Apache Parquet: mudanças entre as edições
(Criou página com ''''Apache Parquet''' é um formato de tabela SQL orientado a colunas, livre e de código aberto, do ecossistema Hadoop. Foi também o formato adotado pela Overture Maps Foundation para preservação, processamento e intercâmbio de dados. É semelhante ao RCFile e ORC (também formatos de colunares do Hadoop), e é compatível com a maioria...') |
Sem resumo de edição |
||
Linha 1: | Linha 1: | ||
'''Apache Parquet''' é um formato de [[wikipedia:SQL|tabela SQL]] [[wikipedia:Column-oriented DBMS|orientado a colunas]], livre e de código aberto, do ecossistema [[wikipedia:Apache Hadoop|Hadoop]]. Foi também o formato adotado pela [[Overture Maps Foundation]] para preservação, processamento e intercâmbio de dados. | '''Apache Parquet''' é um formato de [[wikipedia:SQL|tabela SQL]] [[wikipedia:Column-oriented DBMS|orientado a colunas]], livre e de código aberto, do ecossistema [[wikipedia:Apache Hadoop|Hadoop]]. Foi também o formato adotado pela [[Overture Maps Foundation]] para preservação, processamento e intercâmbio de dados. | ||
É semelhante ao [[wikipedia:RCFile|RCFile]] e [[wikipedia:Apache ORC|ORC]] (também formatos de colunares do Hadoop), e é compatível com a maioria dos ''frameworks'' de processamento de dados em torno do Hadoop, como Hive | É semelhante ao [[wikipedia:RCFile|RCFile]] e [[wikipedia:Apache ORC|ORC]] (também formatos de colunares do Hadoop), e é compatível com a maioria dos ''frameworks'' de processamento de dados em torno do Hadoop, como [[wikipedia:Apache Hive|Hive]] e [[wikipedia:Apache Spark|Spark]]. Ele oferece eficiente compressão de dados e esquemas de codificação com bom desempenho para lidar com tabelas Big Data complexas. | ||
== Uso com PostgreSQL == | |||
Os recursos mais citados são: | |||
* '''FDW''', https://github.com/adjust/parquet_fdw | |||
* Driver '''JDBC''' adaptado como FOREGIN TABLE, https://github.com/pgspider/jdbc_fdw | |||
Caso tenha problemas, para tradução em ''bash'' existe o [https://github.com/adriangb/pgpq pgpq]]. | |||
== Uso com Hive e Spark == | |||
External e Managed tables podem operar [https://cwiki.apache.org/confluence/display/Hive/Parquet#Parquet-NativeParquetSupport nativamente com Parquet no Hive]. | |||
Spark pode ler e escrever ''dataframes'' diretamente no Parquet, https://spark.apache.org/docs/latest/sql-data-sources-parquet.html |
Edição das 13h24min de 10 de fevereiro de 2024
Apache Parquet é um formato de tabela SQL orientado a colunas, livre e de código aberto, do ecossistema Hadoop. Foi também o formato adotado pela Overture Maps Foundation para preservação, processamento e intercâmbio de dados.
É semelhante ao RCFile e ORC (também formatos de colunares do Hadoop), e é compatível com a maioria dos frameworks de processamento de dados em torno do Hadoop, como Hive e Spark. Ele oferece eficiente compressão de dados e esquemas de codificação com bom desempenho para lidar com tabelas Big Data complexas.
Uso com PostgreSQL
Os recursos mais citados são:
- FDW, https://github.com/adjust/parquet_fdw
- Driver JDBC adaptado como FOREGIN TABLE, https://github.com/pgspider/jdbc_fdw
Caso tenha problemas, para tradução em bash existe o pgpq].
Uso com Hive e Spark
External e Managed tables podem operar nativamente com Parquet no Hive.
Spark pode ler e escrever dataframes diretamente no Parquet, https://spark.apache.org/docs/latest/sql-data-sources-parquet.html