Could we provide a potentially larger InternalParquetRecordWriter.getDataSize
- Vorherrschende Sprache
- Java
- Sterne
- 3.1k
- Forks
- 1.6k
- Ø Merge
- 3 T. 12 Std.
- Gemergte PRs (30 T.)
- 33
Beschreibung
The following code currently has getDataSize as an estimated value. The Iceberg rolling file write operation relies on this method, which may result in writing files that are much smaller than expected.
```JAVA
/**
* @return the total size of data written to the file and buffered in memory
*/
public long getDataSize() {
return lastRowGroupEndPos + columnStore.getBufferedSize();
}
```
Could we provide a potentially larger getDataSize? I can't think of any downsides at the moment.
### Component(s)
_No response_
Beitragsleitfaden
Für dieses Repository ist kein Beitragsleitfaden indexiert
Rechercherichtung
Suchen Sie nach InternalParquetRecordWriter.getDataSize und verfolgen Sie, wie Icebergs Rolling-File-Schreibvorgang dessen Wert verwendet. Vergleichen Sie die gemeldete Größe mit den tatsächlich geschriebenen und gepufferten Daten, und definieren und testen Sie anschließend eine größere, sichere Größenschätzung, die unerwartet kleine Dateien verhindert.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Bewertung
- Tech-Stack
- java
- Bereich
- data-engineering
- Issue-Typ
- Bug
- Schwierigkeit
- 4/5
- Geschätzter Aufwand
- 3-5 Tage
- Aktivitätsstatus
- Veraltet
- Klarheit
- Größtenteils klar
- Anfängerfreundlichkeit
- 35/100