Parquet statistics stats_null_count is wrong for large json string colums
- 主要言語
- Java
- スター
- 3.1k
- フォーク
- 1.6k
- 平均マージ
- 3日 12時間
- マージ済み PR(30日)
- 33
説明
stats_null_count always None when one of the columns values is about 46977 characters length
**Reporter**: [Rotem Levi](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=rotem.l)
#### Original Issue Attachments:
- [part-00000-7e5dcc44-d176-42ab-98b9-664cace5d433-c000.snappy.parquet](https://issues.apache.org/jira/secure/attachment/13058765/part-00000-7e5dcc44-d176-42ab-98b9-664cace5d433-c000.snappy.parquet)
**Note**: *This issue was originally created as [PARQUET-2306](https://issues.apache.org/jira/browse/PARQUET-2306). Please see the [migration documentation](https://issues.apache.org/jira/browse/PARQUET-2502) for further details.*
コントリビューションガイド
このリポジトリのコントリビューションガイドは索引されていません
調査の方向性
まず、添付された part-00000-7e5dcc44-d176-42ab-98b9-664cace5d433-c000.snappy.parquet ファイルと、約46,977文字のJSON文字列を含む列を使って、報告された stats_null_count の動作を再現します。その列について Parquet の統計情報がどのように読み取られるかを追跡します。stats_null_count が常に None ではなく正しく報告されれば完了です。
索引モデルが issue の本文から書いたものです。
評価
- 技術スタック
- java
- 領域
- databases
- issue の種類
- バグ
- 難易度
- 4/5
- 見積もり時間
- 3〜5日
- 活発さ
- 停滞
- 明瞭さ
- 説明が足りない
- 初心者へのやさしさ
- 35/100