Apache Parquet: mudanças entre as edições
Sem resumo de edição |
|||
Linha 12: | Linha 12: | ||
External e Managed tables podem operar [https://cwiki.apache.org/confluence/display/Hive/Parquet#Parquet-NativeParquetSupport nativamente com Parquet no Hive]. | 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 | Spark pode ler e escrever [https://spark.apache.org/docs/latest/sql-data-sources-parquet.html ''dataframes'' diretamente no Parquet]. |
Edição das 13h25min 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.