rapidsai/cudf

[FEA] Add a method to check if row group stats are available

Fechada

#17.864 aberto em 29 de jan. de 2025

Ver no GitHubGuia do colaborador
 (0 comentário) (0 reação) (0 responsável)C++ (735 forks)batch import
0 - BacklogcuIOfeature requestgood first issue

Métricas do repositório

Stars
 (6.000 estrelas)
Métricas de merge de PR
 (Mesclagem média 17d 21h) (230 fundiu PRs em 30d)

Description

Is your feature request related to a problem? Please describe. Currently, there isn't a method in predicate_pushdown.cpp (filter_row_groups) to check if row group stats aren't available. Hence, we can't ever set num_surviving_row_groups.after_stats_filter to std::nullopt if stats are unavailable.

Describe the solution you'd like We should figure out a relatively cheaper way to distinguish if row group stats aren't available if possible.

Describe alternatives you've considered We currently build the entire statsAST table in predicate_pushdown and try to filter row groups with it. In case no row groups are filtered, we can't distinguish if this was due to ineffective filter or missing stats.

Additional context Originally posted by @mhaseeb123 in https://github.com/rapidsai/cudf/pull/17594#discussion_r1932968249

Guia do colaborador

Direção de pesquisa
Examine a implementação atual de filter row groups em predicate pushdown.cpp para entender como as estatísticas de grupos de linhas são calculadas e utilizadas. Identifique uma forma barata (por exemplo, um sinalizador ou uma verificação rápida em uma estrutura de metadados) para determinar se as estatísticas estão disponíveis. Em seguida, implemente um método para expor essas informações e atualize a lógica para definir `num surviving row groups.after stats filter` como `std::nullopt` quando as estatísticas não estiverem disponíveis.
Pilha de tecnologia
ccpp
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.
3
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
3-5 dias
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Recente
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Principalmente claro
Prerequisites
C++CUDAGPU programming concepts
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
40