Hacktoberfest 2026: những issue maintainer đã đánh dấu cho tháng Mười, đang mở và phù hợp người mới. Xem issue Hacktoberfest

BaselineMetrics output_bytes converts every column to ArrayData for every batch

Đang mở Phù hợp với người mới
  • Có gì không ổn?
#26,071 1 bình luận 0 reaction 0 người được giao Xem trên GitHub

Maintainer thường phản hồi trong vòng 1 ngày

@minhh-nguyen đang làm issue này rồi.

Từ ngày 7/10/2026.

  • #26105 của @minhh-nguyen — đang mở

Đánh giá

Độ khó
2/5
Thời gian dự kiến
1-3 giờ
Mức phù hợp với người mới
72/100
Loại issue
Tính năng
Độ rõ ràng
Đặc tả rõ ràng
Mức độ hoạt động
Sôi nổi
Công nghệ
rust
Lĩnh vực
performance

Hướng nghiên cứu

Bắt đầu tại datafusion/physical-expr-common/src/metrics/baseline.rs và đọc RecordOutput::record_output cùng với get_record_batch_memory_size để xem output_bytes được ghi nhận như thế nào. So sánh cách tiếp cận đề xuất dùng Array::get_array_memory_size với cách tính hiện tại cho các bộ đệm dùng chung. Hoàn thành khi việc ghi nhận byte đầu ra không còn chuyển đổi các cột thành ArrayData, trong khi get_record_batch_memory_size vẫn dùng được để tính bộ nhớ.

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

Mô tả

Is your feature request related to a problem or challenge?

Every operator's BaselineMetrics records output_bytes for every output batch through RecordOutput::record_output (datafusion/physical-expr-common/src/metrics/baseline.rs), which calls get_record_batch_memory_size. That function converts each column, and each child of a nested column, to ArrayData and inserts every buffer's address into a HashSet, so that buffers shared between columns are counted once. Exact accounting matters for memory reservations; for a per-batch metric it is a cost every query pays, and it grows with the width and nesting of the schema rather than with the data.

Measured on main (c0e872f), release build, Apple M1 Max, one batch of Int32 struct columns:

batch get_record_batch_memory_size sum of Array::get_array_memory_size
35 struct columns x 20 fields, 100 rows 21.9 µs 1.6 µs
35 struct columns x 20 fields, 4,000 rows 15.1 µs 1.5 µs
5 struct columns x 5 fields, 4,000 rows 0.58 µs 0.05 µs

That is per operator per batch. We hit it running one wide plan repeatedly (a game's world, 35 struct columns, a few thousand rows, a few hundred operators, through Sail on DataFusion 55.1): in a sampled profile, BaselineMetrics::record_poll -> get_record_batch_memory_size -> StructArray::to_data was about 12% of executing the plan, and computing the metric as below took a run from 40 ms to 34 ms.

Describe the solution you'd like

Compute output_bytes without ArrayData, for example:

fn output_bytes(batch: &RecordBatch) -> usize {
    batch.columns().iter().map(|c| c.get_array_memory_size()).sum()
}

This can count a buffer shared between columns more than once (in the table above it reports 350,840 bytes against 280,000 for the 100-row batch, which shares nothing; the difference is the arrays' own structures), which seems acceptable for a metric; get_record_batch_memory_size would stay for memory accounting. Alternatively, output_bytes could be computed only when a metrics level that shows it is requested.

Describe alternatives you've considered

Making get_record_batch_memory_size itself cheaper for nested arrays (walking the arrays' buffers without building ArrayData) would help memory accounting too, but keeps the hash set per batch.

Additional context

Related: #26065 (struct literal comparisons through ArrayData in physical planning) and the planning-speed work in #19795.

Ngôn ngữ chính
Rust
Star
9.5k
Fork
2.5k
Merge trung bình
4 ngày 14 giờ
Pull request đã merge (30 ngày)
303

Chuẩn bị môi trường

Mở trong Codespaces

Khởi chạy dev container của dự án ngay trên trình duyệt, bằng tài khoản GitHub của bạn.

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

Tất cả issue của apache/datafusion

Issue tương tự

Thêm issue về Rust

Nhận issue mới trong hộp thư của bạn

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