Proposed ArrowRecordBatchAdapter to replace ParquetReader with `read_from_memory_tables=True`
メンテナーはふだん 1 日以内に返信
まだ誰も着手していません。
- #519 @arhamchopra による — マージされずにクローズ
評価
- 難易度
- 5/5
- 見積もり時間
- 1週間以上
- 初心者へのやさしさ
- 35/100
- issue の種類
- 機能追加
- 明瞭さ
- おおむね明確
- 活発さ
- 停滞
- 技術スタック
- python
調査の方向性
まず、read_from_memory_tables=True を処理する既存の ParquetReader のパスを読み、メモリ内の Arrow テーブルまたはレコードバッチをどのように消費しているかを確認します。専用の ArrowRecordBatchAdapter の範囲を定義し、リストと構造体の変換、および timestamp によるグループ化を含めるかどうかを明確にします。完了時には、見つけやすい adapter が提供され、効率的で、可能であればゼロコピーの処理が行われ、その動作が適切なテストでカバーされている状態にします。
索引モデルが issue の本文から書いたものです。
説明
Is your feature request related to a problem? Please describe.
The ability to stream a sequence of in-memory arrow tables into csp is very powerful, but currently a bit hidden within the ParquetReader implementation (by setting read_from_memory_tables=True), making it hard for users to find. It can also be a bit tricky to use properly as many of the arguments to the parquet reader are ignored in this mode.
Describe the solution you'd like
A dedicated pull adapter that consumes a serquence of arrow record batches (or tables) as efficiently as possible. i.e. ArrowRecordBatchAdapter.
An initial implementation could just delegate to the ParquetReader for implementation.
Also, the solution should ideally be zero-copy on the underlying arrow tables (I am not positive this is the case at the moment).
Describe alternatives you've considered
Continuing to use the parquet reader is confusing and non-intuitive, especially for cases where the arrow tables come from other sources.
Additional context
Other features to consider
- Being able to convert arrow lists as numpy arrays (like the current parquet reader)
- Being able to convert arrow structs as csp structs
- An option such at that each timestamp, it ticks an arrow record batches containing all the records with that timestamp (in cases where we want to minimize any copy overhead and just operate on arrow types directly). This is essentially a "group-by" on the timestamp column.
Note that since there are a number of other tools that can efficiently and flexibly produce sequences of arrow tables from different sources (polars, duckdb, arrow-odbc, ray), having a generic ArrowRecordBatchAdapter will allow an even greater number of historical data connections with very little additional effort.
- 主要言語
- Python
- スター
- 450
- フォーク
- 91
- 平均マージ
- 19時間 47分
- マージ済み PR（30日）
- 1
環境構築
このプロジェクトには開発コンテナ、Dockerfile、コントリビューションガイドがありません。まず README を読み、一般的な手順ははじめてのコントリビューションガイドを参照してください。
はじめの一歩
- 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。
- 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。
- リポジトリをフォークし、ブランチを切って変更します。
- issue 番号を参照したプルリクエストを送ります。
Point72/csp のほかの issue
-
Add docs about transitioning from replay to realtime by setting start date in the past対応中かも @russlan23 が 99 日前に担当しました。 オープンpart: documentation
難易度 2/5 1〜3時間 初心者へのやさしさ 68/100
メンテナーはふだん 1 日以内に返信
-
RuntimeWarning: non-string key in the __dict__ of class Outputs再び着手できるかも このイシューのプルリクエストはマージされずにクローズされました。 オープンtype: bug
難易度 2/5 1〜3時間 初心者へのやさしさ 68/100
メンテナーはふだん 1 日以内に返信
-
type: bug
難易度 4/5 3〜5日 初心者へのやさしさ 48/100
メンテナーはふだん 1 日以内に返信
-
csp::Struct leaks one StructMeta reference per construction対応中かも @jieya907 が 36 日前に担当しました。 オープンgood first issue type: bug
難易度 3/5 1〜2日 初心者へのやさしさ 52/100
メンテナーはふだん 1 日以内に返信
-
csp.output does not support dict unpacking対応中かも @aadya940 が 107 日前に担当しました。 オープンtype: feature
難易度 4/5 3〜5日 初心者へのやさしさ 45/100
メンテナーはふだん 1 日以内に返信
似ている issue
-
難易度 2/5 1〜3時間 初心者へのやさしさ 83/100
メンテナーはふだん 1 日以内に返信
-
comp/desktop P3 type/feature
難易度 2/5 1〜3時間 初心者へのやさしさ 78/100
NousResearch/hermes-agent#154285 ·
メンテナーはふだん 1 日以内に返信
-
docs: qualify copied and custom kubectl debug policy notes対応中かも @nym01 が今日担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 78/100
kubescape/cel-admission-library#166 · コメント 1 件 ·
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 68/100
SACGF/variantgrid#2804 · コメント 1 件 ·
メンテナーはふだん 1 日以内に返信
-
[BUG] HTTP lifecycle dispatch treats a NO_PROXY-only environment as corporate egress and skips the resolve-and-pinned session対応中かも @bodapatisaikrishna が今日担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 76/100
メンテナーはふだん 1 日以内に返信