Reduce memory footprint for nulls caching
- Lenguaje dominante
- Java
- Estrellas
- 3.1k
- Forks
- 1.6k
- Merge medio
- 3 d 12 h
- PR fusionados (30 d)
- 33
Descripción
Scenario:
There is a schema with many optional groups, e.g.
```
message example {
required binary id (UTF8);
optional group a1 (LIST) {
repeated int64 array;
}
optional group a2 (LIST) {
repeated int64 array;
}
...
optional group aN (LIST) {
repeated int64 array;
}
}
```
Many records without optional parameters are written.
In this case groupNullCache will contain many elements which all are zeros.
**Reporter**: [Boris Molodenkov](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=molodenkov)
#### Related issues:
- [Caching nulls on group node to improve write performance on wide schema sparse data](https://github.com/apache/parquet-java/issues/1860) (relates to)
**Note**: *This issue was originally created as [PARQUET-1119](https://issues.apache.org/jira/browse/PARQUET-1119). Please see the [migration documentation](https://issues.apache.org/jira/browse/PARQUET-2502) for further details.*
Guía de contribución
No hay ninguna guía de contribución indexada para este repositorio
Línea de trabajo
No se nombran archivos fuente ni pruebas. Empieza rastreando dónde se crea y se rellena groupNullCache, y después lee el issue #1860 sobre el diseño de caché existente. Se considera terminado cuando se reduzca el almacenamiento de las entradas de null-cache con todos los valores a cero, preservando al mismo tiempo el comportamiento de escritura relevante; añade cobertura específica donde se prueba el comportamiento actual de la caché.
Escrito por el modelo de indexación a partir del texto del issue.
Evaluación
- Stack tecnológico
- java
- Área
- data-engineering
- Tipo de issue
- Refactorización
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Estado de actividad
- Estancado
- Claridad
- Necesita aclaración
- Aptitud para principiantes
- 25/100