alibaba/GraphScope

[BUG] Loading from large dataframe/large numpy requires holding all chunks in coordinator

オープン

#2,342 opened on 2022/12/23

GitHub で見るコントリビューターガイド
 (0 件のコメント) (1 件のリアクション) (0 人の担当者)HTML (301 件のフォーク)batch import
bugcomponent:coordinatorgood first issue

Repository metrics

Stars
 (2,401 個のスター)
PR merge metrics
 (平均マージ 1m) (30d で 8 merged PRs)

説明

Describe the bug

It looks strange that we need to accumulate all chunks in the request stream into a list in coordinator before sending to analytical engine, that would requires large available memory for the coordinator pod.

https://github.com/alibaba/GraphScope/blob/b80a35599424580325a750e734f8a3b2dead2a5b/coordinator/gscoordinator/dag_manager.py#L77-L107

コントリビューターガイド

調査方針
dag manager.py の 77-107 行にあるコーディネーターコードを調査します。問題は、すべてのチャンクが分析エンジンに送信される前にリストに蓄積され、メモリ使用量が高くなることです。チャンクをエンジンに直接ストリーミングするか、より小さなバッチで送信するようにコードを変更することを検討してください。AnalyticalEngine インターフェースを調べて、ストリーミング入力をサポートしているか確認してください。コメントや PR は存在しないため、これは最適化のための未解決の機会です。
技術スタック
python
領域
backend
Issue 種別
バグ
難度新しい貢献者にとっての実装難度です。1 は非常に小さな変更、5 は専門的な作業です。
3
推定時間経験ある貢献者が調査、実装、テスト、pull request 準備にかけるおおよその時間範囲です。
1-3時間
活動状況Issue が今どれだけ取り組みやすいかを示します。新しい、活発、古い、ブロック中、またはメンテナー入力待ちなどです。
新着
明確さ期待される変更、受け入れ条件、次の手順がどれだけ明確かを示します。
おおむね明確
前提条件
PythonDistributed systems
初心者向け度初回貢献者にどれだけ取り組みやすいかを 1-100 で推定したスコアです。
40