Apache Parquet C++ 项目教程
2024-09-02 14:48:39作者:温艾琴Wonderful
1、项目介绍
Apache Parquet-CPP 是 Apache Parquet 项目的 C++ 实现,它是一个高效的列式存储格式,特别适用于大数据处理。Parquet 格式支持复杂的嵌套数据结构,并且通过列式存储优化了数据压缩和查询性能。该项目已经被合并到 Apache Arrow 项目中,但仍然可以在 GitHub 上找到其历史版本。
2、项目快速启动
环境准备
确保你的系统已经安装了以下工具和库:
- CMake
- C++ 编译器(如 GCC 或 Clang)
- Git
克隆项目
git clone https://github.com/apache/parquet-cpp.git
cd parquet-cpp
构建项目
mkdir build
cd build
cmake ..
make
示例代码
以下是一个简单的示例代码,展示如何读取和写入 Parquet 文件:
#include <arrow/api.h>
#include <parquet/arrow/reader.h>
#include <parquet/arrow/writer.h>
int main() {
// 初始化 Arrow 和 Parquet
arrow::Status status = arrow::Status::OK();
std::shared_ptr<arrow::MemoryPool> pool = arrow::default_memory_pool();
// 创建一个简单的表格
std::shared_ptr<arrow::Array> array;
arrow::Int64Builder builder(pool);
builder.Append(1);
builder.Append(2);
builder.Append(3);
status = builder.Finish(&array);
if (!status.ok()) {
std::cerr << "Failed to build array: " << status.ToString() << std::endl;
return -1;
}
std::shared_ptr<arrow::Schema> schema = arrow::schema({arrow::field("int", arrow::int64())});
std::shared_ptr<arrow::Table> table = arrow::Table::Make(schema, {array});
// 写入 Parquet 文件
std::shared_ptr<arrow::io::FileOutputStream> out_file;
status = arrow::io::FileOutputStream::Open("example.parquet", &out_file);
if (!status.ok()) {
std::cerr << "Failed to open file for writing: " << status.ToString() << std::endl;
return -1;
}
std::shared_ptr<parquet::arrow::FileWriter> writer;
status = parquet::arrow::FileWriter::Open(*schema, pool, out_file, &writer);
if (!status.ok()) {
std::cerr << "Failed to create Parquet writer: " << status.ToString() << std::endl;
return -1;
}
status = writer->WriteTable(*table, 2);
if (!status.ok()) {
std::cerr << "Failed to write table: " << status.ToString() << std::endl;
return -1;
}
writer->Close();
out_file->Close();
// 读取 Parquet 文件
std::shared_ptr<arrow::io::ReadableFile> in_file;
status = arrow::io::ReadableFile::Open("example.parquet", pool, &in_file);
if (!status.ok()) {
std::cerr << "Failed to open file for reading: " << status.ToString() << std::endl;
return -1;
}
std::shared_ptr<parquet::arrow::FileReader> reader;
status = parquet::arrow::OpenFile(in_file, pool, &reader);
if (!status.ok()) {
std::cerr << "Failed to create Parquet reader: " << status.ToString() << std::endl;
return -1;
}
std::shared_ptr<arrow::Table> read_table;
status = reader->ReadTable(&read_table);
if (!status.ok()) {
std::cerr << "Failed to read table: " << status.ToString() << std::endl;
return -1;
}
std::cout << "Read table: " << read_table->ToString()
登录后查看全文
热门项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0132
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
AgentCPM-ReportAgentCPM-Report是由THUNLP、中国人民大学RUCBM和ModelBest联合开发的开源大语言模型智能体。它基于MiniCPM4.1 80亿参数基座模型构建,接收用户指令作为输入,可自主生成长篇报告。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
497
3.64 K
Ascend Extension for PyTorch
Python
301
342
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
310
132
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
868
481
暂无简介
Dart
745
180
React Native鸿蒙化仓库
JavaScript
297
347
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
11
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
66
20
仓颉编译器源码及 cjdb 调试工具。
C++
150
882