Parquet

Input	Output	Alias
✔	✔

説明

Apache Parquet は、Hadoop エコシステムで広く利用されている列指向ストレージ形式です。ClickHouse は、この形式の読み書きをサポートしています。

データ型の対応

以下の表は、Parquet のデータ型が ClickHouse のデータ型にどのように対応するかを示します。

Parquet type (logical, converted, or physical)	ClickHouse data type
`BOOLEAN`	Bool
`UINT_8`	UInt8
`INT_8`	Int8
`UINT_16`	UInt16
`INT_16`	Int16/Enum16
`UINT_32`	UInt32
`INT_32`	Int32
`UINT_64`	UInt64
`INT_64`	Int64
`DATE`	Date32
`TIMESTAMP`, `TIME`	DateTime64
`FLOAT`	Float32
`DOUBLE`	Float64
`INT96`	DateTime64(9, 'UTC')
`BYTE_ARRAY`, `UTF8`, `ENUM`, `BSON`	String
`JSON`	JSON
`FIXED_LEN_BYTE_ARRAY`	FixedString
`DECIMAL`	Decimal
`LIST`	Array
`MAP`	Map
struct	Tuple
`FLOAT16`	Float32
`UUID`	FixedString(16)
`INTERVAL`	FixedString(12)

Parquet ファイルを書き出す際、対応する Parquet 型が存在しないデータ型は、利用可能な最も近い型に変換されます。

ClickHouse data type	Parquet type
IPv4	`UINT_32`
IPv6	`FIXED_LEN_BYTE_ARRAY` (16 bytes)
Date (16 bits)	`DATE` (32 bits)
DateTime (32 bits, seconds)	`TIMESTAMP` (64 bits, milliseconds)
Int128/UInt128/Int256/UInt256	`FIXED_LEN_BYTE_ARRAY` (16/32 bytes, little-endian)

Array は入れ子にでき、引数として Nullable 型の値を持つことができます。Tuple 型および Map 型も入れ子にできます。

ClickHouse テーブルのカラムのデータ型は、挿入される Parquet データ内の対応するフィールドの型と異なる場合があります。データ挿入時、ClickHouse は上記の表に従ってデータ型を解釈し、その後 ClickHouse テーブルのカラムに設定されているデータ型へキャストします。たとえば、UINT_32 の Parquet カラムは IPv4 型の ClickHouse カラムとして読み取ることができます。

一部の Parquet 型には、近い ClickHouse 型が存在しません。これらは次のように読み取ります。

TIME（時刻）は timestamp として読み取られます。例: 10:23:13.000 は 1970-01-01 10:23:13.000 になります。
isAdjustedToUTC=false の TIMESTAMP/TIME はローカルのウォールクロック時刻（どのタイムゾーンをローカルとみなすかにかかわらず、ローカルタイムゾーンにおける年・月・日・時・分・秒およびサブ秒フィールド）であり、SQL の TIMESTAMP WITHOUT TIME ZONE と同じです。ClickHouse はこれを、あたかも UTC の timestamp であるかのように読み取ります。例: 2025-09-29 18:42:13.000（ローカルの時計の読み値を表す）は 2025-09-29 18:42:13.000（ある時点を表す DateTime64(3, 'UTC')）になります。String に変換すると、年・月・日・時・分・秒およびサブ秒は正しい値として表示され、それを UTC ではなく何らかのローカルタイムゾーンの時刻として解釈できます。直感に反して、型を DateTime64(3, 'UTC') から DateTime64(3) に変更しても状況は改善しません。どちらの型も時計の読み値ではなくある時点を表すためですが、DateTime64(3) はローカルタイムゾーンを用いて誤ってフォーマットされてしまいます。
INTERVAL は現在、Parquet ファイル内でエンコードされているとおりの時間間隔の生のバイナリ表現を持つ FixedString(12) として読み取られます。

使用例

データの挿入

次のデータを含む football.parquet という名前の Parquet ファイルを使用します：

    ┌───────date─┬─season─┬─home_team─────────────┬─away_team───────────┬─home_team_goals─┬─away_team_goals─┐
 1. │ 2022-04-30 │   2021 │ Sutton United         │ Bradford City       │               1 │               4 │
 2. │ 2022-04-30 │   2021 │ Swindon Town          │ Barrow              │               2 │               1 │
 3. │ 2022-04-30 │   2021 │ Tranmere Rovers       │ Oldham Athletic     │               2 │               0 │
 4. │ 2022-05-02 │   2021 │ Port Vale             │ Newport County      │               1 │               2 │
 5. │ 2022-05-02 │   2021 │ Salford City          │ Mansfield Town      │               2 │               2 │
 6. │ 2022-05-07 │   2021 │ Barrow                │ Northampton Town    │               1 │               3 │
 7. │ 2022-05-07 │   2021 │ Bradford City         │ Carlisle United     │               2 │               0 │
 8. │ 2022-05-07 │   2021 │ Bristol Rovers        │ Scunthorpe United   │               7 │               0 │
 9. │ 2022-05-07 │   2021 │ Exeter City           │ Port Vale           │               0 │               1 │
10. │ 2022-05-07 │   2021 │ Harrogate Town A.F.C. │ Sutton United       │               0 │               2 │
11. │ 2022-05-07 │   2021 │ Hartlepool United     │ Colchester United   │               0 │               2 │
12. │ 2022-05-07 │   2021 │ Leyton Orient         │ Tranmere Rovers     │               0 │               1 │
13. │ 2022-05-07 │   2021 │ Mansfield Town        │ Forest Green Rovers │               2 │               2 │
14. │ 2022-05-07 │   2021 │ Newport County        │ Rochdale            │               0 │               2 │
15. │ 2022-05-07 │   2021 │ Oldham Athletic       │ Crawley Town        │               3 │               3 │
16. │ 2022-05-07 │   2021 │ Stevenage Borough     │ Salford City        │               4 │               2 │
17. │ 2022-05-07 │   2021 │ Walsall               │ Swindon Town        │               0 │               3 │
    └────────────┴────────┴───────────────────────┴─────────────────────┴─────────────────┴─────────────────┘

データを挿入します：

INSERT INTO football FROM INFILE 'football.parquet' FORMAT Parquet;

データの読み込み

Parquet 形式でデータを読み込みます。

SELECT *
FROM football
INTO OUTFILE 'football.parquet'
FORMAT Parquet

ヒント

Parquet はバイナリ形式であり、ターミナル上では人間が読める形で表示されません。Parquet ファイルを出力するには INTO OUTFILE を使用します。

Hadoop とデータを交換するには、HDFS table engine を使用できます。

フォーマット設定

設定	概要	デフォルト
`input_format_parquet_case_insensitive_column_matching`	Parquet の列と CH の列を照合する際に大文字と小文字を区別しません。	`0`
`input_format_parquet_preserve_order`	Parquet ファイルを読み込む際に行の順序を変更しないようにします。通常、処理が大幅に遅くなります。	`0`
`input_format_parquet_filter_push_down`	Parquet ファイルを読み込む際、WHERE/PREWHERE 句と Parquet メタデータ内の最小値/最大値の統計量に基づいて、行グループ全体をスキップします。	`1`
`input_format_parquet_bloom_filter_push_down`	Parquet ファイルを読み込む際、WHERE 句と Parquet メタデータ内のブルームフィルターに基づいて行グループ全体をスキップします。	`0`
`input_format_parquet_allow_missing_columns`	Parquet 入力フォーマットを読み込む際に、存在しないカラムを許可する	`1`
`input_format_parquet_local_file_min_bytes_for_seek`	Parquet 入力フォーマットで、データを無視しつつ順次読み込むのではなくシークを行うために必要なローカルファイル読み取りの最小バイト数	`8192`
`input_format_parquet_enable_row_group_prefetch`	Parquet の解析時に行グループのプリフェッチを有効にします。現在は単一スレッドでの解析時にのみプリフェッチが行えます。	`1`
`input_format_parquet_skip_columns_with_unsupported_types_in_schema_inference`	Parquet 形式のスキーマ推論時に、サポートされていない型を持つ列をスキップします。	`0`
`input_format_parquet_max_block_size`	Parquet リーダーの最大ブロックサイズ	`65409`
`input_format_parquet_prefer_block_bytes`	Parquet リーダーから出力されるブロックの平均サイズ（バイト単位）	`16744704`
`input_format_parquet_enable_json_parsing`	Parquet ファイルを読み込む際は、JSON 列を ClickHouse の JSON カラムとしてパースします。	`1`
`output_format_parquet_row_group_size`	行グループの目標サイズ（行数単位）。	`1000000`
`output_format_parquet_row_group_size_bytes`	圧縮前のターゲット行グループのサイズ（バイト単位）。	`536870912`
`output_format_parquet_string_as_string`	String 列には Binary 型ではなく、Parquet の String 型を使用してください。	`1`
`output_format_parquet_fixed_string_as_fixed_byte_array`	FixedString 列には Binary ではなく Parquet の FIXED_LEN_BYTE_ARRAY 型を使用してください。	`1`
`output_format_parquet_version`	出力フォーマットで使用する Parquet フォーマットのバージョンです。サポートされているバージョンは 1.0、2.4、2.6、および 2.latest（デフォルト）です。	`2.latest`
`output_format_parquet_compression_method`	Parquet 出力フォーマットの圧縮方式。サポートされるコーデック：snappy、lz4、brotli、zstd、gzip、none（非圧縮）	`zstd`
`output_format_parquet_compliant_nested_types`	Parquet ファイルのスキーマでは、リスト要素には 'item' ではなく 'element' という名前を使用します。これは Arrow ライブラリの実装に起因する歴史的な経緯によるものです。一般的には互換性が向上しますが、一部の古いバージョンの Arrow とは互換性がない可能性があります。	`1`
`output_format_parquet_use_custom_encoder`	より高速な Parquet エンコーダー実装を使用します。	`1`
`output_format_parquet_parallel_encoding`	複数スレッドで Parquet エンコードを行う。output_format_parquet_use_custom_encoder を有効にする必要がある。	`1`
`output_format_parquet_data_page_size`	圧縮前のページの目標サイズ（バイト単位）。	`1048576`
`output_format_parquet_batch_size`	指定した行数ごとにページサイズをチェックします。カラム内の値の平均サイズが数 KB を超える場合は、この値を小さくすることを検討してください。	`1024`
`output_format_parquet_write_page_index`	Parquet ファイルにページインデックスを書き込めるようにします。	`1`
`input_format_parquet_import_nested`	この設定は廃止されており、指定しても何の効果もありません。	`0`
`input_format_parquet_local_time_as_utc`	true	isAdjustedToUTC=false の Parquet タイムスタンプに対して、スキーマ推論時に使用されるデータ型を決定します。true の場合は DateTime64(..., 'UTC')、false の場合は DateTime64(...) になります。ClickHouse にはローカルの壁時計時刻を表すデータ型がないため、どちらの動作も完全には正しくありません。直感に反して、'true' の方がまだ誤りが少ない選択肢と考えられます。これは、'UTC' タイムスタンプを String 型としてフォーマットすると、正しいローカル時刻を表す文字列表現が得られるためです。

説明​

データ型の対応​

使用例​

データの挿入​

データの読み込み​

フォーマット設定​

説明

データ型の対応

使用例

データの挿入

データの読み込み

フォーマット設定