apache / apache/parquet-java

Drop Hadoop 2 input stream reflection from parquet-hadoop

Ouverte
#2,688 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

Parquet uses reflection to load a hadoop2 input stream, falling back to a hadoop-1 compatible client if not found.

All hadoop 2.0.2+ releases work with H2SeekableInputStream, so the binding to H2SeekableInputStream reworked to avoid needing reflection. This would make it a lot easier to probe for/use the bytebuffer input, and line the code up for more recent hadoop releases.

H1SeekableInputStream is still needed to handle streams without ByteBufferReadable.

At some poiint support for ByteBufferPositionedReadable is needed, because that is really what parquet wants. that's where reflection will be needed

**Reporter**: [Steve Loughran](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=stevel@apache.org) / @steveloughran
#### Related issues:
- [Incorrect type checking in HadoopStreams.wrap](https://github.com/apache/parquet-java/issues/2673) (is related to)

**Note**: *This issue was originally created as [PARQUET-2151](https://issues.apache.org/jira/browse/PARQUET-2151). 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 dans le code de chargement des streams de parquet-hadoop et examinez H2SeekableInputStream et H1SeekableInputStream, en utilisant l’issue associée HadoopStreams.wrap comme contexte. Vérifiez comment les streams Hadoop 2.0.2+ sont actuellement chargés ; le travail est terminé lorsque le binding H2 n’a plus besoin de reflection, tandis que H1 reste disponible pour les streams sans ByteBufferReadable.

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

Évaluation

Stack technique
hadoop, java
Domaine
data-engineering
Type d'issue
Refactorisation
Difficulté
4/5
Temps estimé
3-5 jours
Activité
À l'abandon
Clarté
Plutôt claire
Accessibilité débutants
30/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.