alibaba/GraphScope

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

Open

#2,342 opened on 2022年12月23日

GitHub で見る
 (0 comments) (1 reaction) (0 assignees)HTML (2,401 stars) (301 forks)batch import
bugcomponent:coordinatorgood first issue

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

技術スタック
pythonnumpypandas
領域
backend
Issue 種別
bug
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。
half day
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。
stale
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。
clear
前提条件
PythonNumPyGraphScope coordinator architecture
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。
30
調査方針
Investigate the coordinator code in dag manager.py lines 77-107. The issue is that all chunks are accumulated in a list before being sent to the analytical engine, causing high memory usage. Consider modifying the code to stream chunks directly to the engine or send them in smaller batches. Look at the AnalyticalEngine interface to see if it supports streaming input. No comments or PRs exist, so this is an open opportunity for optimization.