如果不需要使用hadoop是不可避免的，那么您可以尝试spark并在本地版本中运行它。您可以在此处找到快速入门指南：https://spark.apache.org/docs/latest/index.html. 要下载，您可以通过以下链接下载：https://archive.apache.org/dist/spark/ （找一个你喜欢的版本，总有一个没有hadoop的版本。不幸的是，压缩版本的大小仍然在10-15米左右。您还可以在examples/src/main中找到一些java示例。
之后，您可以像这样将文件作为sparkDataframe读入

import org.apache.spark.api.java.*;
import org.apache.spark.api.java.function.*; 

SparkSession spark = SparkSession.builder().appName("Reducing dependecy by adding more dependencies").master("local[*]").getOrCreate();
        DataFrame parquet = sqlContext.read().parquet("C:/files/myfile.csv.parquet");
    parquet.show(20);

这个解确实满足问题的原始条件。然而，这并不是没有事实，这就像是打周围的布什（但地狱是的，这是有趣的）。不过，这或许有助于开辟一条解决这一问题的新途径。

不幸的是，javaparquet实现并不独立于一些hadoop库。他们的bugtracker中存在一个问题，即在不依赖hadoop的情况下，用java轻松地读写Parquet文件，但这方面似乎进展不大。这个 InputFile 接口的加入增加了一点解耦，但是实现parquet元数据部分的许多类以及所有压缩编解码器都存在于hadoop依赖关系中。
我发现了 InputFile 在smile库中，这可能比通过hadoop文件系统抽象更有效，但不能解决依赖性问题。
正如其他答案已经提到的，您可以创建一个hadoop Path 一个本地文件，并使用它没有问题。

java.io.File file = ...
new org.apache.hadoop.fs.Path(file.toURI())

通过定义一些排除，hadoop拉入的依赖树可以减少很多。我使用以下方法来减少膨胀（使用gradle语法）：

compile("org.apache.hadoop:hadoop-common:3.1.0") {
    exclude(group: 'org.slf4j')
    exclude(group: 'org.mortbay.jetty')
    exclude(group: 'javax.servlet.jsp')
    exclude(group: 'com.sun.jersey')
    exclude(group: 'log4j')
    exclude(group: 'org.apache.curator')
    exclude(group: 'org.apache.zookeeper')
    exclude(group: 'org.apache.kerby')
    exclude(group: 'com.google.protobuf')
}

您可以使用parquetfilereader类来实现这一点

dependencies {
    compile group: 'org.apache.hadoop', name: 'hadoop-common', version: '3.2.0'
    compile group: 'org.apache.parquet', name: 'parquet-hadoop', version: '1.10.1'
}

您可以在此处指定本地目录路径

private static Path path = new Path("file:\\C:\\myfile.snappy.parquet");

ParquetFileReader r = new ParquetFileReader(conf, path, footer);