apache/beam

Multiple batch joins on the same key results in multiple shuffles

Open

#19.097 geöffnet am 3. Juni 2022

Auf GitHub ansehen
 (0 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Java (4.097 Forks)batch import
P3dslgood first issueimprovementsql

Repository-Metriken

Stars
 (7.313 Stars)
PR-Merge-Metriken
 (Durchschn. Merge 6T) (243 gemergte PRs in 30 T)

Beschreibung

The query like this:


SELECT a.*, b.*, c.* FROM a JOIN b ON a.some_id = b.some_id JOIN c ON a.some_id = c.some_id;

results in two shuffles. Can probably be optimized.

Relevant code:

Imported from Jira BEAM-5049. Original Jira may contain additional context. Reported by: kedin.

Contributor Guide

Research-Richtung
Untersuchen Sie die CoGBK Join Implementierung und BeamJoinRel, um zu verstehen, warum bei Joins auf denselben Schlüsseln mehrere Shuffles auftreten. Suchen Sie nach Möglichkeiten, Shuffles zu kombinieren, indem Sie die partitionierten Daten aus dem ersten Join wiederverwenden.
Tech Stack
java
Domain
backenddata
Issue Type
Performance
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
Halber Tag
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Veraltet
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
JavaApache BeamSQL
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
40