在决定矢量化和标量pyflink udf时，有没有一套简单的规则可以遵循？
根据docs，矢量化的udf具有以下优点：（1）更小的ser-de和调用开销（2）vector（尤其是数值的，如果我理解正确的话）计算由于libs（如numpy）而得到高度优化。
矢量化python用户定义函数是通过在jvm和python vm之间以箭头列格式传输一批元素来执行的函数。矢量化python用户定义函数的性能通常比非矢量化python用户定义函数高得多，因为序列化/反序列化开销和调用开销大大减少。此外，用户还可以利用流行的python库（如pandas、numpy等）来实现矢量化的python用户定义函数。这些python库经过高度优化，提供了高性能的数据结构和函数。
问题1：矢量化自定义项总是首选吗？
比方说，在我的用例中，我只想从json列中提取一些字段，但flink内置函数还不支持这些字段，因此我需要定义我的udf，如：

@udf(...)
def extract_field_from_json(json_value, field_name):
    import json
    return json.loads(json_value)[field_name]

问题2：在这种非数字的情况下，我是否也会从矢量化的自定义项中受益？