Performance concern: fillHoles() method and read buffer expansion efficiency.

Hi everyone,

I have the following use case: I’m benchmarking the read throughput performance when dealing with a large number of non-dictionary string columns (300 columns). Based on the profiler output (see the attached picture), I’ve noticed that a significant amount of time is spent in the fillHoles() method, which is part of the read buffer expansion process.

My question is: why is the buffer filled one element at a time instead of using a bulk operation? Wouldn’t a batch approach be more efficient?

Looking forward to your insights. Thanks!


Comienza con fillHoles() en la ruta de expansión del búfer de lectura y revisa la imagen del profiler y el contexto del benchmark de 300 columnas descritos en el issue. Compara el rellenado actual elemento por elemento con un enfoque bulk usando la misma carga de trabajo; se considera terminado cuando haya una conclusión medida sobre la preocupación de rendimiento y un cambio específico solo si la comparación lo respalda.

Escrito por el modelo de indexación a partir del texto del issue.