Validate parquet row group size and HDFS block size
- Vorherrschende Sprache
- Java
- Sterne
- 3.1k
- Forks
- 1.6k
- Ø Merge
- 3 T. 12 Std.
- Gemergte PRs (30 T.)
- 33
Beschreibung
The OutputFormat should verify that `parquet.block.size < dfs.blocksize` to avoid bad performance. In addition, we could check that `(dfs.blocksize % parquet.block.size) < 1MB` to ensure that some number of row groups is approximately the size of an HDFS block.
**Reporter**: [Ryan Blue](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=rdblue) / @rdblue
#### Related issues:
- [Improve alignment between row groups and HDFS blocks](https://github.com/apache/parquet-java/issues/1831) (depends upon)
**Note**: *This issue was originally created as [PARQUET-166](https://issues.apache.org/jira/browse/PARQUET-166). Please see the [migration documentation](https://issues.apache.org/jira/browse/PARQUET-2502) for further details.*
Beitragsleitfaden
Für dieses Repository ist kein Beitragsleitfaden indexiert
Rechercherichtung
Beginne damit, die OutputFormat-Implementierung und die Verarbeitung von parquet.block.size und dfs.blocksize zu lokalisieren. Prüfe die beiden genannten Bedingungen, einschließlich der Schwelle für den 1MB-Rest, und berücksichtige das verwandte Issue zur Ausrichtung von row groups und HDFS-Blöcken; die Arbeit ist abgeschlossen, wenn die angeforderte Validierung abgedeckt ist.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Bewertung
- Tech-Stack
- java
- Bereich
- data-engineering, distributed-systems
- Issue-Typ
- Bug
- Schwierigkeit
- 4/5
- Geschätzter Aufwand
- 3-5 Tage
- Aktivitätsstatus
- Veraltet
- Klarheit
- Größtenteils klar
- Anfängerfreundlichkeit
- 28/100