# Cómo aceptar una entrega de Parquet para una evaluación

Antes de publicar una puntuación, comprueba qué entrega llegó, qué casos seleccionó el programa de lectura y qué etiquetas usó. Elige las comprobaciones según el acuerdo de entrega. Una versión fija puede exigir archivos concretos en rutas concretas. Si se permite reescribir la entrega, pueden cambiar los archivos y el orden de las filas siempre que se mantengan los ID de los casos y sus etiquetas.

## Comprueba los archivos entregados y los casos que se puntúan

Asocia cada ruta relativa de Parquet con su SHA-256. Usa la ruta tal como se entregó, incluidos los caracteres codificados con porcentajes. Comprueba todo el conjunto, incluidas las rutas que falten o sobren. Ejecuta el filtro de puntuación con el programa de lectura, la versión y las opciones de partición previstos. Compara los ID devueltos con la lista aprobada y comprueba que sean únicos si el acuerdo exige una fila por caso.

En una entrega ficticia de tres fragmentos, la lista prevista contiene case-a y case-b, con dos resultados correctos. Ambas distribuciones tienen el mismo inventario de sumas de comprobación y todos los lectores probados seleccionan dos casos.

| Resultado observado | Qué condición hay que revisar |
| --- | --- |
| Entrega original, PyArrow con decodificación de URI selecciona case-a y case-b | Coinciden las rutas y la lista de casos. |
| Entrega original, PyArrow con segmentos literales selecciona case-c y case-d | Las rutas coinciden. Detén la puntuación porque los casos no coinciden. |
| Fragmentos intercambiados, PyArrow con decodificación de URI selecciona case-c y case-d | Detén la puntuación porque han cambiado los archivos de cada ruta y los casos no coinciden. |
| Fragmentos intercambiados, PyArrow con segmentos literales selecciona case-a y case-b | Los casos coinciden. Detén la puntuación porque han cambiado los archivos de cada ruta. |

En la distribución original, PyArrow 26.0.1 con decodificación de URI interpreta `split=test%252Fgold` como el valor de partición `test%2Fgold`. Con segmentos literales y la misma consulta, selecciona la carpeta llamada `split=test%2Fgold`. En el original, la lectura literal da un resultado correcto de dos. DuckDB 1.4.4 con particiones de Hive coincide con la lectura que decodifica la URI en ambas distribuciones de este ejemplo.

Si la entrega indica la partición tanto en la ruta como en una columna almacenada, comprueba ambas. En otro ejemplo con cuatro casos, intercambiar dos fragmentos intactos provoca cuatro conflictos. Con particiones de Hive explícitas, ambos lectores seleccionan los casos indicados por las rutas. Las lecturas que solo usan la columna toman la partición almacenada. Resuelve los conflictos según el acuerdo antes de puntuar.

## Comprueba las etiquetas por ID si se permite reescribir la entrega

Compara la versión reescrita con la relación aprobada entre casos y etiquetas, con los valores que interpreta el programa de puntuación. En otro ejemplo ficticio de ocho filas, reordenar filas completas e intercambiar dos etiquetas cambian los bytes del archivo y conservan los mismos metadatos serializados del pie. Al comparar por ID, la reordenación no cambia ninguna etiqueta y el intercambio cambia dos. Si se permite cambiar el orden, la reordenación supera la comprobación. El intercambio falla aunque el pie y los totales por etiqueta coincidan.

Registra la referencia de la entrega, el lector y el filtro de puntuación, los ID que falten o sobren y los cambios en las etiquetas por caso. Así, la siguiente persona podrá reproducir cada decisión de aceptación.

[Descargar los scripts de reproducción y los resultados guardados (ZIP)](https://sapien1.com/research/check-parquet-evaluation-deliveries-evidence/parquet-evaluation-replay.zip)
