apache / apache/parquet-java

Validate parquet row group size and HDFS block size

Ouverte
#1,717 1 commentaire 0 réactions 0 personnes assignées Voir sur GitHub
Component: Java Component: Parquet Priority: Major Type: bug
Langage dominant
Java
Étoiles
3.1k
Forks
1.6k
Merge moyen
3 j 12 h
PR mergées (30 j)
33

Description

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.*

Guide de contribution

Aucun guide de contribution indexé pour ce dépôt

Piste de recherche

Commencez par localiser l’implémentation de OutputFormat et la gestion de parquet.block.size et dfs.blocksize. Vérifiez les deux conditions indiquées, y compris le seuil de reste de 1MB, et prenez en compte l’issue associée concernant l’alignement des row groups et des blocs HDFS ; le travail est terminé lorsque la validation demandée est couverte.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Évaluation

Stack technique
java
Domaine
data-engineering, distributed-systems
Type d'issue
Bug
Difficulté
4/5
Temps estimé
3-5 jours
Activité
À l'abandon
Clarté
Plutôt claire
Accessibilité débutants
28/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.