apache/pinot

[Segment ingestion job] Multi-threaded segment copy from staging dir to final destination

Open

#7.510 aberto em 4 de out. de 2021

Ver no GitHub
 (3 comments) (0 reactions) (0 assignees)Java (1.234 forks)batch import
enhancementhelp wantedingestion

Métricas do repositório

Stars
 (4.937 stars)
Métricas de merge de PR
 (Mesclagem média 6d 7h) (186 fundiu PRs em 30d)

Description

SparkIngestionJob uses single threaded copy for segments copy from staging dir to final deep store dir(e.g. S3): https://github.com/apache/pinot/blob/7ce8b756dff2b153151517afd552759e44d46c75/pinot-plugins/pinot-batch-ingestion/pinot-batch-ingestion-spark/src/main/java/org/apache/pinot/plugin/ingestion/batch/spark/SparkSegmentGenerationJobRunner.java#L345

For a few hundred segments being uploaded, it can take forever. In this case, we should consider generating a list of source and destination paths for segment copy then use RDD to parallel this job.

Guia do colaborador

Direção de pesquisa
Examine o código em SparkSegmentGenerationJobRunner.java para entender a lógica atual de cópia de segmentos de thread único. Crie uma lista de caminhos de origem e destino e use o Spark RDD para paralelizar as operações de cópia. Considere usar map ou foreach em um RDD de pares de caminhos. Garanta o tratamento adequado de erros e registro de logs. Observe os padrões de uso do Spark existentes na base de código.
Pilha de tecnologia
java
Domain
backenddata
Tipo Issue
Funcionalidade
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
2
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
Meio dia
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Ativo
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Claro
Prerequisites
JavaSparkPinot
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
70