PyArrow memory relationship between write_dataset max_open_files and scanner batch_readahead and fragment_readahead

Question summary: I am using pyarrow.dataset scanner and write_dataset. Knowing the average size in memory of a record read from a parquet file, how do I choose the values of batch_readahead, fragment_readahead, batch_size and max_open_files so as to maximize available system resources without hitting OOM?

I have a number of parquet files with very small row-groups. I am using pyarrow.dataset to scan the files and then write them out using larger row-groups. The basic logic is pretty straightforward:

dataset = ds.dataset(INPATH, format='parquet')
scanner = dataset.scanner(
    batch_size=batch_size,
    batch_readahead=batch_readahead,
    fragment_readahead=fragment_readahead
)
ds.write_dataset(
    dataset,
    base_dir=OUTPATH,
    format='parquet',
    max_open_files=max_open_files,
    max_rows_per_file=maxrecords,
    min_rows_per_group=batch_size,
    max_rows_per_group=batch_size,
)

I want to optimize the values of batch_readahead, fragment_readahead, batch_size and max_open_files so as to maximize available CPU/RAM.

I have a function that samples my input files and determines the average size in memory of a record, call this avg_rec_size. (Sampling because parquet file metadata only seems to show serialized sizes, which are much smaller than in-memory sizes).

I find that when I keep batch_readahead, fragment_readahead and max_open_files to 1 that memory usage seems predictable as some function of batch_size and avg_rec_size. But memory consumption is much lower than what’s available, so I want to increase batch_readahead, fragment_readahead and max_open_files so as to speed up the process and make full use of available resources.

However, I’m unable to understand the relationships between all these variables.

  • is the number of scanner batches and files being read a multiple of max_open_files? In other words, if batch_readahead and fragment_readahead are both 1, is the scanner reading 1 batch for each file being written by write_dataset, or 1 in total irrespective of max_open_files?
  • if batch_readahead and fragment_readahead are both equal to 2, does that mean there are four batches being read in parallel (2 batches x 2 file fragments)? Or just two batches being read in parallel (one batch per file)?

Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa Dịch vụ tổ chức sự kiện 5 sao Thông tin về chúng tôi Dịch vụ sinh nhật bé trai Dịch vụ sinh nhật bé gái Sự kiện trọn gói Các tiết mục giải trí Dịch vụ bổ trợ Tiệc cưới sang trọng Dịch vụ khai trương Tư vấn tổ chức sự kiện Hình ảnh sự kiện Cập nhật tin tức Liên hệ ngay Thuê chú hề chuyên nghiệp Tiệc tất niên cho công ty Trang trí tiệc cuối năm Tiệc tất niên độc đáo Sinh nhật bé Hải Đăng Sinh nhật đáng yêu bé Khánh Vân Sinh nhật sang trọng Bích Ngân Tiệc sinh nhật bé Thanh Trang Dịch vụ ông già Noel Xiếc thú vui nhộn Biểu diễn xiếc quay đĩa Dịch vụ tổ chức tiệc uy tín Khám phá dịch vụ của chúng tôi Tiệc sinh nhật cho bé trai Trang trí tiệc cho bé gái Gói sự kiện chuyên nghiệp Chương trình giải trí hấp dẫn Dịch vụ hỗ trợ sự kiện Trang trí tiệc cưới đẹp Khởi đầu thành công với khai trương Chuyên gia tư vấn sự kiện Xem ảnh các sự kiện đẹp Tin mới về sự kiện Kết nối với đội ngũ chuyên gia Chú hề vui nhộn cho tiệc sinh nhật Ý tưởng tiệc cuối năm Tất niên độc đáo Trang trí tiệc hiện đại Tổ chức sinh nhật cho Hải Đăng Sinh nhật độc quyền Khánh Vân Phong cách tiệc Bích Ngân Trang trí tiệc bé Thanh Trang Thuê dịch vụ ông già Noel chuyên nghiệp Xem xiếc khỉ đặc sắc Xiếc quay đĩa thú vị
Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa
Thiết kế website Thiết kế website Thiết kế website Cách kháng tài khoản quảng cáo Mua bán Fanpage Facebook Dịch vụ SEO Tổ chức sinh nhật