apache / apache/parquet-java

Pool SeekableInputStreams in ParquetFileReader

Ouverte
#2,578 0 commentaires 0 réactions 0 personnes assignées Voir sur GitHub
Component: Java Component: Parquet Priority: Minor Type: enhancement
Langage dominant
Java
Étoiles
3.1k
Forks
1.6k
Merge moyen
3 j 12 h
PR mergées (30 j)
33

Description

 

If https://issues.apache.org/jira/browse/PARQUET-1982 goes through, then we could allow parallel reading of row groups with a pool of SeekableInputStreams. This would significantly boost performance for applications that read data at random positions from a large file.

I've already developed a patch that would enable this functionality. I will link the merge request in the next few days.

Is there a related ticket that i have overlooked?

**Reporter**: [Felix Schmalzel](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=fschmalzel) / @fschmalzel

**Note**: *This issue was originally created as [PARQUET-1983](https://issues.apache.org/jira/browse/PARQUET-1983). Please see the [migration documentation](https://issues.apache.org/jira/browse/PARQUET-2502) for further details.*

Guide de contribution

Aucun guide de contribution indexé pour ce dépôt

Piste de recherche

Commencez par examiner PARQUET-1982 et l’implémentation existante de ParquetFileReader afin de comprendre le prérequis et la gestion actuelle des streams. Le travail est considéré comme terminé lorsque les lectures parallèles de groupes de lignes sont activées via un pool de SeekableInputStreams, avec validation des performances pour les lectures à des positions aléatoires.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Évaluation

Stack technique
java
Domaine
data-engineering
Type d'issue
Fonctionnalité
Difficulté
4/5
Temps estimé
3-5 jours
Activité
À l'abandon
Clarté
Plutôt claire
Accessibilité débutants
25/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.