514/
#ArrowTokyo

Transcript

1. RubyとApache Arrow Yusaku Hatanaka (@hatappi) Apache Arrow 東京ミートアップ2018
2. ⾃⼰紹介 • Yusaku Hatanaka (@hatappi) • Red Data Tools のメンバー • Ruby, Go, TypeScript
 C, C++ • 煎り⼤⾖が好き
3. この話のゴール • RubyでApache Arrowを使った取り組みの話や今後どうな ると嬉しいかの話を聞いて「へぇ〜」となる • RubyでApache Arrowを使う開発やApache Arrow本体の 開発に参加したくなる
4. Apache Arrow • 各種⾔語で使⽤できるインメモリのデータ処理プラット フォーム • ⾼速なデータフォーマット、交換処理ロジックによって効 率的なデータ交換処理ロジックなどを提供する
5. Red Data Tools • Ruby⽤のデータ処理ツールを提供するプロジェクト • 基本はGitter上でやりとりをしている • https://gitter.im/red-data-tools/ja • 毎⽉1回ミートアップしてる • 次回は12⽉11⽇ 来週⽕曜⽇
 https://speee.connpass.com/event/105238/

6. 現状どんなことが できるのか？
7. Red Arrow red-data-tools/red-arrow
8. Red Arrow • Apache ArrowのRuby binding • もともとはred-data-toolsのリポジトリで管理されていた が今はApache Arrow本体にある • GObject Introspectionを使⽤してbindingを実現している • Arrow側の関数情報が更新されていけばRed Arrowもそ の最新の機能を使うことができる
9. データの変換コスト
10. “推測するな。計測せよ”
11. ཁૉ਺ ࣮ߦ࣌ؒ
    T               JSONの読み書き
12. ཁૉ਺ ࣮ߦ࣌ؒ
    T               Apache Arrowの読み書き 
13. ࣮ߦ࣌ؒ (s) 0 1.5 3 4.5 6 ཁૉ਺ 10000 100000 1000000 10000000 JSON Apache Arrow
14. RubyでCSVをパース
15. CSV ߦ਺ ࣮ߦ࣌ؒ
    T             
16. Ccsv ߦ਺ ࣮ߦ࣌ؒ
    T             
17. Apache ArrowͷCSV Parser • Arrow 0.11.0で⼊った新機能 • データの永続化としてよく使われるCSVを⾼速に読み込ん でApache Arrowのデータとして処理できるようになる
18. Apache Arrow ߦ਺ ࣮ߦ࣌ؒ
    T             
19. ࣮ߦ࣌ؒ
    T      ߦ਺     DTW $DTW "QBDIF
    "SSPX
20. Arrow Arrowすごい Ccsvもすごい
21. データの相互交換
22. ߦ਺ ࣮ߦ࣌ؒ
    T              CSV -> Arrow -> Parquet
23. 今後どうなると嬉しいか
24. RubyでもGPU上で データフレームを使いたい
25. cuDF • GPU上でデータフレームを操作するためのライブラリ • RAPIDSというE2Eのデータ分析をGPUで実現するための プロジェクト • Rubyでbindingつくれるとよさそう
26. MySQLの実⾏結果を Apache Arrowのフォーマット で返せると良さそう！
27. CSV΍JSON ࠓ ͜͏ͳΔͱخ͍͠ ૣ͍
28. mysql2-arrow • mysql2はlibmysqlのRuby binding • ActiveRecordでMySQLを選択した時のアダプターとし ても使⽤される • mysql2を早くできればActiveRecordも早くなって嬉し いかもしれない • mysql2で実⾏した際のMYSQL_RESを取り出すことができ ればArrow形式に変換できそう
29. select * from users; MYSQL_RES Mysql2::Result MYSQL_RESからいくつかのレコードを arrow::RecordBatchにまとめて返す Arrow::RecordBatch として受け取る！ 3VCZͷੈք $
    $ ͷੈք イメージ
30. 実⾏イメージ
31. DEMO
32. • ActiveRecord: 6.849s • pluck: 2.450s • Apache Arrow: 0.520s ActiveRecordで使うと
33. ここまでのまとめ • Apache Arrowの開発が進めばRubyだけでなく他の⾔語も 嬉しい！ • Ruyb bindingつくるもよし！
 Apache Arrow本体の開発するもよし！ • やりたいことはたくさんある！ • red-data-tools/want-to-do