vespa-engine/vespa

Support feeding from Spark

开放

#9,158 创建于 2019年4月23日

在 GitHub 查看贡献者指南
 (6 条评论) (0 个反应) (0 位负责人)Java (561 个派生)batch import
enhancementgood first issue

仓库指标

星标
 (4,948 个星标)
PR 合并指标
 (平均合并 1天 22小时) (30 天内合并 209 个 PR)

描述

Today, the Hadoop integration tools for Vespa support Hadoop and Pig for feeding and querying Vespa. The Pig feeder is a thin wrapper around the Vespa HTTP client.

We should support feeding directly from Spark as well, to avoid Spark pipelines having to write to HDFS and run another Pig job for the actual feeding. Similarly to the Pig feeder, this could be implemented as a thin wrapper around the HTTP client.

贡献者指南

研究方向
研究现有的 Hadoop 和 Pig 集成代码，了解它们如何封装 Vespa HTTP 客户端，然后为 Spark 实现类似的 DataSource 或 Foreach 写入器。
技术栈
java
领域
backenddatabase
议题类型
功能
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
2
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
1-2 天
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
活跃
清晰度议题是否清楚说明期望改动、验收标准和下一步。
清晰
前置要求
JavaGit
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
60