成人午夜视频全免费观看高清-秋霞福利视频一区二区三区-国产精品久久久久电影小说-亚洲不卡区三一区三区一区

java讀寫(xiě)Parquet格式的數(shù)據(jù)的示例代碼

本文介紹了java 讀寫(xiě)Parquet格式的數(shù)據(jù),分享給大家,具體如下:

創(chuàng)新互聯(lián)公司堅(jiān)持“要么做到,要么別承諾”的工作理念,服務(wù)領(lǐng)域包括:成都網(wǎng)站建設(shè)、成都做網(wǎng)站、企業(yè)官網(wǎng)、英文網(wǎng)站、手機(jī)端網(wǎng)站、網(wǎng)站推廣等服務(wù),滿足客戶于互聯(lián)網(wǎng)時(shí)代的元江縣網(wǎng)站設(shè)計(jì)、移動(dòng)媒體設(shè)計(jì)的需求,幫助企業(yè)找到有效的互聯(lián)網(wǎng)解決方案。努力成為您成熟可靠的網(wǎng)絡(luò)建設(shè)合作伙伴!

import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
import java.util.Random;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.log4j.Logger;
import org.apache.parquet.example.data.Group;
import org.apache.parquet.example.data.GroupFactory;
import org.apache.parquet.example.data.simple.SimpleGroupFactory;
import org.apache.parquet.hadoop.ParquetReader;
import org.apache.parquet.hadoop.ParquetReader.Builder;
import org.apache.parquet.hadoop.ParquetWriter;
import org.apache.parquet.hadoop.example.GroupReadSupport;
import org.apache.parquet.hadoop.example.GroupWriteSupport;
import org.apache.parquet.schema.MessageType;
import org.apache.parquet.schema.MessageTypeParser;

public class ReadParquet {
  static Logger logger=Logger.getLogger(ReadParquet.class);
  public static void main(String[] args) throws Exception {
    
//    parquetWriter("test\\parquet-out2","input.txt");
    parquetReaderV2("test\\parquet-out2");
  }
  
  
  static void parquetReaderV2(String inPath) throws Exception{
    GroupReadSupport readSupport = new GroupReadSupport();
    Builder<Group> reader= ParquetReader.builder(readSupport, new Path(inPath));
    ParquetReader<Group> build=reader.build();
    Group line=null;
    while((line=build.read())!=null){
      Group time= line.getGroup("time", 0);
        //通過(guò)下標(biāo)和字段名稱(chēng)都可以獲取
        /*System.out.println(line.getString(0, 0)+"\t"+
        line.getString(1, 0)+"\t"+
        time.getInteger(0, 0)+"\t"+
        time.getString(1, 0)+"\t");*/
        System.out.println(line.getString("city", 0)+"\t"+
        line.getString("ip", 0)+"\t"+
        time.getInteger("ttl", 0)+"\t"+
        time.getString("ttl2", 0)+"\t");
        //System.out.println(line.toString());
    }
    System.out.println("讀取結(jié)束");
  } 
  //新版本中new ParquetReader()所有構(gòu)造方法好像都棄用了,用上面的builder去構(gòu)造對(duì)象
  static void parquetReader(String inPath) throws Exception{
    GroupReadSupport readSupport = new GroupReadSupport();
    ParquetReader<Group> reader = new ParquetReader<Group>(new Path(inPath),readSupport);
    Group line=null;
    while((line=reader.read())!=null){
     System.out.println(line.toString());
    }
    System.out.println("讀取結(jié)束");
    
  }
  /**
   * 
   * @param outPath  輸出Parquet格式
   * @param inPath 輸入普通文本文件
   * @throws IOException
   */
  static void parquetWriter(String outPath,String inPath) throws IOException{
    MessageType schema = MessageTypeParser.parseMessageType("message Pair {\n" +
        " required binary city (UTF8);\n" +
        " required binary ip (UTF8);\n" +
        " repeated group time {\n"+
          " required int32 ttl;\n"+
           " required binary ttl2;\n"+
        "}\n"+
       "}");
    GroupFactory factory = new SimpleGroupFactory(schema);
    Path path = new Path(outPath);
    Configuration configuration = new Configuration();
    GroupWriteSupport writeSupport = new GroupWriteSupport();
    writeSupport.setSchema(schema,configuration);
    ParquetWriter<Group> writer = new ParquetWriter<Group>(path,configuration,writeSupport);
    //把本地文件讀取進(jìn)去,用來(lái)生成parquet格式文件
    BufferedReader br =new BufferedReader(new FileReader(new File(inPath)));
    String line="";
    Random r=new Random();
    while((line=br.readLine())!=null){
      String[] strs=line.split("\\s+");
      if(strs.length==2) {
        Group group = factory.newGroup()
            .append("city",strs[0])
            .append("ip",strs[1]);
        Group tmpG =group.addGroup("time");
        tmpG.append("ttl", r.nextInt(9)+1);
        tmpG.append("ttl2", r.nextInt(9)+"_a");
        writer.write(group);
      }
    }
    System.out.println("write end");
    writer.close();
  }
}

說(shuō)下schema(寫(xiě)Parquet格式數(shù)據(jù)需要schema,讀取的話"自動(dòng)識(shí)別"了schema)

/*
 * 每一個(gè)字段有三個(gè)屬性:重復(fù)數(shù)、數(shù)據(jù)類(lèi)型和字段名,重復(fù)數(shù)可以是以下三種:
 *     required(出現(xiàn)1次)
 *     repeated(出現(xiàn)0次或多次) 
 *     optional(出現(xiàn)0次或1次)
 * 每一個(gè)字段的數(shù)據(jù)類(lèi)型可以分成兩種:
 *     group(復(fù)雜類(lèi)型)
 *     primitive(基本類(lèi)型)
 * 數(shù)據(jù)類(lèi)型有
 * INT64, INT32, BOOLEAN, BINARY, FLOAT, DOUBLE, INT96, FIXED_LEN_BYTE_ARRAY
 */

這個(gè)repeated和required 不光是次數(shù)上的區(qū)別,序列化后生成的數(shù)據(jù)類(lèi)型也不同,比如repeqted修飾 ttl2 打印出來(lái)為 WrappedArray([7,7_a]) 而 required修飾 ttl2 打印出來(lái)為 [7,7_a]  除了用MessageTypeParser.parseMessageType類(lèi)生成MessageType 還可以用下面方法

(注意這里有個(gè)坑--spark里會(huì)有這個(gè)問(wèn)題--ttl2這里 as(OriginalType.UTF8) 和 required binary city (UTF8)作用一樣,加上UTF8,在讀取的時(shí)候可以轉(zhuǎn)為StringType,不加的話會(huì)報(bào)錯(cuò) [B cannot be cast to java.lang.String  )

/*MessageType schema = MessageTypeParser.parseMessageType("message Pair {\n" +
        " required binary city (UTF8);\n" +
        " required binary ip (UTF8);\n" +
        "repeated group time {\n"+
        "required int32 ttl;\n"+
        "required binary ttl2;\n"+
        "}\n"+
        "}");*/
    
//import org.apache.parquet.schema.Types;
MessageType schema = Types.buildMessage() 
      .required(PrimitiveTypeName.BINARY).as(OriginalType.UTF8).named("city") 
      .required(PrimitiveTypeName.BINARY).as(OriginalType.UTF8).named("ip") 
      .repeatedGroup().required(PrimitiveTypeName.INT32).named("ttl")
              .required(PrimitiveTypeName.BINARY).as(OriginalType.UTF8).named("ttl2")
              .named("time")
     .named("Pair"); 

解決 [B cannot be cast to java.lang.String 異常:

1.要么生成parquet文件的時(shí)候加個(gè)UTF8
2.要么讀取的時(shí)候再提供一個(gè)同樣的schema類(lèi)指定該字段類(lèi)型,比如下面:

java 讀寫(xiě)Parquet格式的數(shù)據(jù)的示例代碼

maven依賴(lài)(我用的1.7)

<dependency>
  <groupId>org.apache.parquet</groupId>
  <artifactId>parquet-hadoop</artifactId>
  <version>1.7.0</version>
</dependency>

以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持創(chuàng)新互聯(lián)。

新聞名稱(chēng):java讀寫(xiě)Parquet格式的數(shù)據(jù)的示例代碼
網(wǎng)站URL:http://jinyejixie.com/article28/gpspcp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián),為您提供云服務(wù)器移動(dòng)網(wǎng)站建設(shè)、Google、定制網(wǎng)站網(wǎng)頁(yè)設(shè)計(jì)公司、面包屑導(dǎo)航

廣告

聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請(qǐng)盡快告知,我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如需處理請(qǐng)聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時(shí)需注明來(lái)源: 創(chuàng)新互聯(lián)

成都定制網(wǎng)站建設(shè)
大渡口区| 丽水市| 黔南| 宁都县| 中阳县| 舟山市| 务川| 永吉县| 澜沧| 都江堰市| 葵青区| 呼图壁县| 宝坻区| 门源| 普兰县| 嘉鱼县| 宝应县| 永修县| 临安市| 承德县| 北碚区| 新巴尔虎右旗| 龙川县| 贵溪市| 清水县| 翼城县| 和平区| 泰兴市| 新蔡县| 福贡县| 桐城市| 张家界市| 奇台县| 太仆寺旗| 文登市| 呈贡县| 潼南县| 咸丰县| 汉寿县| 河南省| 攀枝花市|