Fusion引擎是EMR Serverless Spark內建的高效能向量化SQL執行引擎，相比開源Spark在TPC-DS基準測試上有3倍效能提升。Fusion引擎與開源Spark完全相容，您無需對現有代碼做任何修改。在EMR Serverless Spark中，只需在建立會話時開啟使用Fusion加速開關，即可啟用該引擎。
Fusion加速適用情境
Fusion引擎加速適用於Spark SQL和DataFrame任務，支援大部分的運算元、運算式和資料類型實現效能提升，而對於RDD任務或者包含使用者自訂函數（UDF）的執行階段暫不支援加速效果。
儲存格式
Fusion引擎支援的資料存放區格式，如下所示。
Parquet
Paimon
ORC(partial)
運算元
Fusion引擎為大部分常見運算元提供加速，具體分類如下所示。
類型 | 運算元列表 |
Source |
|
Sink | DataWritingCommandExec |
常見操作 |
|
彙總 | HashAggregateExec |
Join |
|
視窗 |
|
Exchange |
|
Limit |
|
Subquery | SubqueryBroadcastExec |
其他 |
|
運算式
Fusion引擎目前支援的運算式，如下所示。
類型 | 運算式列表 |
比較/邏輯 | !、!=、<、<=、>、>=、<=>、<>、=、==、||、and、between、is not null、is null、negative、null if、or |
算術 | %、+、-、*、/、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 |
位元運算 | ^、|、&、~、bit_and、bit_count、bit_or、bit_xor、bit_length |
條件運算式 | case、if、when |
集合 | in、find_in_set |
String計算 | 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 |
彙總 | 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 |
視窗 | cume_dist、dense_rank、lag、lead、nth_value、ntile、percent_rank、rank、row_number |
時間 | 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 |
編碼 | crc32、hash、md5、sha1、sha2 |
其他 | current_catalog、current_database、greatest、least、monotonically_increasing_id、nanvl、spark_partition_id、stack、uuid、rand |
資料類型
Fusion引擎支援的資料類型，如下所示。
Byte、Short、Int、Long
Boolean
String、Binary
Decimal
Float、Double
Date、Timestamp
Fusion加速暫不支援的情境
運算元
類型 | 運算元 |
彙總 |
|
Exchange | CustomShuffleReaderExec |
Pandas |
|
其他 |
|
資料類型
Struct
Array
Map
開啟和使用Fusion引擎
方式一：在會話管理中開啟
在建立SQL、Notebook或Spark Thrift Server會話時，勾選使用Fusion加速選項即可開啟Fusion加速。在執行任務時，選擇已開啟Fusion加速的會話即可使用Fusion引擎。
更多資訊，請參見會話管理。
方式二：在Spark配置模板中設定
您可以在EMR Serverless Spark控制台的配置模板中添加Fusion相關參數（如spark.emr.serverless.fusion、spark.emr.serverless.fusion.enabled）。全部Spark參數，請參見Spark Conf自訂參數列表。
更多資訊，請參見管理Spark配置模板。
方式三：在DataWorks中配置Spark參數
全域級配置
全域級配置是指設定工作空間層級某DataWorks功能模組運行EMR任務時使用的Spark參數。可以添加參數spark.emr.serverless.fusion或spark.emr.serverless.fusion.enabled，並將其值設定為true以開啟Fusion引擎。全部Spark參數，請參見Spark Conf自訂參數列表。
詳細配置指引，請參見設定全域Spark參數。
節點級配置
節點級配置適用於以下範圍：
資料開發（Data Studio）：對於Spark節點，可在節點編輯頁面右側的調度配置中設定。
其他產品模組：暫不支援在模組內單獨設定。
您可以添加參數spark.emr.serverless.fusion或spark.emr.serverless.fusion.enabled，並將其值設定為true以開啟Fusion引擎。全部Spark參數，請參見Spark Conf自訂參數列表。
詳細配置指引，請參見節點Spark參數配置。