apache / apache/parquet-java

appendRowGroup will loose pageIndex

オープン
#2,808 コメント 6 件 リアクション 0 件 担当者 0 名 GitHub で見る
Component: Java Component: Parquet Priority: Major Type: task
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

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.*

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

parquet-hadoop/src/main/java/org/apache/parquet/hadoop/ParquetFileWriter.java の appendFile(InputFile) と appendRowGroup から開始します。行グループの列インデックスとオフセットインデックスがどのように表現されているか、また現在のメソッドが null エントリを追加する理由を追跡します。周辺の writer ロジックと既存のテストを確認し、追加された行グループがページインデックスを保持することを完了条件として定義します。

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
data-engineering
issue の種類
機能追加
難易度
4/5
見積もり時間
3〜5日
活発さ
停滞
明瞭さ
おおむね明確
初心者へのやさしさ
35/100

新しい issue をメールで受け取る

初心者向けの GitHub issue を短くまとめたダイジェスト。