Native tuple sketch functions (tuple_*, Spark 4.2): audit the crate against Java and implement

Đang mở
  • Có gì không ổn?
#7,401 0 bình luận 0 reaction 0 người được giao Xem trên GitHub

Maintainer thường phản hồi trong vòng 2 ngày

Chưa có ai nhận issue này.

Đánh giá

Độ khó
5/5
Thời gian dự kiến
Hơn một tuần
Mức phù hợp với người mới
12/100
Loại issue
Tính năng
Độ rõ ràng
Khá rõ ràng
Mức độ hoạt động
Sôi nổi
Công nghệ
java, rust, scala, spark
Lĩnh vực
data-engineering

Hướng nghiên cứu

This is a multi-part audit and implementation across the Rust tuple feature of the datasketches crate and Comet's Spark expression support, so it is not a starting point. Begin with the Spark 4.2 tuple function definitions and the existing theta sketch expressions in the Comet source, then compare the crate's summary types and union/intersection policies against DataSketches-Java 6.2.0 fixtures. Done means each tuple_* function runs natively with a Spark fallback before 4.2, backed by committed fixtures and tests.

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

Mô tả

area:aggregation area:expressions enhancement

What is the problem the feature request solves?

Part of #7397.

Spark 4.2 adds Tuple sketch functions: tuple_sketch_agg, tuple_union_agg, tuple_intersection_agg, the tuple_difference / tuple_union / tuple_intersection scalars, and tuple_sketch_estimate, tuple_sketch_summary and tuple_sketch_theta, each in integer and double summary variants. None of them run natively in Comet. The crate's tuple feature arrived in datasketches 0.4.0.

Describe the potential solution

  1. Score the family with suggest-native-expression first. This is the lowest priority of the four, because it only exists in the newest Spark version Comet supports.
  2. Do the theta work first, since a tuple sketch is a theta sketch with a summary attached and shares its hashing and set-operation behavior.
  3. Audit the crate's tuple feature against DataSketches-Java 6.2.0 using committed fixtures. The summary types and the policies that combine summaries on union and intersection need to match Spark's exactly, and the serialized summary format has to be readable in both directions.
  4. Implement, test and document as for the other families, with a fallback on Spark versions before 4.2.
Ngôn ngữ chính
Scala
Star
1.3k
Fork
414
Merge trung bình
3 ngày 5 giờ
Pull request đã merge (30 ngày)
210

Chuẩn bị môi trường

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 apache/datafusion-comet

Tất cả issue của apache/datafusion-comet

Issue tương tự

Thêm issue về Scala

Nhận issue mới trong hộp thư của bạn

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