apache / apache/parquet-java

Postpone dictionary encoding decision for starting null pages.

Abierto
#2,749 0 comentarios 0 reacciones 0 asignados Ver en GitHub
Component: Java Component: Parquet Priority: Major Type: enhancement
Lenguaje dominante
Java
Estrellas
3.1k
Forks
1.6k
Merge medio
3 d 12 h
PR fusionados (30 d)
33

Descripción

Discussion from the dev mailing list: [Fallback Encoding for Very Sparse or Sorted Datasets-Apache Mail Archives](https://lists.apache.org/thread/jkkxhknsxw8cdv8fxf1bstqdn5fzw2pl)

If beginning values are all nulls, the dictionary encoding is disabled when first data page is created. This loses the advantage of dictionary encoding if following values are good fit.

**Reporter**: [Gang Wu](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=wgtmac) / @wgtmac
**Assignee**: [Gang Wu](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=wgtmac) / @wgtmac

**Note**: *This issue was originally created as [PARQUET-2253](https://issues.apache.org/jira/browse/PARQUET-2253). 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

Empieza leyendo la discusión enlazada de la lista de correo de dev y la nota de migración del issue sobre el contexto anterior de PARQUET-2253. Traza la decisión de Parquet Java sobre la codificación mediante diccionario para una primera página que contenga únicamente valores nulos; se considera terminado cuando esa decisión se pospone para que los valores posteriores aún puedan usar la codificación mediante diccionario cuando encajen.

Escrito por el modelo de indexación a partir del texto del issue.

Evaluación

Stack tecnológico
java
Área
data-engineering
Tipo de issue
Nueva funcionalidad
Dificultad
4/5
Tiempo estimado
3-5 días
Estado de actividad
Estancado
Claridad
Bastante claro
Aptitud para principiantes
35/100

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.