Benchmark Archive

2024-09-09

以下のグラフはTPC-Hベンチマークに含まれる22種類のクエリでの4つのデータフレームライブラリ（pandas, modin, polars, fireducks）の比較を示しています．縦軸はpandasに対して何倍速いか（実行時間が短いか）を対数軸で示しています．1より大きい場合はpandasより速いことを示しています．データサイズを表すScale Factorは10（約10GB程度のデータセット）で，ファイルIO以外の時間を測定しています．

22クエリの平均でのpandasからの速度向上は，Modinは1.2倍，Polarsは16倍，FireDucksは27倍でした．

polars-tpch-sf10

利用した各ライブラリのバージョンは以下になります（計測時の最新版）．

pandas: 2.2.2
Modin: 0.30.0
Polars: 0.20.29
FireDucks: 0.11.4

サーバースペック

CPU: Intel(R) Xeon(R) Gold 5317 CPU @ 3.00GHz x 2sockets （合計48HWスレッド）
メインメモリ: 256GB

次にScalar Factor(sf)を10, 20, 50にしてデータサイズを大きくした場合にPolarsとFireDucksの比較結果を示します．縦軸はPolarsに対してFireDucksが何倍速いかを示しています．平均ではFireDucksが1.7倍(sf=10), 1.7倍(sf=20), 1.8倍(sf=50)高速となっています．

polars-tpch

ベンチマークコードについて

このベンチマークはpolars/tpchをベースにしています．polars/tpchはpolars向けには全22クエリがありますが，pandasやmodin向けには一部しかありませんでしたので，今回はFireDucks開発チームでpandasを用いてクエリを実装し，それをimport hookを用いてFireDucksで動かしました．これらのクエリは，pandasやmodinで動かす際にも利用しました．

注意我々のpandas/modin/pandas版のクエリは、クエリの結果が期待される結果に等しいという単純なルールで実装されています。しかし、Polarsのクエリは、ここで説明されているように、異なるルールで実装されているようです。したがって、このベンチマークはリンゴ対リンゴではないと言えるでしょう。

2024-02-06

サーバースペック

CPU: Intel(R) Xeon(R) Gold 5317 CPU @ 3.00GHz x 2sockets （合計48HWスレッド）
メインメモリ: 256GB

TPC-Hを用いたデータフレームライブラリの比較

ベンチマークのソースコード

22クエリの平均でのpandasからの速度向上は，Modinは1.3倍，Polarsは13倍，FireDucksは18倍でした．

polars-tpch-sf10

利用した各ライブラリのバージョンは以下になります（計測時の最新版）．

pandas: 2.2.0
Modin: 0.26.1
Polars: 0.20.7
FireDucks: 0.9.8

次にScalar Factor(sf)を10, 20, 50にしてデータサイズを大きくした場合にPolarsとFireDucksの比較結果を示します．縦軸はPolarsに対してFireDucksが何倍速いかを示しています．平均ではFireDucksが1.3倍(sf=10), 1.3倍(sf=20), 1.7倍(sf=50)高速となっています．

polars-tpch

ベンチマークコードについて

各クエリのソースコードはこちらで公開しています．