spotify/scio

Reservoir sampling into a side output?

Aberta

#1.321 aberto em 23 de ago. de 2018

Ver no GitHubGuia do colaborador
 (6 comentários) (0 reação) (0 responsável)Scala (529 forks)auto 404
enhancementgood first issue

Métricas do repositório

Stars
 (2.626 estrelas)
Métricas de merge de PR
 (Métricas PR pendentes)

Description

Right now we have SCollection#sample which uses a Beam transform and is implemented as a global combine operation. It'll be nice to have a sample into side output variation that passes main input through while randomly reservoir sample them into a side input. We should also benchmark this approach against the Beam implementation.

Guia do colaborador

Direção de pesquisa
Estude a implementação atual do SCollection#sample, entenda o conceito de saída lateral do Beam (por exemplo, com ParDo e PCollectionViews), implemente um novo método que passa a entrada principal inalterada enquanto amostra aleatoriamente um subconjunto para uma saída lateral usando reservoir sampling. Compare o novo método com a implementação de combinação global com benchmark.
Pilha de tecnologia
scala
Domain
backend
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.
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
Scala
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
70