有没有可能在不依赖hadoop和hdfs的情况下使用java读写parquet?

slhcrj9b  于 2021-06-02  发布在  Hadoop
关注(0)|答案(1)|浏览(458)

我一直在寻找这个问题的解决办法。
在我看来,如果不引入对hdfs和hadoop的依赖,就无法在java程序中嵌入读写parquet格式。是这样吗?
我想在hadoop集群之外的客户机上读写。
我开始对apachedrill感到兴奋,但它似乎必须作为一个单独的进程运行。我需要的是一个进程中的能力,读写一个文件使用Parquet格式。

qvtsj1bj

qvtsj1bj1#

您可以使用javaparquet客户端api在hadoop集群外部编写parquet格式。
下面是java中的一个示例代码,它将Parquet格式写入本地磁盘。

import org.apache.avro.Schema;
import org.apache.avro.generic.GenericData;
import org.apache.avro.generic.GenericRecord;
import org.apache.hadoop.fs.Path;
import org.apache.parquet.avro.AvroSchemaConverter;
import org.apache.parquet.avro.AvroWriteSupport;
import org.apache.parquet.hadoop.ParquetWriter;
import org.apache.parquet.hadoop.metadata.CompressionCodecName;
import org.apache.parquet.schema.MessageType;

public class Test {
    void test() throws IOException {
        final String schemaLocation = "/tmp/avro_format.json";
        final Schema avroSchema = new Schema.Parser().parse(new File(schemaLocation));
        final MessageType parquetSchema = new AvroSchemaConverter().convert(avroSchema);
        final WriteSupport<Pojo> writeSupport = new AvroWriteSupport(parquetSchema, avroSchema);
        final String parquetFile = "/tmp/parquet/data.parquet";
        final Path path = new Path(parquetFile);
        ParquetWriter<GenericRecord> parquetWriter = new ParquetWriter(path, writeSupport, CompressionCodecName.SNAPPY, BLOCK_SIZE, PAGE_SIZE);
        final GenericRecord record = new GenericData.Record(avroSchema);
        record.put("id", 1);
        record.put("age", 10);
        record.put("name", "ABC");
        record.put("place", "BCD");
        parquetWriter.write(record);
        parquetWriter.close();
    }
}

avroèu格式.json,

{
   "type":"record",
   "name":"Pojo",
   "namespace":"com.xx.test",
   "fields":[
      {
         "name":"id",
         "type":[
            "int",
            "null"
         ]
      },
      {
         "name":"age",
         "type":[
            "int",
            "null"
         ]
      },
      {
         "name":"name",
         "type":[
            "string",
            "null"
         ]
      },
      {
         "name":"place",
         "type":[
            "string",
            "null"
         ]
      }
   ]
}

希望这有帮助。

相关问题