alibaba/GraphScope

[BUG] Loading from large dataframe/large numpy requires holding all chunks in coordinator

Open

#2,342 建立於 2022年12月23日

在 GitHub 查看
 (0 留言) (1 反應) (0 負責人)HTML (301 fork)batch import
bugcomponent:coordinatorgood first issue

倉庫指標

Star
 (2,401 star)
PR 合併指標
 (平均合併 1分鐘) (30 天內合併 8 個 PR)

描述

Describe the bug

It looks strange that we need to accumulate all chunks in the request stream into a list in coordinator before sending to analytical engine, that would requires large available memory for the coordinator pod.

https://github.com/alibaba/GraphScope/blob/b80a35599424580325a750e734f8a3b2dead2a5b/coordinator/gscoordinator/dag_manager.py#L77-L107

貢獻者指南

研究方向
研究 dag manager.py 第 77-107 行的協調器程式碼。問題是所有資料區塊在傳送到分析引擎之前都累積在一個清單中，導致記憶體使用率高。考慮修改程式碼，將資料區塊直接串流傳輸到引擎，或以更小的批次傳送。查看 AnalyticalEngine 介面，確認其是否支援串流輸入。目前沒有相關評論或 PR，這是一個開放的優化機會。
技術棧
python
領域
backend
議題類型
錯誤
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
3
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
1-3 小時
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
新近可參與
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
大致清晰
前置要求
PythonDistributed systems
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
40