parquet - 从命令行检查 Parquet

Question

如何从命令行检查 Parquet 文件的内容？

我现在看到的唯一选择是

$ hadoop fs -get my-path local-file
$ parquet-tools head local-file | less

我愿意

1. 避免创建本地文件和
2. 将文件内容视为 json，而不是 parquet-tools 打印的无类型文本。

有简单的方法吗？

Answer 1

您可以将 parquet-tools 与命令 cat 和 --json 选项一起使用，以便在没有本地副本的情况下查看文件并采用 JSON 格式。

这是一个例子:

parquet-tools cat --json hdfs://localhost/tmp/save/part-r-00000-6a3ccfae-5eb9-4a88-8ce8-b11b2644d5de.gz.parquet

这会以 JSON 格式打印出数据:

{"name":"gil","age":48,"city":"london"}
{"name":"jane","age":30,"city":"new york"}
{"name":"jordan","age":18,"city":"toronto"}

免责声明:这是在 Cloudera CDH 5.12.0 中测试的