首页
/ Parquet-Java项目中INT96时间戳列表读取问题的分析与解决

Parquet-Java项目中INT96时间戳列表读取问题的分析与解决

2025-06-28 16:02:42作者:沈韬淼Beryl

背景介绍

在Parquet-Java项目中,INT96类型是一种用于存储时间戳的特殊数据类型。随着技术发展,INT96类型已被标记为废弃(deprecated),但在某些遗留系统中仍然需要使用。项目提供了通过配置READ_INT96_AS_FIXED标志来临时支持读取INT96类型数据的功能。

问题现象

当尝试读取包含INT96时间戳的列表数据时,系统会抛出异常:"INT96 is deprecated. As interim enable READ_INT96_AS_FIXED flag to read as byte array"。这表明虽然用户已经设置了正确的配置标志,但系统仍然无法正确识别并处理INT96类型数据。

问题根源分析

通过深入分析代码,发现问题出在AvroRecordConverter类中。该类在初始化时直接创建了一个静态的AvroSchemaConverter实例,而没有考虑用户传入的配置参数。具体表现为:

  1. AvroRecordConverter类中硬编码了一个静态的AvroSchemaConverter实例:
private static final AvroSchemaConverter CONVERTER = new AvroSchemaConverter(true);
  1. 这个静态实例在创建时没有接收任何ParquetConfiguration参数,导致用户设置的READ_INT96_AS_FIXED配置无法生效。

  2. 当处理嵌套在列表中的INT96类型字段时,系统会使用这个静态实例进行类型检查,从而忽略了用户配置,最终抛出异常。

技术影响

这个问题会影响所有需要处理包含INT96时间戳列表数据的场景,特别是:

  • 从旧版Parquet文件迁移数据的场景
  • 需要与遗留系统交互的场景
  • 处理历史数据的场景

解决方案

修复方案的核心是确保AvroRecordConverter能够正确接收和使用用户配置。具体实现包括:

  1. 修改AvroRecordConverter的初始化逻辑,不再使用静态的AvroSchemaConverter实例

  2. 确保在类型检查时使用正确的配置参数

  3. 保持向后兼容性,不影响现有代码的行为

验证方法

可以通过以下测试用例验证修复效果:

public void testIsElementTypeInt96Element(){
    Configuration configuration = new Configuration();
    configuration.setBoolean(READ_INT96_AS_FIXED, true);
    MessageType parquetSchema = MessageTypeParser.parseMessageType(
        "message SchemaWithInt96 {\n" +
        "  optional group list (LIST) {\n" +
        "    repeated group list {\n" +
        "      optional int96 a_timestamp;\n" +
        "    }\n" +
        "  }\n" +
        "}");
    Schema avroSchema = new AvroSchemaConverter(configuration).convert(parquetSchema);
    Assert.assertFalse(AvroRecordConverter.isElementType(
        parquetSchema.getType("list").asGroupType().getType("list"),
        AvroSchemaConverter.getNonNull(avroSchema.getFields().get(0).schema()).getElementType()
    ));
}

总结

这个问题的解决不仅修复了INT96时间戳列表读取的功能,更重要的是建立了一个良好的模式:配置参数应该在整个处理流程中保持一致性和传递性。对于类似的数据处理框架,这是一个值得借鉴的经验。

对于开发者来说,在处理废弃但仍在使用的数据类型时,应该:

  1. 提供清晰的迁移路径
  2. 确保配置参数能够正确传递到所有相关组件
  3. 保持足够的向后兼容性
  4. 提供明确的错误提示和文档说明
登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.92 K
kernelkernel
deepin linux kernel
C
22
6
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
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
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
930
553
openHiTLSopenHiTLS
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
422
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
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)。
Jupyter Notebook
75
65
Cangjie-ExamplesCangjie-Examples
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。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8