提问者:小点点

通过Apache Beam使用ParquetIO读取和写入拼花文件的示例


有人试过用Apache Beam读写Parquet文件吗?最近在2.5.0版中增加了支持,因此留档不多。

我正在尝试读取json输入文件并想写入parquet格式。

提前感谢。


共2个答案

匿名用户

在不同的模块中添加以下依赖项作为ParquetIO。

<dependency>
    <groupId>org.apache.beam</groupId>;
    <artifactId&gt;beam-sdks-java-io-parquet</artifactId>;
    <version>2.6.0</version>;
</dependency>;

//这是要读写的代码……

PCollection<JsonObject> input = #Your data
PCollection<GenericRecord> pgr =input.apply("parse json", ParDo.of(new DoFn<JsonObject, GenericRecord> {
        @ProcessElement
        public void processElement(ProcessContext context) {
            JsonObject json= context.getElement();
            GenericRecord record = #convert json to GenericRecord with schema
            context.output(record);
        }
    }));
pgr.apply(FileIO.<GenericRecord>write().via(ParquetIO.sink(schema)).to("path/to/save"));

PCollection<GenericRecord> data = pipeline.apply(
            ParquetIO.read(schema).from("path/to/read"));

匿名用户

您将需要使用ParquetIO. Sink。它实现了FileIO。