Writer: string columns written as per-chunk dicts where Rust uses its dict layout (up to 2x larger)
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
調査の方向性
Start with the globalDict option in WriteOptions and the admission probe that checks globalDictMaxRetainedBytes, then compare them with Rust's DictStrategy to see why these string columns are rejected. Reproduce with the bi-generico PrimeraLinea column and the clickbench-hits Title column, comparing the Java and Rust output trees. Done means these columns are written with the shared dict layout and the data bytes come close to the Rust sizes, with the admission reasoning explained in the write path.
索引モデルが issue の本文から書いたものです。
説明
vortex-java's Parquet import vs the vortex-jni-written file, data bytes:
| dataset | column | Rust | Java | Rust tree (most common) | Java tree (most common) |
|---|---|---|---|---|---|
| bi-generico | PrimeraLinea (Utf8?) | 293.6 MB | 585.8 MB (2.00x) | 302x bitpacked + 198x fsst |
1869x masked(dict(bitpacked, fsst(...)), constant) |
| bi-generico | Concatenar 2 | 329.1 MB | 395.9 MB (1.20x) | 879x bitpacked + 279x onpair |
3156x masked(dict(bitpacked, onpair(...)), constant) |
| bi-generico | VER ANUNCIO, Concatenar 1, Producto | ~290 / 290 / 212 MB | 1.18–1.20x | same shape | same shape |
| clickbench-hits | Title (Utf8) | 1,101 MB | 1,523 MB (1.38x) | 2408x bitpacked + 1629x onpair |
1335x dict(bitpacked, onpair(...)) |
| clickbench-hits | URL | 1,933 MB | 2,591 MB (1.34x) | 4336x bitpacked + 2036x onpair |
1852x onpair |
| clickbench-hits | Referer | 1,635 MB | 1,836 MB (1.12x) | 3243x bitpacked |
1788x dict(bitpacked, onpair(...)) |
Rust's flats are mostly bare fastlanes.bitpacked codes: its dict layout shares one values pool across chunks. Java writes a per-chunk vortex.dict encoding (each chunk repeating its own values), and nullable ones under vortex.masked. ~+1.3 GB across these columns.
To narrow down: why Java's global dict layout (WriteOptions globalDict, default on) does not admit these columns — the admission probe / globalDictMaxRetainedBytes against Rust's DictStrategy.
- 主要言語
- Java
- スター
- 3
- フォーク
- 2
- 平均マージ
- 9時間 47分
- マージ済み PR（30日）
- 128
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なし
- 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。
dfa1/vortex-java のほかの issue
-
bug
難易度 2/5 1〜3時間 初心者へのやさしさ 66/100
dfa1/vortex-java#636 ·
メンテナーはふだん 1 日以内に返信
-
bug
難易度 3/5 1〜2日 初心者へのやさしさ 70/100
dfa1/vortex-java#655 ·
メンテナーはふだん 1 日以内に返信
-
perf
難易度 4/5 3〜5日 初心者へのやさしさ 30/100
dfa1/vortex-java#651 ·
メンテナーはふだん 1 日以内に返信
-
perf
難易度 4/5 3〜5日 初心者へのやさしさ 28/100
dfa1/vortex-java#649 ·
メンテナーはふだん 1 日以内に返信
-
perf
難易度 4/5 3〜5日 初心者へのやさしさ 18/100
dfa1/vortex-java#648 ·
メンテナーはふだん 1 日以内に返信
dfa1/vortex-java の issue をすべて見る
似ている issue
-
bug
難易度 1/5 1時間未満 初心者へのやさしさ 82/100
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 84/100
objectionary/lints#1640 ·
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 75/100
-
難易度 2/5 半日 初心者へのやさしさ 68/100
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
openhab/openhab-addons#22168 ·
メンテナーはふだん 1 日以内に返信