The number of values in a miniblock should be multiple of 32 instead of 8 in DeltaBinaryPackingConfig
- Lenguaje dominante
- Java
- Estrellas
- 3.1k
- Forks
- 1.6k
- Merge medio
- 3 d 12 h
- PR fusionados (30 d)
- 33
Descripción
In the code of [DeltaBinaryPackingValuesWriter](https://github.com/apache/parquet-mr/blob/master/parquet-column/src/main/java/org/apache/parquet/column/values/delta/DeltaBinaryPackingValuesWriter.java#L82), the parameters are always DEFAULT_NUM_BLOCK_VALUES(which is 128) and DEFAULT_NUM_MINIBLOCKS(which is 4). So if the file is written by parquet-mr, the number of values in a miniblock is always 32. It is consistent with the [spec.](https://github.com/apache/parquet-format/blob/master/Encodings.md#delta-encoding-delta_binary_packed--5)
However, the code in [DeltaBinaryPackingConfig](https://github.com/apache/parquet-mr/blob/master/parquet-column/src/main/java/org/apache/parquet/column/values/delta/DeltaBinaryPackingConfig.java#L41) indicates that the number of values in a miniblock must be multiple of 8. Would it be better if the limitation was changed to 32?
**Reporter**: [Shan Huang](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=shanhuang) / @shanhuuang
**Note**: *This issue was originally created as [PARQUET-2077](https://issues.apache.org/jira/browse/PARQUET-2077). 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
Lee DeltaBinaryPackingConfig.java y compara su validación del tamaño de miniblock con DeltaBinaryPackingValuesWriter.java y con la especificación de Delta Binary Packed. Confirma que el número de valores de miniblock aceptado coincide con la especificación y con la configuración del writer de 128 valores y cuatro miniblocks; después, ejecuta las pruebas relevantes de parquet-column si están disponibles.
Escrito por el modelo de indexación a partir del texto del issue.
Evaluación
- Stack tecnológico
- java
- Área
- data-engineering
- Tipo de issue
- Error
- Dificultad
- 2/5
- Tiempo estimado
- 1-3 horas
- Estado de actividad
- Estancado
- Claridad
- Bien especificado
- Aptitud para principiantes
- 45/100