spotify/scio

Reservoir sampling into a side output?

開放

#1,321 建立於 2018年8月23日

在 GitHub 查看貢獻者指南
 (6 則留言) (0 個反應) (0 位負責人)Scala (529 個分叉)auto 404
enhancementgood first issue

倉庫指標

星標
 (2,626 顆星)
PR 合併指標
 (平均合併 7天 12小時) (30 天內合併 5 個 PR)

描述

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.

貢獻者指南

研究方向
研究當前的 SCollection#sample 實作，理解 Beam 的側輸出概念（例如使用 ParDo 和 PCollectionViews），實作一個新方法，保持主輸入不變，同時將隨機子集以水庫抽樣方式輸出到側輸出。將新方法與全局組合實作進行基準測試。
技術棧
scala
領域
backend
議題類型
功能
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。
半天
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。
活躍
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
清晰
前置要求
Scala
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。
70