メインコンテンツまでスキップ
メインコンテンツまでスキップ

ParquetMetadata

説明

Parquetファイルメタデータを読み取るための特別なフォーマットです (https://parquet.apache.org/docs/file-format/metadata/)。常に次の構造/内容で1行が出力されます:

  • num_columns - カラムの数
  • num_rows - 行の総数
  • num_row_groups - 行グループの総数
  • format_version - parquetフォーマットバージョン、常に1.0または2.6
  • total_uncompressed_size - データの総未圧縮バイトサイズ、すべての行グループのtotal_byte_sizeの合計として計算されます
  • total_compressed_size - データの総圧縮バイトサイズ、すべての行グループのtotal_compressed_sizeの合計として計算されます
  • columns - 次の構造を持つカラムメタデータのリスト:
    • name - カラム名
    • path - カラムパス(ネストされたカラムの名前とは異なります)
    • max_definition_level - 最大定義レベル
    • max_repetition_level - 最大繰り返しレベル
    • physical_type - カラムの物理タイプ
    • logical_type - カラムの論理タイプ
    • compression - このカラムに使用される圧縮
    • total_uncompressed_size - カラムの総未圧縮バイトサイズ、すべての行グループのカラムのtotal_uncompressed_sizeの合計として計算されます
    • total_compressed_size - カラムの総圧縮バイトサイズ、すべての行グループのカラムのtotal_compressed_sizeの合計として計算されます
    • space_saved - 圧縮によって保存されたスペースのパーセント、(1 - total_compressed_size/total_uncompressed_size)として計算されます
    • encodings - このカラムに使用されるエンコーディングのリスト
  • row_groups - 次の構造を持つ行グループメタデータのリスト:
    • num_columns - 行グループ内のカラム数
    • num_rows - 行グループ内の行数
    • total_uncompressed_size - 行グループの総未圧縮バイトサイズ
    • total_compressed_size - 行グループの総圧縮バイトサイズ
    • columns - 次の構造を持つカラムチャンクメタデータのリスト:
      • name - カラム名
      • path - カラムパス
      • total_compressed_size - カラムの総圧縮バイトサイズ
      • total_uncompressed_size - 行グループの総未圧縮バイトサイズ
      • have_statistics - カラムチャンクメタデータがカラム統計を含むかどうかを示すブールフラグ
      • statistics - カラムチャンクの統計(have_statistics = falseの場合、すべてのフィールドはNULL)次の構造:
        • num_values - カラムチャンク内の非NULL値の数
        • null_count - カラムチャンク内のNULL値の数
        • distinct_count - カラムチャンク内の異なる値の数
        • min - カラムチャンクの最小値
        • max - カラムチャンクの最大値

使用例

例:

SELECT * 
FROM file(data.parquet, ParquetMetadata) 
FORMAT PrettyJSONEachRow
{
    "num_columns": "2",
    "num_rows": "100000",
    "num_row_groups": "2",
    "format_version": "2.6",
    "metadata_size": "577",
    "total_uncompressed_size": "282436",
    "total_compressed_size": "26633",
    "columns": [
        {
            "name": "number",
            "path": "number",
            "max_definition_level": "0",
            "max_repetition_level": "0",
            "physical_type": "INT32",
            "logical_type": "Int(bitWidth=16, isSigned=false)",
            "compression": "LZ4",
            "total_uncompressed_size": "133321",
            "total_compressed_size": "13293",
            "space_saved": "90.03%",
            "encodings": [
                "RLE_DICTIONARY",
                "PLAIN",
                "RLE"
            ]
        },
        {
            "name": "concat('Hello', toString(modulo(number, 1000)))",
            "path": "concat('Hello', toString(modulo(number, 1000)))",
            "max_definition_level": "0",
            "max_repetition_level": "0",
            "physical_type": "BYTE_ARRAY",
            "logical_type": "None",
            "compression": "LZ4",
            "total_uncompressed_size": "149115",
            "total_compressed_size": "13340",
            "space_saved": "91.05%",
            "encodings": [
                "RLE_DICTIONARY",
                "PLAIN",
                "RLE"
            ]
        }
    ],
    "row_groups": [
        {
            "num_columns": "2",
            "num_rows": "65409",
            "total_uncompressed_size": "179809",
            "total_compressed_size": "14163",
            "columns": [
                {
                    "name": "number",
                    "path": "number",
                    "total_compressed_size": "7070",
                    "total_uncompressed_size": "85956",
                    "have_statistics": true,
                    "statistics": {
                        "num_values": "65409",
                        "null_count": "0",
                        "distinct_count": null,
                        "min": "0",
                        "max": "999"
                    }
                },
                {
                    "name": "concat('Hello', toString(modulo(number, 1000)))",
                    "path": "concat('Hello', toString(modulo(number, 1000)))",
                    "total_compressed_size": "7093",
                    "total_uncompressed_size": "93853",
                    "have_statistics": true,
                    "statistics": {
                        "num_values": "65409",
                        "null_count": "0",
                        "distinct_count": null,
                        "min": "Hello0",
                        "max": "Hello999"
                    }
                }
            ]
        },
        ...
    ]
}