apache / apache/parquet-java

Parquet protobuf: List wrapper should be optional

Abierto
#2,133 0 comentarios 0 reacciones 0 asignados Ver en GitHub
Component: Java Component: Parquet Priority: Minor Type: bug
Lenguaje dominante
Java
Estrellas
3.1k
Forks
1.6k
Merge medio
3 d 12 h
PR fusionados (30 d)
33

Descripción

Following  , parquet-protobuf will conform to the specs[1] regarding the definition of lists and will adopt the 3-level structure:
```java

*required* group my_list (LIST) {
repeated group list {
optional binary element (UTF8);
}
}
```
The first level has the repetition level **required**, however this won't allow making the distinction between a null list and an empty one.

This ticket is for changing the root level repetition to **optional** as following:
```java

*optional* group my_list (LIST) {
repeated group list {
optional binary element (UTF8);
}
}
```
This will allow differentiating between null and empty lists.

[1] https://github.com/apache/parquet-format/blob/master/LogicalTypes.md#lists

**Reporter**: [Benoit Hanotte](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=b.hanotte)

**Note**: *This issue was originally created as [PARQUET-1216](https://issues.apache.org/jira/browse/PARQUET-1216). 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

Comienza localizando la implementación de parquet-protobuf de los esquemas de listas y compárala con la Parquet lists specification enlazada en el issue y con el cambio de parquet-mr referenciado. Se considera terminado cuando la root LIST group es opcional, mientras que la estructura anidada de lista y elemento permanece como se muestra, lo que permite distinguir entre listas null y vacías.

Escrito por el modelo de indexación a partir del texto del issue.

Evaluación

Stack tecnológico
java
Área
data-engineering
Tipo de issue
Error
Dificultad
4/5
Tiempo estimado
3-5 días
Estado de actividad
Estancado
Claridad
Bastante claro
Aptitud para principiantes
35/100

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.