INSERT into a partitioned table with fanout disabled always fails: the optimizer removes the partition sort
Los mantenedores suelen responder en 1 día
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 58/100
Línea de trabajo
Read crates/datafusion/src/table/mod.rs#L200-L220 and crates/datafusion/src/physical_plan/write.rs#L143-L151, then run test_insert_plan_fanout_disabled_has_sort and reproduce the partitioned INSERT with fanout disabled. Done means physical optimization preserves or restores the partition sort and hash repartition, and the insert succeeds with the writer receiving input clustered by partition.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Describe the bug
With write.datafusion.fanout.enabled=false, insert_into places a SortExec on _partition, and a hash RepartitionExec on _partition, in front of IcebergWriteExec (table/mod.rs#L200-L220), because ClusteredWriter needs its input grouped by partition.
IcebergWriteExec doesn't declare required_input_ordering or required_input_distribution. It reports maintains_input_order() == [true] but advertises no output ordering (write.rs#L143-L151). DataFusion's EnforceSorting therefore treats the sort as unnecessary and removes it, and EnforceDistribution replaces the hash repartition.
To Reproduce
- Create
t6(id INT NOT NULL, cat INT NOT NULL), partitioned byidentity(cat), withwrite.datafusion.fanout.enabled=false. - Run
INSERT INTO t6 SELECT id, cat FROM src, wheresrchas 200 rows withcat = id % 10andbatch_size = 8.
Optimized plan with target_partitions = 4:
IcebergCommitExec: table=ns.t6
CoalescePartitionsExec
IcebergWriteExec: table=ns.t6
ProjectionExec: expr=[id@0 as id, cat@1 as cat, iceberg_partition_values(cat) as _partition]
RepartitionExec: partitioning=RoundRobinBatch(4), input_partitions=1
DataSourceExec: partitions=1, partition_sizes=[1]
All 10 runs failed, at both target_partitions = 1 and 4:
The input is not sorted! Cannot write to partition that was previously closed: PartitionKey { ... }
Expected behavior
The insert succeeds, with the writer receiving its input clustered by partition.
Additional context
test_insert_plan_fanout_disabled_has_sortpasses because it inspects the plan thatinsert_intoreturns, which hasn't been through physical optimization.- Declaring the requirements on
IcebergWriteExecwould let the optimizer keep or re-insert them:required_input_orderingon_partitionwhen fanout is disabled, and a hashrequired_input_distributionon_partition. - With fanout enabled (the default), the hash repartition is also replaced by round-robin, so every write task writes every partition. The data is correct, but there are more and smaller files than intended.
- Even with the sort kept, clustered writes still fail for a second reason: #39. The unpartitioned case of this setting fails separately: #43.
- Lenguaje dominante
- Rust
- Estrellas
- 33
- Forks
- 34
- Merge medio
- 4 d 14 h
- PR fusionados (30 d)
- 10
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de apache/datafusion-iceberg
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
apache/datafusion-iceberg#100 · 2 comentarios ·
Los mantenedores suelen responder en 1 día
-
Dificultad 4/5 3-5 días Aptitud para principiantes 55/100
apache/datafusion-iceberg#101 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
apache/datafusion-iceberg#85 · 1 comentario · 5 reacciones ·
Los mantenedores suelen responder en 1 día
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100
apache/datafusion-iceberg#84 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 4/5 3-5 días Aptitud para principiantes 35/100
apache/datafusion-iceberg#75 ·
Los mantenedores suelen responder en 1 día
Todos los issues de apache/datafusion-iceberg
Issues similares
-
Shell `yoyo <verb> <sub>` missing its required argument prints usage and exits 0: `config get`Abiertoagent-self
Dificultad 1/5 Menos de una hora Aptitud para principiantes 88/100
yologdev/yoyo-evolve#1154 ·
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 85/100
eliasstravik/herdr-projects#789 · 1 comentario ·
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 64/100
Los mantenedores suelen responder en 1 día
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
Alex-Sebastian-Ene/mind-over-chicken#195 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
Los mantenedores suelen responder en 2 días