apache / apache/parquet-java

stream through files when writing the _metadata file to reduce memory usage

Aperta
#1,571 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub
Component: Java Component: Parquet Priority: Major Type: enhancement
Lingua principale
Java
Stelle
3.1k
Fork
1.6k
Merge medio
3g 12h
PR unite (30g)
33

Descrizione

Currently we load all the footers of the part files in memory in the committer to write the _metadata file.
We could open the _metadata file first and then add the metadata for each part file one by one. That would reduce the required memory.

**Reporter**: [Julien Le Dem](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=julienledem) / @julienledem

**Note**: *This issue was originally created as [PARQUET-91](https://issues.apache.org/jira/browse/PARQUET-91). Please see the [migration documentation](https://issues.apache.org/jira/browse/PARQUET-2502) for further details.*

Guida per i contributori

Nessuna guida per i contributori indicizzata per questo repository

Direzione di ricerca

Inizia dal codice del committer che scrive il file _metadata e segui come vengono attualmente caricati i footers dai part files. La modifica è completa quando i metadati vengono scritti un part file alla volta senza mantenere tutti i footers in memoria; il payload non indica file specifici né test da eseguire.

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

Valutazione

Stack tecnologico
java
Ambito
data-engineering
Tipo di issue
Refactoring
Difficoltà
4/5
Tempo stimato
3-5 giorni
Stato di attività
Ferma
Chiarezza
Abbastanza chiara
Idoneità per principianti
35/100

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.