Conversion from one dataset to another that will not fit in memory?

Having found the following description in the documentation, I tried the operation of scanning a dataset larger than memory and writing it to another dataset.

https://arrow.apache.org/docs/python/dataset.html#writing-large-amounts-of-data

> The above examples wrote data from a table. If you are writing a large amount of data you may not be able to load everything into a single in-memory table. Fortunately, the write_dataset() method also accepts an iterable of record batches. This makes it really simple, for example, to repartition a large dataset without loading the entire dataset into memory:

```python
import pyarrow.dataset as ds

input_dataset = ds.dataset("input")
ds.write_dataset(inpute_dataset.scanner(), "output", format="parquet")
```

```r
arrow::open_dataset("input") |>
arrow::write_dataset("output")
```

But both Python and R on Windows crashed due to lack of memory. Am I missing something?
Is there a recommended way to convert one dataset to another without running out of computer memory?

Inizia con la sezione della documentazione Python sui dataset dedicata alla scrittura di grandi quantità di dati e riproduci l'esempio scanner-to-write_dataset su Windows; confrontalo con l'esempio R open_dataset |> write_dataset. Verifica se una delle due conversioni documentate va in crash per un input più grande della memoria disponibile e considera l'issue completata quando l'operazione documentata termina senza esaurire la memoria oppure la limitazione è documentata chiaramente.

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