java - 如何使用 parquet-mr 查询 parquet 文件？

Question

我有一个存储在 AWS S3 中的镶木地板文件，我想查询它。我想检索某行数据，因为它等于一个值。几乎就像我在 SQL 中所做的那样：

SELECT * FROM file.parquet WHERE id = '1234';

我正在使用parquet-mr直接从 S3 将其加载到内存中并读取它并设置它AvroParquetReader以读取行。

我已经将每一行复制到一个 Map 中以便于查询，但是有没有更好的方法来做到这一点？的文档parquet-mr不是很好，大多数教程都使用不推荐使用的方法。

这是我所拥有的一些示例代码：

final ParquetReader<GenericRecord> reader = AvroParquetReader
                .<GenericRecord>builder(internalPath)
                .withConf(parquetConfiguration).build();

您可以使用reader.read()来获取文件中的下一行（这是我用来将其放入 a 的内容HashMap，但我找不到任何parquet-mr允许您在不将整个文件加载到内存的情况下查询文件的方法.

Answer 1

您正在寻找的功能称为谓词下推。您可以阅读它并在此处找到示例。