术语表#
- array（数组）#
- vector（向量）#
一种连续的、一维的、长度已知且所有值具有相同类型的值序列。数组由零个或多个 缓冲区 (buffers)、一个非负长度和一个 数据类型 (data type) 组成。数组的缓冲区根据列式格式定义的该数据类型进行布局。
数组的“连续”是指遍历数组的值将遍历一组单一的缓冲区，即使该数组可能由多个离散的缓冲区组成，或者由本身跨越多个缓冲区的子数组组成。
数组的“一维”是指它们是 槽位 (slots) 或单一值的序列，即使对于某些数据类型（如结构体或联合体），一个槽位可能代表多个值。
由 Arrow 列式格式 定义。
- buffer（缓冲区）#
具有给定长度的连续内存区域。缓冲区用于存储数组的数据。
缓冲区可以位于 CPU 内存、从文件进行内存映射的内存、设备（例如 GPU）内存中等，尽管并非所有 Arrow 实现都支持所有这些可能性。
- canonical extension type（规范扩展类型）#
一种由 Arrow 社区标准化，旨在提高不同实现之间互操作性的 扩展类型 (extension type)。
另请参阅
- child array（子数组）#
- parent array（父数组）#
在 嵌套类型 (nested type) 的数组中，父数组对应于 父类型 (parent type)，子数组对应于 子类型 (child type)。例如，类型为
List[Int32]的父数组拥有一个类型为Int32的子数组。- child type（子类型）#
- parent type（父类型）#
在 嵌套类型 (nested type) 中，嵌套类型是父类型，子类型是其参数。例如，在
List[Int32]中，List是父类型，Int32是子类型。- chunked array（分块数组）#
一种非连续的、一维的、长度已知且所有值具有相同类型的值序列。由零个或多个称为“块 (chunks)”的 数组 (arrays) 组成。
分块数组的“非连续”是指遍历分块数组的值可能需要遍历不同索引处的不同缓冲区。
不属于列式格式的一部分；此术语仅针对 Arrow 的特定语言实现（主要是 C++ 及其绑定）。
另请参阅
- complex type（复杂类型）#
- nested type（嵌套类型）#
一种结构依赖于一个或多个其他 子数据类型 (child data types) 的 数据类型 (data type)。例如，
List是一种有一个子类型的嵌套类型。当且仅当两个嵌套类型的子类型相等时，这两个嵌套类型才相等。
- data type（数据类型）#
- type（类型）#
值可以采用的类型，例如
Int8或List[Utf8]。数组的类型决定了其值根据 Arrow 列式格式 在内存中的布局方式。- dictionary（字典）#
与 字典编码 (dictionary-encoded) 数组配套使用的一组值数组。
- dictionary-encoding（字典编码）#
一种将值存储为对 字典 (dictionary) 数组的索引，而不是直接存储这些值的数组。
另请参阅
- extension type（扩展类型）#
- storage type（存储类型）#
扩展类型是一种用户自定义的 数据类型，它为现有数据类型添加了额外的语义。这允许不支持特定扩展类型的实现仍然能够处理底层数据（即“存储类型”）。
例如，UUID 可以表示为 16 字节的固定长度二进制类型。
另请参阅
- field（字段）#
模式 (schema) 中的一列。由字段名称、数据类型、指示该字段是否可为空的标志以及可选的键值元数据组成。
- IPC file format（IPC 文件格式）#
- file format（文件格式）#
- random-access format（随机访问格式）#
IPC 流格式 (IPC streaming format) 的一种扩展，可用于将 Arrow 数据序列化到磁盘，然后通过对单个记录批次的随机访问将其读回。
- IPC format（IPC 格式）#
一种用于序列化 Arrow 数据的规范，以便将其在进程/机器之间发送，或持久化到磁盘上。
- IPC message（IPC 消息）#
- message（消息）#
特定内存结构的 IPC 表示，例如 记录批次 (record batch) 或 模式 (schema)。它始终是 Flatbuffers 协议文件 中
MessageHeader的成员之一。- IPC streaming format（IPC 流格式）#
- streaming format（流格式）#
一种用于流式传输 Arrow 数据或将数据序列化为文件的协议，由一系列 IPC 消息 组成。
- physical layout（物理布局）#
一种关于如何在内存中排列值的规范。
另请参阅
- primitive type（原生类型）#
没有任何子类型的数据类型。
另请参阅
- record batch（记录批次）#
在 IPC 格式 中：数据的原生单元。记录批次由一组对应于某个 模式 (schema) 的有序 缓冲区 (buffers) 列表组成。
在某些实现中（主要是 C++ 及其绑定）：数据的连续的、二维的块。记录批次由一组相同长度的有序 数组 (arrays) 集合组成。
与数组一样，记录批次的“连续”是指遍历记录批次的行将遍历一组单一的缓冲区。
- schema（模式）#
一组带有可选元数据的 字段 (fields)，它决定了诸如 记录批次 或 表 (table) 等对象的所有 数据类型。
- slot（槽位）#
数组内的一个单一逻辑值，即“行”。
- table（表）#
一种非连续的、二维的数据块，由一组有序的 分块数组 (chunked arrays) 集合组成。所有分块数组具有相同的长度，但可能有不同的类型。不同的列可以有不同的分块方式。
与分块数组一样，表的“非连续”是指遍历表的行可能需要遍历不同索引处的不同缓冲区。
不属于列式格式的一部分；此术语仅针对 Arrow 的特定语言实现（例如 C++ 及其绑定，以及 Go）。
