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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0202
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
项目优选
收起
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
746
927
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
267
暂无描述
Dockerfile
771
5.03 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
867
1.97 K
🔥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
70
22
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.94 K
202
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
694
1.36 K
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
465
456
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
C
458
5.25 K