apache / apache/parquet-java

Pool SeekableInputStreams in ParquetFileReader

Đang mở
#2,578 0 bình luận 0 reaction 0 người được giao Xem trên GitHub
Component: Java Component: Parquet Priority: Minor 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

 

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.*

Hướng dẫn đóng góp

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

Hướng nghiên cứu

Bắt đầu bằng việc xem xét PARQUET-1982 và triển khai ParquetFileReader hiện có để hiểu yêu cầu tiên quyết và cách xử lý stream hiện tại. Công việc được xem là hoàn tất khi cho phép đọc song song các row-group thông qua một pool của SeekableInputStreams, với hành vi hiệu năng được xác thực đối với việc đọc tại các vị trí ngẫu nhiên.

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

Đánh giá

Công nghệ
java
Lĩnh vực
data-engineering
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
25/100

Nhận issue mới trong hộp thư của bạn

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