ParquetOutputFormat should support custom OutputCommitter
- 主要言語
- Java
- スター
- 3.1k
- フォーク
- 1.6k
- 平均マージ
- 3日 12時間
- マージ済み PR(30日)
- 33
説明
ParquetOutputFormat should support custom OutputCommitter.
There is a need to bypass current Hadoop functionality of writing output data under **_temporary** folder. Especially with AWS S3, there can be huge overhead of moving the files from **_temporary** folder to output folder.
**Reporter**: [Mikko Kupsu](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=mikkokupsu)
**Assignee**: [Steve Loughran](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=stevel@apache.org) / @steveloughran
#### Related issues:
- [Improve Parquet IO Performance within cloud datalakes](https://github.com/apache/parquet-java/issues/2912) (is depended upon by)
#### PRs and other links:
- [GitHub Pull Request #1361](https://github.com/apache/parquet-java/pull/1361)
**Note**: *This issue was originally created as [PARQUET-781](https://issues.apache.org/jira/browse/PARQUET-781). Please see the [migration documentation](https://issues.apache.org/jira/browse/PARQUET-2502) for further details.*
コントリビューションガイド
このリポジトリのコントリビューションガイドは索引されていません
調査の方向性
ParquetOutputFormat から始めて Hadoop の OutputCommitter 統合を確認し、その後、既存の作業について pull request #1361 を読んでください。_temporary への不要な書き込みや S3 上でのファイル移動を避けながら、カスタム committers をサポートできれば完了です。
索引モデルが issue の本文から書いたものです。
評価
- 技術スタック
- aws, hadoop, java
- 領域
- cloud, data-engineering
- issue の種類
- 機能追加
- 難易度
- 4/5
- 見積もり時間
- 3〜5日
- 活発さ
- 停滞
- 明瞭さ
- おおむね明確
- 初心者へのやさしさ
- 25/100