CouncilDataProject / CouncilDataProject/cdp-data

Prototype delayed dask dataframes for better computation scaling

Aperta
#9 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub
enhancement
Lingua principale
Jupyter Notebook
Stelle
5
Fork
4
Metriche di merge delle PR
Nessuna PR unita negli ultimi 30g

Descrizione

Currently all computation is multithreaded by default and that doesn't leave a lot of room to the user in terms of deciding how and when they want to actually gather data or compute a result.

The datasets module can easily be switched over to dask for data gathering and caching

The keywords module should be looked at for how to use dask dataframes for just-in-time compute and out-of-memory compute.

Guida per i contributori

Apri la guida per i contributori

Direzione di ricerca

Inizia leggendo il modulo datasets per comprendere l’attuale raccolta dei dati e il caching, quindi esamina il modulo keywords per il comportamento di calcolo esistente. Il prototipo dovrebbe supportare la raccolta o il calcolo differiti e coprire l’uso di dataframe just-in-time e out-of-memory, ma l’issue non definisce test o criteri di accettazione specifici.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Valutazione

Ambito
data-engineering, performance
Tipo di issue
Funzionalità
Difficoltà
5/5
Tempo stimato
Più di una settimana
Stato di attività
Ferma
Chiarezza
Da chiarire
Idoneità per principianti
30/100

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.