apache / apache/parquet-java

Reduce memory footprint for nulls caching

Abierto
#2,088 0 comentarios 0 reacciones 0 asignados Ver en GitHub
Component: Java Component: Parquet Priority: Major Type: enhancement
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

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.