DataStore가 더 빠른 이유
1. SQL 푸시다운
2. 컬럼 프루닝(Column Pruning)
3. 지연 실행
벤치마크: DataStore와 pandas 비교
테스트 환경
- 데이터: 1,000만 행
- 하드웨어: 표준 노트북
- 파일 포맷: CSV
결과
핵심 인사이트
- GroupBy 연산: DataStore가 최대 19.93배 더 빠릅니다
- 복잡한 파이프라인: DataStore가 5-6배 더 빠릅니다 (SQL 푸시다운의 이점)
- 단순 슬라이스 작업: 성능이 비슷해 차이가 거의 없습니다
- 가장 적합한 사용 사례: GroupBy/집계를 포함한 다단계 작업
- zero-copy:
to_df()에는 데이터 변환 오버헤드가 없습니다
DataStore가 더 적합한 경우
대규모 집계
복잡한 파이프라인
대용량 파일 처리
여러 컬럼 연산
pandas와 비슷한 성능을 보이는 경우
소규모 데이터셋 (<1,000행)
간단한 슬라이싱 연산
사용자 정의 Python 람다 함수
중요DataStore가 “더 느린” 경우에도 성능은 일반적으로 pandas와 비슷한 수준이며, 실제 사용에서는 차이가 거의 없습니다. 복잡한 작업에서는 DataStore의 장점이 이러한 예외적인 경우를 훨씬 상회합니다.실행을 세밀하게 제어하는 방법은 실행 엔진 구성을 참조하십시오.
Zero-Copy 데이터프레임 통합
to_df()는 직렬화(serialization)나 메모리 복사 없이 사실상 비용이 들지 않습니다- pandas DataFrame에서 DataStore를 생성하는 작업은 즉시 완료됩니다
- 메모리는 DataStore와 pandas 뷰 사이에서 공유됩니다