首页
/ Apache Parquet-MR项目中INT96时间戳列表读取问题解析

Apache Parquet-MR项目中INT96时间戳列表读取问题解析

2025-06-28 10:44:51作者:龚格成

背景介绍

Apache Parquet是一种高效的列式存储格式,广泛应用于大数据处理领域。在Parquet的实现中,Parquet-MR是Java语言的主要实现版本。INT96是Parquet中一种特殊的数据类型,主要用于存储时间戳信息,但由于其设计上的局限性,已被标记为弃用状态。

问题现象

在Parquet-MR项目中,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"。这个问题特别出现在处理嵌套结构中的INT96类型字段时。

技术分析

问题的根本原因在于AvroRecordConverter类中的静态初始化方式。当前实现中,AvroSchemaConverter被硬编码初始化,而没有考虑用户配置的ParquetConfiguration参数。具体表现为:

  1. AvroRecordConverter类中静态初始化了一个默认的AvroSchemaConverter实例
  2. 这个实例创建时固定设置了某些参数,无法接收运行时配置
  3. 当用户通过Configuration设置READ_INT96_AS_FIXED标志时,这个配置无法传递到实际的转换器中

影响范围

该问题主要影响以下场景:

  • 读取包含INT96类型字段的嵌套结构数据
  • 特别是当INT96类型出现在列表(List)或数组结构中时
  • 使用Avro作为序列化框架的应用场景

解决方案思路

解决这个问题需要从以下几个方面考虑:

  1. 配置传递机制:需要确保用户的配置能够从顶层传递到底层的转换器
  2. 实例化方式:可能需要改变AvroSchemaConverter的实例化方式,从静态实例改为动态创建
  3. 兼容性考虑:修改时需要保持对现有代码的兼容性

技术实现建议

理想的解决方案应该:

  1. 移除静态的CONVERTER实例
  2. 在需要时动态创建AvroSchemaConverter实例
  3. 将外部的Configuration参数正确传递到转换过程中
  4. 保持对现有API的兼容性

总结

Parquet-MR中INT96时间戳列表读取问题展示了配置管理在复杂数据处理系统中的重要性。这个问题提醒我们,在设计数据处理框架时,需要考虑配置参数的完整传递路径,特别是在涉及多层转换和嵌套数据结构的情况下。对于仍在使用INT96类型的用户,建议考虑迁移到更标准的时间戳表示方式,以避免此类兼容性问题。

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
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