apache / apache/parquet-java

Parquet Combine Input format for MapReduce job

Đang mở
#2,070 0 bình luận 0 reaction 0 người được giao Xem trên GitHub
Component: Java Component: Parquet Priority: Major Type: enhancement
Ngôn ngữ chính
Java
Star
3.1k
Fork
1.6k
Merge trung bình
3 ngày 12 giờ
Pull request đã merge (30 ngày)
33

Mô tả

ParquetInputFormat can only process one parquet file, if there are small files, it will spawn many small map task processing the small file. It is not efficient.
We need to provide CombineInputFormat to combine small files together in one map task.

**Reporter**: [Bing Jiang](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=jiangbinglover)

**Note**: *This issue was originally created as [PARQUET-1051](https://issues.apache.org/jira/browse/PARQUET-1051). Please see the [migration documentation](https://issues.apache.org/jira/browse/PARQUET-2502) for further details.*

Hướng dẫn đóng góp

Chưa lập chỉ mục được hướng dẫn đóng góp cho kho mã nguồn này

Hướng nghiên cứu

Start by reading the ParquetInputFormat entry point and the MapReduce input-format behavior described in the issue. Determine how small Parquet files should be combined into a single map task, then verify that the resulting input format processes those files together without losing records.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Đánh giá

Công nghệ
hadoop, java
Lĩnh vực
data-engineering, distributed-systems
Loại issue
Tính năng
Độ khó
4/5
Thời gian dự kiến
3-5 ngày
Mức độ hoạt động
Đình trệ
Độ rõ ràng
Khá rõ ràng
Mức phù hợp với người mới
38/100

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.