appendRowGroup will loose pageIndex
- Lingua principale
- Java
- Stelle
- 3.1k
- Fork
- 1.6k
- Merge medio
- 3g 12h
- PR unite (30g)
- 33
Descrizione
Currently,
org.apache.parquet.hadoop.ParquetFileWriter#appendFile(org.apache.parquet.io.InputFile) uses appendRowGroup method to concate parquet row group. However, appendRowGroup method **looses** column index.
```java
// code placeholder
public void appendRowGroup(SeekableInputStream from, BlockMetaData rowGroup,
boolean dropColumns) throws IOException {
....
// TODO: column/offset indexes are not copied
// (it would require seeking to the end of the file for each row groups)
currentColumnIndexes.add(null);
currentOffsetIndexes.add(null);
}
```
Look forward to functionality that support append with page index.
**Reporter**: [GANHONGNAN](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=NathanKan)
**Note**: *This issue was originally created as [PARQUET-2340](https://issues.apache.org/jira/browse/PARQUET-2340). Please see the [migration documentation](https://issues.apache.org/jira/browse/PARQUET-2502) for further details.*
Guida per i contributori
Nessuna guida per i contributori indicizzata per questo repository
Direzione di ricerca
Inizia in parquet-hadoop/src/main/java/org/apache/parquet/hadoop/ParquetFileWriter.java, in appendFile(InputFile) e appendRowGroup. Traccia il modo in cui sono rappresentati gli indici di colonna e di offset dei gruppi di righe e perché il metodo attuale aggiunge voci null. Esamina la logica circostante del writer e i test esistenti, quindi definisci il completamento in modo che i gruppi di righe aggiunti mantengano i propri indici di pagina.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Valutazione
- Stack tecnologico
- java
- Ambito
- data-engineering
- Tipo di issue
- Funzionalità
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Stato di attività
- Ferma
- Chiarezza
- Abbastanza chiara
- Idoneità per principianti
- 35/100