InternalParquetRecordWriter doesn't use min/max row counts
- Langage dominant
- Java
- Étoiles
- 3.1k
- Forks
- 1.6k
- Merge moyen
- 3 j 12 h
- PR mergées (30 j)
- 33
Description
PARQUET-99 added settings to control the min and max number of rows between size checks when flushing pages, and a setting to control whether to always use a static size (the min). The [InternalParquetRecordWriter has similar checks](https://github.com/apache/parquet-mr/blob/master/parquet-hadoop/src/main/java/org/apache/parquet/hadoop/InternalParquetRecordWriter.java#L143) that don't use those settings. We should determine if it should update it to use those settings or similar.
**Reporter**: [Ryan Blue](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=rdblue) / @rdblue
#### Related issues:
- [Min/Max record counts for block size checks are not configurable](https://github.com/apache/parquet-java/issues/2038) (duplicates)
- [Large rows cause unnecessary OOM exceptions](https://github.com/apache/parquet-java/issues/1584) (is related to)
#### PRs and other links:
- [GitHub Pull Request #495](https://github.com/apache/parquet-mr/pull/495)
**Note**: *This issue was originally created as [PARQUET-409](https://issues.apache.org/jira/browse/PARQUET-409). Please see the [migration documentation](https://issues.apache.org/jira/browse/PARQUET-2502) for further details.*
Guide de contribution
Aucun guide de contribution indexé pour ce dépôt
Piste de recherche
Commencez dans parquet-hadoop/src/main/java/org/apache/parquet/hadoop/InternalParquetRecordWriter.java vers la ligne 143 et comparez ses vérifications de flush des pages avec les paramètres introduits par PARQUET-99. Examinez la pull request #495 et les issues associées avant de déterminer le comportement attendu ; le travail est terminé lorsque le writer gère systématiquement les nombres minimal et maximal configurables de lignes, ou documente pourquoi il ne devrait pas le faire.
Rédigé par le modèle d'indexation à partir du texte de l'issue.
Évaluation
- Stack technique
- java
- Domaine
- data-engineering
- Type d'issue
- Bug
- Difficulté
- 5/5
- Temps estimé
- Plus d'une semaine
- Activité
- À l'abandon
- Clarté
- À clarifier
- Accessibilité débutants
- 25/100