如果您有兴趣为 arrow 贡献代码，本文将从较高层次解释我们的方法。在文章末尾，我们提供了扩展此方法的各种文章链接。
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++ 库的核心逻辑封装在类和方法中。在 arrow R 包中，这些类实现为 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。这使得可以轻松地在 代码 或 文档 中查找相关的 C++ 实现。为了简化 R 中的操作，通常会删除或扁平化 C++ 库命名空间；也就是说，在 C++ 库中为 arrow::io::FileOutputStream 的地方，在 R 包中仅为 FileOutputStream。文件读取器是一个例外，其中命名空间对于消除歧义是必要的。因此，arrow::csv::TableReader 变为 CsvTableReader，而 arrow::json::TableReader 变为 JsonTableReader。
某些类不应直接实例化；它们可能是基类或其他类型的辅助程序。对于您应该能够创建的类，请使用 $create() 方法实例化对象。例如，rb <- RecordBatch$create(int = 1:10, dbl = as.numeric(1:10)) 将创建一个 RecordBatch。R 用户最常遇到的许多此类工厂方法也具有“snake_case”别名，以便更符合当代 R 用户的习惯。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 包装函数作为对 C++ 库的高级接口。R 用户可以调用 read_parquet()，而无需了解或关心他们正在实例化 ParquetFileReader 对象并在其上调用 $ReadFile() 方法。这些类存在并可供希望对如何使用 C++ 库进行细粒度控制的高级程序员使用。