hyper: a Parquet file with a footer over 16 MiB is refused

Đang mở
  • Có gì không ổn?
#3,291 1 bình luận 0 reaction 0 người được giao Xem trên GitHub

Maintainer thường phản hồi trong vòng 1 ngày

Chưa có ai nhận issue này.

Đánh giá

Độ khó
4/5
Thời gian dự kiến
3-5 ngày
Mức phù hợp với người mới
15/100
Loại issue
Lỗi
Độ rõ ràng
Đặc tả rõ ràng
Mức độ hoạt động
Sôi nổi
Công nghệ
shell
Lĩnh vực
databases

Hướng nghiên cứu

The failure comes from the Hyper engine's Parquet reader, not from the ClickBench scripts, so the scripts under hyper/load only show how the file is loaded. Start with the reproduction: write hits-small-groups.parquet with the ClickHouse command in the issue, then load it with hyper/load and confirm the 16777216-byte footer error. Done would mean the load succeeds, or the limit becomes configurable and hyper/load sets it. Because the limit is inside Hyper, the fix needs upstream engine changes and maintainer input.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

Hyper refuses a Parquet file whose footer is larger than 16 MiB:

tableauhyperapi.hyperexception.HyperException: error while reading Parquet file: Error in hits.parquet
	The footer size 35231477 of the Parquet file exceeds the maximum allowed footer size which is 16777216

This happened in the randomized benchmark (https://github.com/ClickHouse/ClickBench/pull/3271), which loads a generated dataset of a billion rows with the same schema as hits.parquet, using hyper/load unchanged. The file was written by ClickHouse 26.10 with its default row group size limit of 512 MB, which gives more than a thousand row groups for a billion rows, and their metadata makes a footer of 35 MB. The Parquet format has no such limit, and the other systems of the benchmark (ClickHouse, DuckDB, Firebolt, PostgreSQL-based ones, and others) loaded the same file.

Reproduction with the standard dataset: rewriting hits.parquet (100M rows, 226 row groups, a footer of 2.4 MB) with smaller row groups gives 2360 row groups and a footer of 31.6 MB:

clickhouse local --output_format_parquet_row_group_size 40000 --output_format_parquet_row_group_size_bytes 100000000000 \
    --query "SELECT * FROM file('hits.parquet') INTO OUTFILE 'hits-small-groups.parquet' TRUNCATE FORMAT Parquet"
clickhouse local --query "SELECT num_row_groups, metadata_size FROM file('hits-small-groups.parquet', ParquetMetadata)"
# 2360	31626081

Loading hits-small-groups.parquet with hyper/load should fail with the same message.

Could the limit be raised (or made configurable through an option that hyper/load could set)? The randomized benchmark now writes about 250 row groups per file, as the original file has, so its next runs avoid the limit, but files with many row groups are common for large datasets.

Hyper API version in the run: tableauhyperapi 0.0.26963 (hyper/install of main on 2026-11-13), machine c6a.metal.

@caetanosauer @vogelsgesang

🤖 Generated with Claude Code

Ngôn ngữ chính
Shell
Star
1.2k
Fork
334
Merge trung bình
3 giờ 50 phút
Pull request đã merge (30 ngày)
710

Chuẩn bị môi trường

  • Không có Dockerfile hay tệp Docker Compose
  • Có mẫu pull request
  • Không có hướng dẫn đóng góp

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của ClickHouse/ClickBench

Tất cả issue của ClickHouse/ClickBench

Issue tương tự

Thêm issue về Shell/Bash

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.