Hacktoberfest 2026：メンテナが10月に向けて印を付けた、オープンで初心者向けの issue。 Hacktoberfest の issue を見る

[Enhancement] Arrow Stream Load decompresses record batches on Arrow's global thread pool

オープン 初心者向け
  • 何か問題がありますか？
#68,891 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

まだ誰も着手していません。

評価

難易度
2/5
見積もり時間
半日
初心者へのやさしさ
70/100
issue の種類
機能追加
明瞭さ
明確に書かれている
活発さ
活発
技術スタック
cpp
領域
backend

調査の方向性

be/src/format/arrow/arrow_stream_reader.cpp から始めてください。ここでは Stream Load のボディを arrow::ipc::IpcReadOptions::Defaults() で読み込んでいます。そのうえで use_threads がどのように設定されているかを確認してください。同じパターンが arrow_flight_batch_reader.cpp にもあります。完了の条件は、Stream Load の読み込みパスがスキャナースレッド上で展開を行うこと（必要に応じて BE 設定の背後に置く）、既存の Arrow ロードテストがすべて通ること、そしてベンチマークでスループットの変化が確認できることです。

索引モデルが issue の本文から書いたものです。

説明

Search before asking
  • I had searched in the issues and found no similar issues.
Description

ArrowStreamReader reads Stream Load bodies with arrow::ipc::IpcReadOptions::Defaults() (be/src/format/arrow/arrow_stream_reader.cpp, master too), and that leaves use_threads = true. For compressed IPC streams (ZSTD/LZ4 record batches), Arrow then decompresses every record batch's buffers on Arrow's single process-wide CPU thread pool, not on the scanner thread doing the read.

Under many concurrent Arrow loads, scanner threads mostly wait on that one pool's mutex and condition variable. Off-CPU stacks show around 75 scanner threads per BE parked in pthread_cond_signal / arrow::internal::ThreadPool::SpawnReal, while the BE stays well below CPU saturation.

Measurements

4 BEs (192 vCPU each, arm64), cloud mode, many concurrent Stream Loads, ZSTD-compressed Arrow record batches:

  • default IpcReadOptions (global pool): plateau of about 5.7M rows/s total, BEs at about 64% CPU;
  • the same data sent uncompressed: about 7.1M rows/s;
  • ZSTD, with decompression inline on the scanner thread (use_threads = false): 8.15–8.45M rows/s.
Solution

Read Stream Load bodies with use_threads = false (optionally behind a BE config), so decompression runs on the scanner thread that already owns the load. Load concurrency comes from the scanner pool, so Arrow's internal pool adds only contention. arrow_flight_batch_reader.cpp uses the same pattern and may benefit too.

Are you willing to submit PR?
  • Yes I am willing to submit a PR!
Code of Conduct
主要言語
Java
スター
16k
フォーク
4k
平均マージ
3日 1時間
マージ済み PR（30日）
674

環境構築

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。

apache/doris のほかの issue

apache/doris 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。