Apache Parquet Hadoop 1.14.1 在 Windows 11 上的文件锁问题分析与修复
2025-07-03 13:34:38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:
- 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
- 添加空指针检查,确保代码的健壮性
- 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:
- 确保使用修复后的版本
- 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
- 实现重试机制,在文件删除失败时进行有限次数的重试
- 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
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- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
248
2.46 K
deepin linux kernel
C
24
6
仓颉编译器源码及 cjdb 调试工具。
C++
116
89
React Native鸿蒙化仓库
JavaScript
217
297
暂无简介
Dart
546
119
🎉 (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
1.01 K
595
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
409
Ascend Extension for PyTorch
Python
86
118
仓颉编程语言运行时与标准库。
Cangjie
124
102
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++
592
122