Pandas Ran out of memory again!

Aperta
#69 4 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
4/5
Tempo stimato
3-5 giorni
Idoneità per principianti
35/100
Tipo di issue
Bug
Chiarezza
Da chiarire
Stato di attività
Ferma
Stack tecnologico
docker, kubernetes, pandas, python
Ambito
data-engineering, infrastructure, testing

Direzione di ricerca

Il comando di test attuale si trova in k8/images/pandas/Dockerfile alla riga 40; confrontalo con lo script test-fast di Pandas e verifica quali test o flag ad alto consumo di memoria sono inclusi. Misura l’uso della memoria della suite tracciata in Kubernetes e determina se il problema riguarda la selezione dei test o una perdita di tracing; il lavoro è completato quando i test pandas terminano entro il limite del pod e la limitazione è documentata.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

bug

So the pandas test suite ran out of memory again in Kubernetes. It used up ~13Gb and then was killed, because the pods only have that much available.

I am a bit hesitant to just raise the pod memory limit again... If anyone knows if this is a reasonable amount of memory for Pandas to use when testing (cc @datapythonista), that would be helpful! It's also possible that the tracing has some sort of memory leak which is blowing things up for pandas, although all the other test suites don't seem to have the same problem.

Maybe I can run Pandas test suites with some flags to ignore some high memory tests? These are my current ones: https://github.com/data-apis/python-record-api/blob/94902a2fa25352df0dad0f7566f87a537fa3ef2a/k8/images/pandas/Dockerfile#L40

I copied it from the test-fast script, or whatever that is, in the Pandas repo.

Lingua principale
Python
Stelle
74
Fork
6
Nessuna PR unita negli ultimi 30g

Guida per i contributori

Nessuna guida per i contributori indicizzata per questo repository

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di data-apis/python-record-api

Tutte le issue di data-apis/python-record-api

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.