apache / apache/parquet-java

Cache FileStatus in Footer to reduce redundant NameNode RPC calls

Ouverte
#3,394 0 commentaires 0 réactions 0 personnes assignées Voir sur GitHub
Type: enhancement
Langage dominant
Java
Étoiles
3.1k
Forks
1.6k
Merge moyen
3 j 12 h
PR mergées (30 j)
33

Description

### Describe the enhancement requested

Optimization reduces redundant getFileStatus() RPC calls to the NameNode
when processing Parquet files.

Benefits:
- Reduces NameNode RPC calls by 1 per Parquet file during split generation
- For workloads with thousands of small files, this can significantly reduce
  NameNode pressure and improve job startup time
- Maintains full backward compatibility with existing code paths

### Component(s)

Core

Guide de contribution

Aucun guide de contribution indexé pour ce dépôt

Piste de recherche

Commencez par suivre les appels à getFileStatus() lors de la génération des splits Parquet et examinez comment le Footer est traité pour chaque fichier Parquet. Confirmez où un cache FileStatus peut rester dans le chemin de code existant sans modifier le comportement. Le travail est terminé lorsqu’il y a un RPC NameNode de moins par fichier, que la rétrocompatibilité est préservée et que le nombre d’appels est réduit pour les charges de travail comportant de nombreux petits fichiers.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Évaluation

Stack technique
hadoop, java
Domaine
distributed-systems
Type d'issue
Fonctionnalité
Difficulté
4/5
Temps estimé
3-5 jours
Activité
À l'abandon
Clarté
À clarifier
Accessibilité débutants
35/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.