首页
/ Apache Parquet Hadoop 1.14.1 在 Windows 11 上的文件锁问题分析与修复

Apache Parquet Hadoop 1.14.1 在 Windows 11 上的文件锁问题分析与修复

2025-07-03 23:57:33作者:牧宁李

问题背景

在 Apache Parquet Hadoop 1.14.1 版本中,当运行在 Windows 11 操作系统上时,ParquetRewriter 类在处理完 Parquet 文件后会出现文件锁未被正确释放的问题。这导致用户无法立即删除已处理的原始 Parquet 文件,系统会抛出"文件被其他进程占用"的异常。

问题现象

用户在使用 ParquetRewriter 进行文件合并操作后,尝试删除原始输入文件时遇到以下异常:

java.nio.file.FileSystemException: test\sample\dayhour-150-0-6a57c328-8610-46f8-bf7e-311f8605def0.parquet: This process cannot access the file because the file is being used by another process

技术分析

经过深入分析,发现问题出在 ParquetRewriter 类的文件处理逻辑中。具体来说,在读取和处理 Parquet 文件块时,代码没有及时关闭文件读取器(reader),导致文件句柄未被释放。

在原始代码中,文件读取器的关闭操作位置不当,导致在某些情况下文件资源未被正确释放。特别是在 Windows 系统上,这种资源管理问题表现得更为明显,因为 Windows 对文件锁的管理比 Unix-like 系统更为严格。

解决方案

修复方案主要包括以下改进:

  1. 将文件读取器的关闭操作提前到处理完当前文件块后立即执行
  2. 添加空指针检查,确保代码的健壮性
  3. 重新组织代码逻辑,确保资源在任何情况下都能被正确释放

关键修改点是将 reader.close() 调用从原来的位置移动到更合理的位置,确保在处理完每个文件块后立即释放资源。同时添加了必要的空指针检查,防止在异常情况下出现空指针异常。

影响范围

此问题主要影响以下环境:

  • 使用 Apache Parquet Hadoop 1.14.1 版本
  • 运行在 Windows 操作系统上
  • 需要在使用 ParquetRewriter 后立即删除原始文件的场景

最佳实践建议

对于需要在处理 Parquet 文件后进行文件清理的场景,建议:

  1. 确保使用修复后的版本
  2. 在处理完成后添加适当的延迟,确保系统有足够时间释放资源
  3. 实现重试机制,在文件删除失败时进行有限次数的重试
  4. 考虑使用临时文件处理模式,减少对原始文件的操作需求

总结

文件资源管理是 Java 应用中常见的问题,特别是在跨平台环境下。这次修复不仅解决了 Windows 平台上的特定问题,也提高了代码在所有平台上的健壮性。开发者在使用文件处理类库时,应当特别注意资源的及时释放,特别是在需要后续文件操作的场景中。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
165
2.05 K
nop-entropynop-entropy
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
8
0
RuoYi-Vue3RuoYi-Vue3
🎉 (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
954
563
leetcodeleetcode
🔥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
60
16
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0
giteagitea
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
408
387
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
77
71
rainbondrainbond
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
14
1