Relatório anual no Trino travava com 144 milhões de linhas; divisão por mês resolveu
A autora relata que um script Python de relatório mensal, que processava cerca de 12 milhões de linhas, deixou de funcionar ao ser adaptado para o ano inteiro, o que resultaria em aproximadamente 144 milhões de linhas. A consulta única excedia o limite de memória do cluster Trino, causava falhas demoradas e disputava recursos com outros usuários. A principal correção foi dividir o processamento em doze consultas mensais, cada uma com volume semelhante ao que o script já tratava bem. Além disso, a agregação passou a ser feita no próprio banco, evitando trazer colunas desnecessárias e milhões de linhas para o Python. Por fim, cada mês passou a ser salvo como checkpoint, para que uma falha não exija reprocessar todo o período.
This is an AI-generated summary. ShortSingh links to the original source for the complete article.


Discussion (0)
Log in to join the discussion and vote.
Log in