# Slik godkjenner du en Parquet-leveranse for evaluering

Før du rapporterer en poengsum, sjekk hvilken leveranse som kom, hvilke saker leseprogrammet valgte, og hvilke etiketter det brukte. Velg kontroller etter leveranseavtalen. En fast versjon kan kreve bestemte filer på bestemte stier. En tillatt omskriving kan endre filene og rekkefølgen på radene hvis saks-ID-ene og etikettene beholdes.

## Sjekk den faste leveransen og sakene som får poeng

Knytt hver relative Parquet-sti til dens SHA-256-kontrollsum. Bruk stien slik den ble levert, også prosentkodede tegn. Sjekk hele oversikten og se etter manglende eller ekstra stier. Kjør poengfilteret med tiltenkt leseprogram, versjon og partisjonsinnstillinger. Sammenlign ID-ene fra lesingen med den godkjente listen og sjekk at de er unike hvis avtalen krever én rad per sak.

I en fiktiv leveranse med tre delfiler består den forventede listen av case-a og case-b, med to riktige utfall. Begge plasseringene har samme oversikt over filkontrollsummer, og hvert testet leseprogram velger to saker.

| Observert resultat | Hva trenger en sjekk? |
| --- | --- |
| Opprinnelig leveranse, PyArrow med URI-dekoding velger case-a og case-b | Filplasseringen og sakslisten stemmer. |
| Opprinnelig leveranse, PyArrow med ordrette stideler velger case-c og case-d | Filplasseringen stemmer. Vent med å beregne poeng fordi sakslisten avviker. |
| Ombyttede delfiler, PyArrow med URI-dekoding velger case-c og case-d | Vent med å beregne poeng fordi både filplassering og saksliste avviker. |
| Ombyttede delfiler, PyArrow med ordrette stideler velger case-a og case-b | Sakslisten stemmer. Vent med å beregne poeng fordi filplasseringen er endret. |

I den opprinnelige plasseringen tolker PyArrow 26.0.1 med URI-dekoding `split=test%252Fgold` som partisjonsverdien `test%2Fgold`. Hvis stidelene leses ordrett, velger samme spørring mappen `split=test%2Fgold`. Den ordrette lesingen gir ett riktig utfall av to i den opprinnelige leveransen. I dette eksemplet gir DuckDB 1.4.4 med Hive-partisjonering samme resultat som URI-dekodingen i begge plasseringene.

Hvis partisjonen er angitt både i stien og i en lagret kolonne, sjekk begge. I et eget eksempel med fire saker gir det fire konflikter å bytte om to intakte delfiler. Med Hive-partisjonering valgt eksplisitt velger begge testede programmer sakene fra stiene. Lesing av bare den fysiske kolonnen bruker den lagrede partisjonen. Løs konfliktene i tråd med avtalen før du beregner poeng.

## Sjekk etiketter etter saks-ID når omskriving er tillatt

Sammenlign omskrivingen med den godkjente koblingen mellom saker og etiketter ved hjelp av verdiene programmet dekoder. I et eget fiktivt eksempel med åtte rader endrer både flytting av hele rader og bytting av to etiketter filens byte, samtidig som de serialiserte metadataene på slutten av filen forblir like. Sammenligning per ID finner null endrede etiketter når radene flyttes, og to når etikettene byttes. Flyttingen består etikettkontrollen hvis rekkefølgen kan endres. Byttet består ikke selv om metadataene og antall per etikett stemmer.

Noter leveransereferansen, leseprogrammet og filteret, manglende eller uventede ID-er og endrede koblinger. Da kan neste person gjenta kontrollene bak hver godkjenning.

[Last ned skriptene og de lagrede resultatene (ZIP)](https://sapien1.com/research/check-parquet-evaluation-deliveries-evidence/parquet-evaluation-replay.zip)
