Fusion引擎是EMR Serverless Spark内置的高性能向量化SQL执行引擎，相比开源Spark在TPC-DS基准测试上有2倍性能提升。Fusion引擎与开源Spark完全兼容，您无需对现有代码做任何修改。在EMR Serverless Spark中，只需在创建会话时开启使用Fusion加速开关，即可启用该引擎。
注意事项
Fusion引擎使用堆外内存，您需要在创建会话时，在Spark配置中添加配置项spark.memory.offHeap.enabled=true以开启Spark的堆外内存。同时，合理配置堆外内存spark.memory.offHeap.size。
Fusion加速适用场景
Fusion引擎加速适用于Spark SQL和DataFrame任务，支持大部分的算子、表达式和数据类型实现性能提升，而对于RDD任务或者包含用户自定义函数（UDF）的执行阶段暂不支持加速效果。
存储格式
Fusion引擎支持的数据存储格式，如下所示。
Parquet
Paimon
ORC(partial)
算子
Fusion引擎为大部分常见算子提供加速，具体分类如下所示。
类型 | 算子列表 |
Source |
|
Sink | DataWritingCommandExec |
常见操作 |
|
聚合 | HashAggregateExec |
Join |
|
窗口 |
|
Exchange |
|
Limit |
|
Subquery | SubqueryBroadcastExec |
其他 |
|
表达式
Fusion引擎目前支持的表达式，如下所示。
类型 | 表达式列表 |
比较/逻辑 | !、!=、<、<=、>、>=、<=>、<>、=、==、||、and、between、is not null、is null、negative、null if、or |
算术 | %、+、-、*、/、isnan、mod、negative、not、positive、abs、acos、acosh、asin、asinh、atan、atan2、atanh、cbrt、ceil、ceiling、cos、cosh、degrees、e、exp、floor、ln、log、log10、log2、pi、pmod、pow、power、radians、rand、random、rint、round、shiftleft、shiftright、sign、signum、sin、sqrt、tan、tanh |
位运算 | ^、|、&、~、bit_and、bit_count、bit_or、bit_xor、bit_length |
条件表达式 | case、if、when |
集合 | in、find_in_set |
String计算 | ascii、char、chr、char_length、character_length、concat、instr、lcase、lower、length、locate、lower、lpad、ltrim、 overlay、replace、reverse、rtrim、split、split_part、substr、substring、trim、ucase、upper、like、regexp、regexp_extract、regexp_extract_all、regexp_like、regexp_replace、rlike |
聚合 | aggregate、approx_count_distinct、avg、collect_list、collect_set、corr、count、covar_pop、covar_samp、first、first_value、kurtosis、last、last_value、max、max_by、mean、min、regr_avgx、regr_avgy、regr_count、regr_r2、 regr_intercept、regr_slope、regr_sxy、regr_sxx、regr_syy、skewness、std、stddev、stddev_pop、stddev_samp、sum、var_pop、var_samp、variance |
窗口 | cume_dist、dense_rank、lag、lead、nth_value、ntile、percent_rank、rank、row_number |
时间 | add_months、current_date、current_timestamp、current_timezone、date、date_add、date_format、date_from_unix_date、date_sub、datediff、day、dayofmonth、dayofweek、dayofyear、from_unixtime、from_utc_timestamp、hour、last_day、make_date、minute、month、next_day、now、quarter、second、timestamp_micros、timestamp_millis、to_date、to_unix_timestamp、unix_seconds、unix_millis、unix_micros、weekday、weekofyear、year |
json | get_json_object、json_array_length |
array | array、array_contains、array_distinct、array_except、array_intersect、array_join、array_max、array_min、array_position、array_remove、array_repeat、array_sort、arrays_overlap、arrays_zip、element_at、exists、filter、forall、flatten、shuffle、size、sort_array |
map | map、get_map_value、map_from_arrays、map_keys、map_values、map_zip_with、named_struct、struct、str_to_map |
编码 | crc32、hash、md5、sha1、sha2 |
其他 | current_catalog、current_database、greatest、least、monotonically_increasing_id、nanvl、spark_partition_id、stack、uuid、rand |
数据类型
Fusion引擎支持的数据类型，如下所示。
Byte、Short、Int、Long
Boolean
String、Binary
Decimal
Float、Double
Date、Timestamp
Fusion加速暂不支持的场景
算子
类型 | 算子 |
聚合 |
|
Exchange | CustomShuffleReaderExec |
Pandas |
|
其他 |
|
数据类型
Struct
Array
Map