在数据呈指数级增长的今天，大数据与 AI 的融合对底层计算性能提出了前所未有的挑战。当企业面临离线批处理耗时长、在线流处理吞吐低的痛点时，如何无需修改业务代码，就能榨干硬件的每一滴潜能？

图 | OmniRuntime Maintainer 尹伟杰

2026 年 8 月 15 日，在重庆举行的 CCF 中国开源大会（CCF ChinaOSC 2026）「AI 时代的开源基础软件技术」分论坛上，OmniRuntime Maintainer 尹伟杰带来了题为《OmniRuntime 基于鲲鹏的大数据开源最佳实践》的精彩分享。自 2025 年 9 月随鲲鹏 BoostKit 首批开源以来，OmniRuntime 正式走向学术与产业开源的核心舞台，交出了一份亮眼的成绩单。

OmniRuntime鲲鹏大数据加速底座

OmniRuntime 是面向鲲鹏 BoostKit 大数据场景的开源向量化加速套件。它采用插件化解耦形式，能够无缝对接 Spark、Flink、Hive 等主流大数据引擎，实现业务 SQL 零改造的高效加速。其中包含：

●OmniOperator：C/C++ Native 算子 + OmniVec 列式内存 + 鲲鹏 SVE 向量化。

●OmniStream：Flink SQL / DataStream Native 化 + UDF 自动翻译。

●OmniStateStore：针对 Flink 状态后端进行深度优化。

性能加速效果：

在标准的鲲鹏 920 + openEuler 22.03 环境下。

离线批处理场景：开启 OmniOperator 后，端到端耗时从 128 分钟骤降至 76 分钟，整体提速 40.6%。在大表 Join、聚合类 SQL 等重负载场景下，提速甚至超过 55%，单特性平均提速在 30% 以上。

在线流处理场景：在双流 Join、GroupAgg 等高并发业务中，系统吞吐量平均提升 30%。

社区演进：全面进军 AI 与数据科学

站在开源的新起点上，OmniRuntime 的脚步并未停止。未来，项目团队将推出全新特性 OmniInfinity，全面赋能数据科学、大模型数据预处理和特征工程场景：

●深度硬件适配：基于灵衢超节点优化 Ray 数据交换。

●生态格式支持：实现 Lance-format 解码鲲鹏亲和优化，支持原生编解码。

●海量向量检索：Lance 支持百亿级向量索引检索。

●算子生态共建：优化 Daft 离线算子，与开源社区携手共建算子广场。

●运行时演进：Python JIT 运行时持续迭代优化