Apache Parquet格式2.11.0版本深度解析
2025-06-25 14:26:36作者:宣海椒Queenly
Apache Parquet是一种面向列的数据存储格式,专为高效的大规模数据处理而设计。它采用了复杂的压缩和编码技术,能够显著减少存储空间占用并提高查询性能。Parquet格式特别适合用于数据分析工作负载,被广泛应用于Hadoop生态系统和各种大数据处理框架中。
核心改进与特性
2.11.0版本在数据编码、类型系统和文档完善等方面进行了多项重要改进:
1. BYTE_STREAM_SPLIT编码扩展
此版本扩展了BYTE_STREAM_SPLIT编码的支持范围,现在可以处理INT32、INT64和FIXED_LEN_BYTE_ARRAY数据类型。这种编码方式特别适合浮点数据,通过将字节流拆分存储,可以提高压缩效率和解压速度。
2. 新增Variant逻辑类型
引入了一个重要的新逻辑类型——Variant,用于表示半结构化数据。Variant类型可以存储多种数据形式,包括:
- 基本数据类型(布尔值、整数、浮点数等)
- 字符串
- 二进制数据
- 复杂结构(列表、映射等)
- 时间类型(时间戳、日期等)
- UUID
这种类型的加入大大增强了Parquet处理JSON等半结构化数据的能力。
3. 几何数据类型支持
新增了GEOMETRY和GEOGRAPHY两种逻辑类型,为地理空间数据处理提供了原生支持。这使得Parquet能够更高效地存储和查询地理信息数据。
编码与压缩优化
2.11.0版本对几种编码方式进行了澄清和优化:
- 明确了DELTA_BINARY_PACKED编码的行为细节,确保实现一致性
- 统一了BYTE_ARRAY类型的使用规范,减少歧义
- 完善了BYTE_STREAM_SPLIT编码的文档说明
文档与规范完善
此版本对Parquet格式规范进行了大量澄清和完善:
- 修正了INTERVAL类型的排序顺序说明,明确指出它是未定义的
- 完善了压缩部分的文档描述
- 澄清了页面索引(page index)的确切含义
- 明确了记录(record)不能跨v2页面或PageIndex分割的规则
- 统一了文档中"行"(row)术语的使用
- 完善了统计信息和列索引中null值数量的处理说明
安全增强
针对加密规范进行了重要更新:
- 解决了AES GCM调用限制的问题
- 更新了加密规范中的相关描述
- 确保了加密实现的安全性
向后兼容性说明
2.11.0版本特别注意保持向后兼容性:
- 明确了LIST类型的向后兼容规则
- 标记了ColumnChunk::file_offset字段为已弃用
- 确保所有变更都不会破坏现有实现
构建与工具链更新
项目构建系统也进行了多项更新:
- 升级到Apache父POM 32
- 更新Thrift依赖至0.21.0
- 支持Java 21 LTS
- 移除了过时的开发者信息
- 清理了LICENSE文件
总结
Apache Parquet 2.11.0版本通过引入Variant类型和几何数据类型,显著扩展了其应用场景。同时,对现有编码方式的优化和文档的完善,使得这一列式存储格式更加成熟和可靠。这些改进使得Parquet能够更好地满足现代数据分析的需求,特别是在处理半结构化和地理空间数据方面。
登录后查看全文
热门项目推荐
- QQwen3-Omni-30B-A3B-InstructQwen3-Omni是多语言全模态模型,原生支持文本、图像、音视频输入,并实时生成语音。00
community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息09GitCode-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~0274get_jobs
💼【AI找工作助手】全平台自动投简历脚本:(boss、前程无忧、猎聘、拉勾、智联招聘)Java01Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-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。Python00GOT-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
热门内容推荐
1 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析2 freeCodeCamp全栈开发课程中React实验项目的分类修正3 freeCodeCamp课程视频测验中的Tab键导航问题解析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp博客页面工作坊中的断言方法优化建议
最新内容推荐
Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 小米Mini R1C MT7620爱快固件下载指南:解锁企业级网络管理功能 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.97 K

deepin linux kernel
C
22
6

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++
426
34

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
239
9

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190

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
988
394

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

React Native鸿蒙化仓库
C++
193
274

🎉 (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
936
554

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
75
69