Daft项目优化:迁移Parquet集成测试数据至S3存储
2025-06-28 08:02:41作者:何将鹤
在开源数据分析框架Daft的开发过程中,团队发现了一个影响测试稳定性的问题:集成测试依赖的Parquet测试数据存储在GitHub的rawcontent服务上,而频繁的测试请求会导致服务被限流。本文将深入分析这一问题背景、技术解决方案以及迁移到S3存储的优势。
问题背景
Daft框架在进行Parquet文件格式的集成测试时,需要访问特定的测试数据集。原本这些数据文件托管在GitHub的rawcontent服务上,开发团队通过HTTPS协议直接获取。但在持续集成(CI)环境中,频繁的测试请求会导致GitHub对请求进行限流(throttling),表现为HTTP 429 Too Many Requests错误。
这种限流机制严重影响了开发流程:
- 导致自动化测试失败
- 延长了CI/CD管道的执行时间
- 增加了开发人员排查非代码问题的负担
技术解决方案
Daft团队决定将测试数据迁移到Amazon S3存储服务,具体方案包括:
- 在daft-public S3桶中创建专用目录存放Parquet测试文件
- 修改测试代码,将数据获取路径从GitHub切换到S3
- 确保S3桶的访问权限设置为公开读取
- 保留原始数据的完整性和校验机制
迁移后的数据访问URL格式示例:
s3://daft-public/parquet-test-data/plain-dict-uncompressed-checksum.parquet
S3存储的优势
相比GitHub rawcontent,使用S3存储测试数据具有多方面优势:
- 更高的可靠性:S3设计为99.99%的可用性,远高于GitHub rawcontent的服务级别
- 更好的性能:S3专为大规模对象存储优化,提供更高的吞吐量和更低的延迟
- 弹性扩展:S3自动处理流量激增,不会因为频繁请求而限流
- 成本效益:对于公开读取的小型测试数据集,S3的成本几乎可以忽略不计
- 访问控制:可以通过IAM策略精细控制访问权限,未来如需限制访问也很方便
实施细节
在技术实现上,Daft团队需要:
- 使用AWS CLI或SDK将原始Parquet文件上传至S3
- 更新测试用例中的URL引用
- 添加适当的错误处理和重试逻辑
- 考虑本地开发环境与CI环境的统一访问方式
- 在文档中更新测试数据的位置说明
对于Python测试代码的修改,主要涉及将类似:
url = "https://raw.githubusercontent.com/apache/parquet-testing/master/data/plain-dict-uncompressed-checksum.parquet"
改为:
url = "s3://daft-public/parquet-test-data/plain-dict-uncompressed-checksum.parquet"
后续优化方向
这一改进为Daft项目打开了更多优化可能性:
- 测试数据版本管理:可以在S3中实现测试数据的版本控制
- 性能基准测试:稳定的数据源使得性能测试结果更加可靠
- 扩展测试数据集:不受GitHub限制,可以添加更大规模的测试数据
- 多区域部署:根据需要可以将测试数据复制到不同区域的S3桶
总结
Daft项目通过将Parquet集成测试数据从GitHub迁移到S3存储,显著提高了测试的稳定性和可靠性。这一改进不仅解决了当前的限流问题,还为项目的持续集成流程奠定了更坚实的基础。这种架构决策体现了开源项目在基础设施选择上的务实态度,平衡了可靠性、成本和维护复杂度等多方面因素。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
1 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析2 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析3 freeCodeCamp英语课程填空题提示缺失问题分析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp Cafe Menu项目中link元素的void特性解析9 freeCodeCamp全栈开发课程中React实验项目的分类修正10 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析
最新内容推荐
OMNeT++中文使用手册:网络仿真的终极指南与实用教程 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 WebVideoDownloader:高效网页视频抓取工具全面使用指南 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K