如果您有兴趣为 Arrow 做出贡献，本文将从高层次解释我们的方法。在文章末尾，我们包含了一些链接，这些链接以各种方式扩展了本文内容。
包结构和约定
首先概述包的结构会有所帮助。
C++ 是一种面向对象的语言，因此 Arrow C++ 库的核心逻辑被封装在类和方法中。 在 arrow R 包中，这些类被实现为 R6 类，其中大多数从命名空间导出。
为了匹配 C++ 命名约定，R6 类以 “TitleCase” 命名，例如 RecordBatch。 这使得在 代码 或 文档 中查找相关的 C++ 实现变得容易。 为了简化 R 中的操作，C++ 库命名空间通常被删除或扁平化；也就是说，C++ 库具有 arrow::io::FileOutputStream，但在 R 包中仅为 FileOutputStream。 文件读取器是一个例外，其中命名空间是消除歧义所必需的。 因此，arrow::csv::TableReader 变为 CsvTableReader，而 arrow::json::TableReader 变为 JsonTableReader。
其中一些类不打算直接实例化；它们可能是基类或其他类型的助手类。 对于那些您应该能够创建的类，请使用 $create() 方法来实例化对象。 例如，rb <- RecordBatch$create(int = 1:10, dbl = as.numeric(1:10)) 将创建一个 RecordBatch。 R 用户可能经常遇到许多这些工厂方法也具有 “snake_case” 别名，以便更熟悉当代 R 用户。 因此，record_batch(int = 1:10, dbl = as.numeric(1:10)) 将执行与上述 RecordBatch$create() 相同的操作。
arrow R 包的典型用户可能永远不会直接处理 R6 对象。 我们提供更友好的 R 包装函数，作为 C++ 库的更高级别接口。 R 用户可以调用 read_parquet()，而无需知道或关心他们是否正在实例化 ParquetFileReader 对象并调用其 $ReadFile() 方法。 这些类在那里，可供希望对 C++ 库的使用进行细粒度控制的高级程序员使用。