apache / apache/parquet-java

The number of values in a miniblock should be multiple of 32 instead of 8 in DeltaBinaryPackingConfig

Đang mở
#2,639 0 bình luận 0 reaction 0 người được giao Xem trên GitHub
Component: Java Component: Parquet Priority: Major 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

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.*

Hướng dẫn đóng góp

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

Hướng nghiên cứu

Đọc DeltaBinaryPackingConfig.java và so sánh việc kiểm tra kích thước miniblock của nó với DeltaBinaryPackingValuesWriter.java và đặc tả Delta Binary Packed. Xác nhận rằng số lượng giá trị miniblock được chấp nhận khớp với đặc tả và cấu hình của writer gồm 128 giá trị và bốn miniblock, sau đó chạy các bài kiểm thử parquet-column liên quan nếu có.

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

Đánh giá

Công nghệ
java
Lĩnh vực
data-engineering
Loại issue
Lỗi
Độ khó
2/5
Thời gian dự kiến
1-3 giờ
Mức độ hoạt động
Đình trệ
Độ rõ ràng
Đặc tả rõ ràng
Mức phù hợp với người mới
45/100

Nhận issue mới trong hộp thư của bạn

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