CDM cache warming issues one record-count query per concept on Snowflake, Spark and BigQuery (getConceptsForBatch.sql relies on integer division)

オープン
  • 何か問題がありますか？
#2,588 コメント 0 件 リアクション 0 件 担当者 0 名 GitHub で見る

メンテナーはふだん 1 日以内に返信

@DG47 がすでに取り組んでいます。

2026年11月10日 から。

  • #2589 @DG47 による — オープン

評価

難易度
3/5
見積もり時間
1〜2日
初心者へのやさしさ
66/100
issue の種類
バグ
明瞭さ
明確に書かれている
活発さ
活発
技術スタック
java, spark, sql
領域
backend, databases

調査の方向性

Start with getConceptsForBatch.sql and trace its use from CDMCacheService.warm into cacheRecordsBatch; the issue identifies the integer division expression that causes one group per concept on some platforms. Check how SqlRender handles the query for Snowflake, Spark/Databricks, and BigQuery, then verify warming batches concepts into ranges of 100,000 and reduces the number of getBatchConceptRecordCount queries.

索引モデルが issue の本文から書いたものです。

説明

Expected behavior

When the CDM record count cache is warmed for a source (CDMCacheService.warm), getConceptsForBatch.sql should split achilles_result_concept_count into ranges of 100,000 concepts (@batch_size), so that the warming job runs a handful of getBatchConceptRecordCount queries per source regardless of the database platform.

Actual behavior

The range id is computed as

select concept_id, ordinal / @batch_size as group_id
FROM (select concept_id, row_number() over (order by concept_id) as ordinal
      FROM @resultTableQualifier.achilles_result_concept_count c) Q

and the outer query groups by group_id. This only yields whole ranges where / on two integers is integer division (PostgreSQL, SQL Server, Redshift). SqlRender does not rewrite the expression for any dialect, so:

  • Snowflake: ordinal / 100000 is a NUMBER with six decimals (1 / 100000 = 0.000010), distinct for every ordinal.
  • Spark / Databricks: the quotient is a DOUBLE (1.0E-5), distinct for every ordinal.
  • BigQuery: / on INT64 returns FLOAT64, distinct for every ordinal.

So on those platforms every concept is its own group, the query returns one min_concept = max_concept row per concept, and cacheRecordsBatch runs one getBatchConceptRecordCount query per row of achilles_result_concept_count (typically several hundred thousand round trips). The warming job for such a source takes hours to days instead of minutes and in practice never completes.

Steps to reproduce behavior
  1. Configure a Snowflake, Databricks/Spark or BigQuery source with a results daimon whose schema contains achilles_result_concept_count (for example 300,000 rows) and is_cache_enabled = true.
  2. Start WebAPI (or call GET /cdmresults/clearCache to trigger warming) and watch the query history on the database.
  3. Observe select group_id, min(concept_id) ..., max(concept_id) ... group by group_id returning as many rows as the table has concepts, followed by one select cc.concept_id, record_count, descendant_record_count ... WHERE cc.concept_id >= ? and cc.concept_id <= ? per concept.

Directly on the platform:

-- Snowflake
select 1 / 100000;      -- 0.000010
-- Spark
select 1 / 100000;      -- 1.0E-5
-- BigQuery
select 1 / 100000;      -- 1.0E-5
-- PostgreSQL / SQL Server
select 1 / 100000;      -- 0
Environment
  • WebAPI master @ 89de588 (also present in 2.15.x; the query dates from the Data Sources caching work in #1993)
  • SqlRender 1.19.1
主要言語
Java
スター
153
フォーク
186
平均マージ
2日 19時間
マージ済み PR（30日）
19

環境構築

  • Dockerfile または Docker Compose ファイルあり
  • プルリクエストのテンプレートなし
  • コントリビューションガイドなし

はじめの一歩

  1. issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
  2. 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
  3. リポジトリをフォークし、ブランチを切って変更します。
  4. issue 番号を参照したプルリクエストを送ります。

OHDSI/WebAPI のほかの issue

OHDSI/WebAPI の issue をすべて見る

似ている issue

Java の issue をもっと見る

新しい issue をメールで受け取る

初心者向けの GitHub issue を短くまとめたダイジェスト。