Comet Native Executors: sample a range exchange without re-running the stages below it
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。
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
- 活発
調査の方向性
Start with range_exchange in native/native-executors/src/assembly.rs and collect in src/frontend.rs to trace how sampling runs the stages below an exchange. Compare the proposed approaches, including materialized shuffle reuse and runtime sampling; done means range exchanges can be sampled without repeatedly rerunning lower stages. The issue does not select an approach, so clarify the design before implementation.
索引モデルが issue の本文から書いたものです。
説明
What is the problem the feature request solves?
To range-partition an exchange, the Comet scheduler (#7289) runs a sampling job of its own: a SampleExec over the stage that feeds the exchange. That is a separate Ballista job, so it runs that stage and every stage below it, then the query runs them all again. Every further range exchange above them adds another run. Spark's RangePartitioner also re-runs the child, but it reuses the shuffle outputs below it.
The sampling jobs also run one after another while the query is being planned, even for range exchanges whose inputs don't depend on each other.
Describe the potential solution
Options, roughly from least to most work:
- Sample range exchanges whose inputs are independent concurrently.
- Sample from the materialized shuffle output below the exchange, so only the producing stage runs twice.
- Find the split points at run time, as Ballista's adaptive planner does for window functions:
RuntimeStatsExeckeeps a quantile sketch andUnorderedRangeRepartitionExeccuts by it. That covers only the first sort key today, so it would need compound keys. The driver-side sampler,SampleExecand its codec would then go away.
Additional context
The sampling is range_exchange in native/native-executors/src/assembly.rs and collect in src/frontend.rs.
Part of #7288.
Willingness to contribute
Yes. I can contribute this feature independently.
- 主要言語
- Scala
- スター
- 1.3k
- フォーク
- 405
- 平均マージ
- 2日 20時間
- マージ済み PR（30日）
- 321
環境構築
- Dockerfile・Docker Compose ファイルなし
- プルリクエストのテンプレートあり
- コントリビューションガイドを読む
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。
apache/datafusion-comet のほかの issue
-
area:ci enhancement priority:low requires-triage
難易度 2/5 1〜3時間 初心者へのやさしさ 74/100
apache/datafusion-comet#7319 · コメント 1 件 ·
メンテナーはふだん 1 日以内に返信
-
area:ci bug priority:low requires-triage
難易度 2/5 1〜3時間 初心者へのやさしさ 78/100
apache/datafusion-comet#7315 ·
メンテナーはふだん 1 日以内に返信
-
requires-triage
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
apache/datafusion-comet#7240 ·
メンテナーはふだん 1 日以内に返信
-
bug priority:low
難易度 2/5 1〜3時間 初心者へのやさしさ 82/100
apache/datafusion-comet#7176 ·
メンテナーはふだん 1 日以内に返信
-
docs: update Scala comments that reference the removed iceberg-writes.md page対応中かも このイシューにリンクされたプルリクエストがオープン中、またはマージ済みです。 オープンenhancement
難易度 1/5 1〜3時間 初心者へのやさしさ 83/100
apache/datafusion-comet#7101 ·
メンテナーはふだん 1 日以内に返信
apache/datafusion-comet の issue をすべて見る
似ている issue
-
[GC] Empty or non-numeric GC_*_HEAP_SIZE reads out of bounds or uses an uninitialised size対応中かも @oluies 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 75/100
scala-native/scala-native#5177 ·
メンテナーはふだん 1 日以内に返信
-
good first issue
難易度 1/5 1時間未満 初心者へのやさしさ 78/100
promovolve/promovolve#358 ·
メンテナーはふだん 1 日以内に返信
-
難易度 1/5 1時間未満 初心者へのやさしさ 95/100
svroonland/zio-kinesis#1431 ·
-
area:build priority:P2 status:backlog
難易度 2/5 1〜3時間 初心者へのやさしさ 85/100
KD5UJC-XYZ/scarab#648 ·
メンテナーはふだん 1 日以内に返信
-
Reading from a socket gets stuck on Node.js 26対応中かも このイシューにリンクされたプルリクエストがオープン中、またはマージ済みです。 オープンbug
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
メンテナーはふだん 3 日以内に返信