# Sådan godkender du en Parquet-leverance til evaluering

Før du rapporterer en score, skal du tjekke, hvilken leverance der kom, hvilke sager læseprogrammet valgte, og hvilke etiketter det brugte. Vælg kontrollerne efter leveringsaftalen. En fast version kan kræve bestemte filer på bestemte stier. En tilladt omskrivning kan ændre filer og rækkefølgen af rækkerne, så længe sagernes id’er og etiketter bevares.

## Tjek den faste leverance og de sager, der scores

Knyt hver relativ Parquet-sti til dens SHA-256-kontrolsum. Brug stien, som den blev leveret, inklusive procentkodede tegn. Tjek alle tilknytninger og se efter manglende eller ekstra stier. Kør scoringsfilteret med det planlagte læseprogram, versionen og partitionsindstillingerne. Sammenlign de læste id’er med den godkendte liste, og tjek at de er entydige, hvis aftalen kræver én række pr. sag.

I en fiktiv leverance med tre delfiler består den forventede liste af case-a og case-b med to korrekte udfald. Begge placeringer har de samme filkontrolsummer, og hvert testet læseprogram vælger to sager.

| Observeret resultat | Hvad skal tjekkes? |
| --- | --- |
| Oprindelig leverance, PyArrow med URI-afkodning vælger case-a og case-b | Filernes placering og sagslisten stemmer begge. |
| Oprindelig leverance, PyArrow med ordrette stidele vælger case-c og case-d | Filernes placering stemmer. Sæt scoringen på pause, fordi sagslisten afviger. |
| Ombyttede delfiler, PyArrow med URI-afkodning vælger case-c og case-d | Sæt scoringen på pause, fordi filernes placering er ændret, og sagslisten afviger. |
| Ombyttede delfiler, PyArrow med ordrette stidele vælger case-a og case-b | Sagslisten stemmer. Sæt scoringen på pause, fordi filernes placering er ændret. |

I den oprindelige placering læser PyArrow 26.0.1 med URI-afkodning `split=test%252Fgold` som partitionsværdien `test%2Fgold`. Hvis stiens dele læses ordret, vælger samme forespørgsel mappen `split=test%2Fgold`. Den ordrette læsning giver ét korrekt udfald ud af to i den oprindelige leverance. I eksemplet svarer DuckDB 1.4.4 med Hive-partitionering til URI-afkodningen i begge placeringer.

Hvis partitionen er angivet både i stien og i en gemt kolonne, så tjek begge angivelser. I et andet eksempel med fire sager giver det fire konflikter at bytte om på to intakte delfiler. Når Hive-partitionering vælges eksplicit, vælger begge testede programmer sagerne fra stierne. Læsninger, der kun bruger den gemte kolonne, følger den lagrede partition. Løs konflikterne i henhold til aftalen før scoring.

## Tjek etiketter efter sagens id, hvis omskrivning er tilladt

Sammenlign den omskrevne leverance med den godkendte tilknytning af sager og etiketter ved hjælp af de værdier, som scoringsprogrammet afkoder. I et fiktivt eksempel med otte rækker ændrer både en flytning af hele rækker og et bytte af to etiketter filens bytes, mens de serialiserede metadata i filens afslutning forbliver ens. Sammenligningen efter id finder nul ændrede etiketter ved flytningen og to ved byttet. Flytningen består etiketkontrollen, hvis rækkefølgen må ændres. Byttet består den ikke, selv om metadata og antallet af hver etiket stemmer.

Gem leverancens reference, læseprogram og filter, manglende eller uventede id’er og ændrede tilknytninger. Så kan næste gennemgang gentage hvert godkendelsestjek.

[Download scripts og gemte resultater (ZIP)](https://sapien1.com/research/check-parquet-evaluation-deliveries-evidence/parquet-evaluation-replay.zip)
