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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
659
4.26 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
894
Ascend Extension for PyTorch
Python
503
609
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
391
285
暂无简介
Dart
905
218
🔥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
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
939
862
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108