apache / apache/iceberg-python
Upserting large table extremely slow
未關閉
stale
- 主要語言
- Python
- 星號
- 1.1k
- 分支
- 581
- 平均合併
- 1 天 17 小時
- 30 天內合併 PR
- 78
描述
### Feature Request / Improvement
## Feature Request / Improvement
Upserting large dataframes (tens of millions of rows) in un-usably slow due to creating a massive `BooleanExpression` in `upsert_util.create_match_filter`. This is before any IO is even started. It would be nice if upserts could support large tables.
I'd be happy to work on this issue.
貢獻指南
這個儲存庫沒有索引到貢獻指南
研究方向
從 upsert_util.create_match_filter 開始，該 issue 指出一個巨大的 BooleanExpression 是 I/O 之前的瓶頸。追蹤 dataframe upsert 期間如何使用此篩選器，並使用大型資料表測量其行為。完成的標準是：對數千萬列執行 upsert 時，不再將無法接受的大量時間花費在建構比對篩選器上。
由索引模型根據 Issue 內容生成。
評估
- 技術堆疊
- python
- 領域
- data-engineering
- Issue 類型
- 功能
- 難度
- 4/5
- 預估耗時
- 3-5 天
- 活躍度
- 活躍
- 描述清晰度
- 基本清楚
- 新手友好度
- 48/100