4paradigm / 4paradigm/OpenMLDB

load data from parquet, poor performance for big datasets

Ouverte
#3,396 2 commentaires 0 réactions 2 personnes assignées Réclamée par @vagetablechicken Voir sur GitHub
batch-engine bug high-priority
Langage dominant
C++
Étoiles
1.7k
Forks
331
Merge moyen
12 j 12 h
PR mergées (30 j)
1

Description

parquet file is 3.5G, and possibly 35G in memory. load data from parquet into online storage, spark bootstrap the job, starting 30min and fails of OOM.

Guide de contribution

Ouvrir le guide de contribution

Piste de recherche

The issue mentions loading a large Parquet file (3.5G, potentially 35G in memory) via Spark into OpenMLDB, with OOM failures after 30 minutes. Start by examining the Spark integration code and memory management for data ingestion. Look for configuration options or limits on chunk size or streaming reads. Determine what 'done' looks like by verifying the data loads without OOM and within a reasonable time.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Évaluation

Stack technique
spark
Domaine
data-engineering, databases, performance
Type d'issue
Bug
Difficulté
4/5
Temps estimé
3-5 jours
Activité
À l'abandon
Clarté
À clarifier
Accessibilité débutants
30/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.