Spark: Add spark-hadoop-cloud so the S3A magic committer can be used
还没有人认领这个 Issue。
评估
- 难度
- 4/5
- 预计耗时
- 1-2 天
- 新手友好度
- 45/100
- Issue 类型
- 功能
- 描述清晰度
- 基本清楚
- 活跃度
- 活跃
- 技术栈
- aws, java, spark
调研方向
Start by identifying the Spark packaging or dependency configuration where spark-hadoop-cloud would be added; this issue does not name a file or repository entry point. Check the package’s dependency tree and consult the supply chain security team about the added components before proposing the change. Done means the package is available for using the S3A magic committer, while enabling it by default and documenting its settings remain out of scope.
由索引模型根据 Issue 内容生成。
描述
Problem
I stumbled over this blog post and thought it was useful.
Super quick summary: Spark writes plain files (Parquet, ORC, CSV) to S3 through FileOutputCommitter v1, which renames every file on the driver at job commit. That's not great for S3 so one can use a different committer (S3A magic committer) but it requires a different package (spark-hadoop-cloud) which we don't include right now.
Iceberg is not affected as far as I understand.
Before merging: Talk to the supply chain security folks to see what effect the added components have. I have no idea which dependencies they pull in.
Expected effort
2 days. If it takes longer, stop and flag it.
Out of scope
- Making the magic committer the operator default.
- Documentation of the committer settings, that's a followup in Spark
- 主要语言
- 没有语言数据
- 星标
- 2
- 派生
- 0
- 平均合并
- 2 小时 24 分钟
- 30 天内合并 PR
- 3
环境准备
这个项目没有提供开发容器、Dockerfile 或贡献指南，环境需要你自己搭建：先看它的 README，通用步骤见我们的新手贡献指南。
从这里开始
- 先读完整个 Issue，再读项目的贡献指南。
- 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
- Fork 仓库，在一个分支上完成修改。
- 提交 Pull Request，并在描述里引用这个 Issue 编号。
stackabletech/issues 的其他 Issue
-
Nifi: Update of component hazelcast可能已有人在做 @dervoeti 于 4 天前认领。 未关闭scheduled-for/26.11.0
stackabletech/issues#914 · 已指派 1 人 ·
-
Superset: Update of component brotli可能已有人在做 @dervoeti 于 4 天前认领。 未关闭scheduled-for/26.11.0
stackabletech/issues#913 · 已指派 1 人 ·
-
难度 3/5 1-2 天 新手友好度 55/100
stackabletech/issues#911 ·
-
epic scheduled-for/26.11.0
难度 4/5 3-5 天 新手友好度 35/100
stackabletech/issues#910 ·
-
tracking: Collect the containerdebug logs可能已有人在做 @siegfriedweber 于 6 天前认领。 未关闭epic release-note scheduled-for/26.11.0
stackabletech/issues#909 · 已指派 1 人 ·
查看 stackabletech/issues 的全部 Issue
相似的 Issue
-
GloFAS river spreading uses swapped longitude and latitude for the distance from the river mouth未关闭
难度 2/5 1-3 小时 新手友好度 72/100
nansencenter/NERSC-HYCOM-CICE#394 ·
-
bug Sector
难度 2/5 1-3 小时 新手友好度 61/100
维护者通常 2 天内回复
-
难度 2/5 1-3 小时 新手友好度 77/100
维护者通常 1 天内回复
-
broken links
难度 2/5 1-3 小时 新手友好度 65/100
-
author-page correction
难度 2/5 1-3 小时 新手友好度 64/100
acl-org/acl-anthology#10827 · 1 条评论 ·
维护者通常 1 天内回复