Hacktoberfest 2026: die Issues, die Maintainer für den Oktober markiert haben – offen und einsteigerfreundlich. Hacktoberfest-Issues durchsuchen

Perf: update open_era5.py to use read_xarray_table with filter pushdown and lazy loading

Offen
  • Stimmt etwas nicht?
#139 0 Kommentare 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen

Maintainer antworten meist innerhalb von 1 Tag

Dieses Issue hat noch niemand übernommen.

Bewertung

Schwierigkeit
3/5
Geschätzter Aufwand
1-2 Tage
Anfängerfreundlichkeit
52/100
Issue-Typ
Feature
Klarheit
Klar beschrieben
Aktivitätsstatus
Veraltet
Tech-Stack
google-cloud, python
Bereich
data-engineering, performance

Rechercherichtung

Start with perf_tests/open_era5.py and compare its existing read_xarray call with the proposed read_xarray_table flow. Add measurements for registration, a time filtered query, and a full scan, then run the benchmark with GCP authentication available and check that the output reports timings for each workload.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Beschreibung

Context

perf_tests/open_era5.py currently uses the older read_xarray API, which returns an eager pa.RecordBatchReader. It also only prints the schema, making it impossible to benchmark real query performance.

Current state

# open_era5.py
era5_ds = xr.open_zarr("gs://gcp-public-data-arco-era5/...", chunks={"time": 240, "level": 1})
era5_wind_df = xql.read_xarray(
    era5_ds[["u_component_of_wind", "v_component_of_wind"]]
)
print(era5_wind_df.schema)

Issues:

  1. Uses read_xarray instead of read_xarray_table — loses filter pushdown and lazy partition loading
  2. Only inspects schema, never runs a query — no way to measure actual query performance
  3. Does not demonstrate the partition pruning benefit for time-range queries

Proposed update

# open_era5.py
import time
from datafusion import SessionContext
import xarray as xr
import xarray_sql as xql

era5_ds = xr.open_zarr(
    "gs://gcp-public-data-arco-era5/ar/1959-2022-full_37-1h-0p25deg-chunk-1.zarr-v2",
    chunks={"time": 240, "level": 1},
)
wind_ds = era5_ds[["u_component_of_wind", "v_component_of_wind"]]

# read_xarray_table: lazy, supports filter pushdown
table = xql.read_xarray_table(wind_ds, chunks={"time": 240})

ctx = SessionContext()
ctx.register_table("era5_wind", table)

# Filter pushdown: should prune most partitions
t0 = time.perf_counter()
result = ctx.sql(
    "SELECT AVG(u_component_of_wind), AVG(v_component_of_wind) "
    "FROM era5_wind WHERE time > '2020-01-01'"
).to_arrow_table()
print(f"Filter query: {time.perf_counter() - t0:.2f}s  {result}")

Goals

  • Serve as a real-world benchmark for ERA5 (the primary large-scale use case)
  • Show filter pushdown pruning thousands of partitions
  • Compare registration time, filter query time, and full-scan time
  • Can be run with py-spy to generate flame graphs once GCP auth is available
Vorherrschende Sprache
Python
Sterne
142
Forks
19
Ø Merge
1 T. 6 Std.
Gemergte PRs (30 T.)
10

Entwicklungsumgebung

Erste Schritte

  1. Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
  2. Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
  3. Forken Sie das Repository und arbeiten Sie in einem Branch.
  4. Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.

Mehr aus xqlsystems/xarray-sql

Alle Issues in xqlsystems/xarray-sql

Ähnliche Issues

Weitere Issues zu Python

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.