apache / apache/parquet-java

Min/Max record counts for block size checks are not configurable

Offen
#2,038 0 Kommentare 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen
Component: Parquet Priority: Major Type: enhancement
Vorherrschende Sprache
Java
Sterne
3.1k
Forks
1.6k
Ø Merge
3 T. 12 Std.
Gemergte PRs (30 T.)
33

Beschreibung

While the min/max record counts for page size check are configurable via ParquetOutputFormat.MIN_ROW_COUNT_FOR_PAGE_SIZE_CHECK and ParquetOutputFormat.MAX_ROW_COUNT_FOR_PAGE_SIZE_CHECK configs and via ParquetProperties directly, the min/max record counts for block size check are hard coded inside InternalParquetRecordWriter.

These two settings should also be configurable.

**Reporter**: [Pradeep Gollakota](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=pradeepg26)
#### Related issues:
- [InternalParquetRecordWriter doesn't use min/max row counts](https://github.com/apache/parquet-java/issues/1461) (is duplicated by)
#### PRs and other links:
- [GitHub Pull Request #470](https://github.com/apache/parquet-mr/pull/470)
- [PR #447 (replaced by #470)](https://github.com/apache/parquet-mr/pull/447)
- [PR #470](https://github.com/apache/parquet-mr/pull/470)

**Note**: *This issue was originally created as [PARQUET-869](https://issues.apache.org/jira/browse/PARQUET-869). 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

Lies InternalParquetRecordWriter zusammen mit ParquetOutputFormat und ParquetProperties und vergleiche dabei die bestehenden Konfigurationspfade für die Seitengröße. Prüfe PR #470 und das zugehörige Issue #1461, bevor du entscheidest, ob noch Arbeit aussteht; abgeschlossen ist die Aufgabe, wenn die minimalen/maximalen Blockdatensatzanzahlen über die bereitgestellten Konfigurations- oder Eigenschaftenpfade konfigurierbar sind, statt fest codiert zu sein.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Bewertung

Tech-Stack
java
Bereich
data-engineering
Issue-Typ
Feature
Schwierigkeit
3/5
Geschätzter Aufwand
1-2 Tage
Aktivitätsstatus
Veraltet
Klarheit
Klar beschrieben
Anfängerfreundlichkeit
25/100

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.