Apache Parquet Hadoop 1.14.1 在 Windows 11 上的文件锁问题分析与解决方案
2025-06-28 12:14:17作者:范靓好Udolf
问题背景
在 Windows 11 22H2 操作系统上使用 Apache Parquet Hadoop 1.14.1 版本时,开发人员遇到了一个文件锁定的问题。具体表现为:当使用 ParquetRewriter 类完成对 Parquet 文件的处理后,原始输入文件仍被系统锁定,导致无法删除这些文件。
问题现象
开发人员在使用 ParquetRewriter 进行 Parquet 文件重写操作后,尝试删除原始输入文件时,系统抛出以下异常:
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,发现问题根源在于 ParquetRewriter 类的实现中。在 ParquetRewriter 处理文件块的过程中,虽然使用了 try-with-resources 语句来确保资源的自动关闭,但在实际处理流程中存在资源未及时释放的情况。
具体来说,在 ParquetRewriter 类的第 256 行代码处:
reader = inputFiles.poll();
这段代码从输入文件队列中获取下一个读取器,但没有先关闭前一个读取器。这种实现方式在 Windows 系统上尤为敏感,因为 Windows 对文件锁的管理比 Unix/Linux 系统更为严格。
解决方案
正确的做法应该是在获取新读取器之前,先关闭当前已打开的读取器。修改后的代码应该如下:
if (reader != null) {
reader.close();
}
reader = inputFiles.poll();
这种修改确保了:
- 在获取新文件读取器前,先释放当前文件的资源
- 添加了 null 检查以避免空指针异常
- 符合 Java 资源管理的最佳实践
影响范围
此问题主要影响以下环境:
- Windows 操作系统(特别是 Windows 11 22H2)
- 使用 Apache Parquet Hadoop 1.14.1 版本
- 需要处理完成后删除原始 Parquet 文件的场景
最佳实践建议
对于需要在文件处理完成后进行清理操作的场景,建议:
- 确保所有文件资源在使用完毕后立即关闭
- 在删除文件前添加适当的延迟,确保系统完全释放文件锁
- 考虑使用 try-with-resources 语句管理所有文件资源
- 在 Windows 环境下进行充分的文件操作测试
结论
文件资源管理是跨平台应用开发中需要特别注意的问题。这个案例展示了 Windows 和 Unix/Linux 系统在文件锁定行为上的差异,以及如何在 Java 中正确处理文件资源以确保跨平台的兼容性。该修复已通过 pull request 提交并合并,将在 Apache Parquet 的下一个版本中发布。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
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++045Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0289Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GOT-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).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
165
2.05 K

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)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

🔥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

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

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

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

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

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