apache/hudi

Limit the amount of partitions considered for GlobalBloomIndex

Open

#14,484 opened on 2025年11月30日

GitHub で見る
 (0 comments) (0 reactions) (0 assignees)Java (4,823 stars) (2,431 forks)batch import
area:indexfrom-jiragood first issuepriority:hightype:improvement

説明

Currently, global bloom index will check inputs against files in all partitions.. In lot of cases, the user may know a range of partitions actually impacted from updates clearly (e.g upstream system drops updates older than a year, ... ).. In such a scenario,it may make sense to support an option for Global bloom to control how many partitions you want to match against, to gain performance.

JIRA info

コントリビューターガイド

技術スタック
java
領域
backenddataperformance
Issue 種別
feature
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。
fresh
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
Basic understanding of Hudi's indexingJava programming knowledge
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。
60
調査方針
Investigate GlobalBloomIndex implementation in the Hudi codebase (e.g., hudi client/hudi client common/src/main/java/org/apache/hudi/index/bloom/). Understand how partitions are currently considered and where a configuration option for limiting partitions could be added. Look for existing configuration parameters for BloomIndex. Discuss in the issue if maintainers have suggestions.