Hacktoberfest 2026：维护者为十月标记出来的 issue，仍然开放、适合新手。 浏览 Hacktoberfest issue

Bulk skip in RunLengthBitPackingHybridDecoder / DictionaryValuesReader

未关闭
#3,772 0 条评论 0 个 reaction 已指派 0 人 在 GitHub 查看

还没有人认领这个 Issue。

评估

难度
3/5
预计耗时
1-2 天
新手友好度
72/100
Issue 类型
功能
描述清晰度
基本清楚
活跃度
活跃
技术栈
java
领域
data

调研方向

先阅读 RunLengthBitPackingHybridDecoder.readInt() 和 readNext()，然后检查 DictionaryValuesReader 和 RunLengthBitPackingHybridValuesReader 中的 skip(int)。确认字典编码值的解码方式，并找出相关的现有测试或测试入口点。完成标准是：三个 reader 中的批量跳过都使用 decoder 路径，同时保持跳过的值数量不变。

由索引模型根据 Issue 内容生成。

描述

Type: enhancement
Motivation

Make Hive leverage bulk skip when implementing probe decode for Parquet, similarly to https://issues.apache.org/jira/browse/HIVE-22731, which was about ORC.

Problem

ValuesReader.skip(int n) ships with a naive default:

public void skip(int n) {
  for (int i = 0; i < n; i++) skip();
}

For dictionary-encoded columns (the common case), each skip() bottoms
out in RunLengthBitPackingHybridDecoder.readInt() — a mode switch,
array-index arithmetic, and a value the caller immediately discards.

Any filter-then-skip path (column-index row ranges, hash-join probe
filtering, runtime filters) pays this cost per skipped row.

Proposal
  1. Add RunLengthBitPackingHybridDecoder.skipInts(int n) — re-use
    readNext() per run, then advance currentCount by
    min(n, currentCount) instead of walking every value through
    readInt().
  2. Override skip(int) on DictionaryValuesReader and
    RunLengthBitPackingHybridValuesReader to call decoder.skipInts(n).
Component(s)

Core

主要语言
Java
星标
3.1k
派生
1.6k
平均合并
4 天 12 小时
30 天内合并 PR
28

贡献指南

这个仓库没有索引到贡献指南

从这里开始

  1. 先读完整个 Issue，再读项目的贡献指南。
  2. 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
  3. Fork 仓库，在一个分支上完成修改。
  4. 提交 Pull Request，并在描述里引用这个 Issue 编号。

apache/parquet-java 的其他 Issue

查看 apache/parquet-java 的全部 Issue

相似的 Issue

更多 Java Issue

把新 issue 发到你的邮箱

精选适合新手参与的 GitHub issue 摘要。