ParquetMetadata

説明

Parquet ファイルメタデータ (https://parquet.apache.org/docs/file-format/metadata/) を読み取るための特別なフォーマットです。常に次の構造/内容を持つ 1 行を出力します:

num_columns - 列数
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 - すべての行グループの total_byte_size の合計として計算される、データの非圧縮バイトサイズの総量
total_compressed_size - すべての行グループの total_compressed_size の合計として計算される、データの圧縮バイトサイズの総量
columns - 次の構造を持つ列メタデータのリスト:
- name - 列名
- path - 列パス (ネストされた列の場合は name と異なります)
- max_definition_level - 最大定義レベル
- max_repetition_level - 最大反復レベル
- physical_type - 列の物理型
- logical_type - 列の論理型
- compression - この列で使用される圧縮方式
- total_uncompressed_size - すべての行グループにおける当該列の total_uncompressed_size の合計として計算される、列の非圧縮バイトサイズの総量
- total_compressed_size - すべての行グループにおける当該列の total_compressed_size の合計として計算される、列の圧縮バイトサイズの総量
- space_saved - 圧縮によって節約された容量の割合。(1 - total_compressed_size/total_uncompressed_size) として計算されます
- encodings - この列で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 - 行グループ内の列数
- num_rows - 行グループ内の行数
- total_uncompressed_size - 行グループの非圧縮バイトサイズの総量
- total_compressed_size - 行グループの圧縮バイトサイズの総量
- 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 - 列名
  - path - 列パス
  - total_compressed_size - 列の圧縮バイトサイズの総量
  - total_uncompressed_size - 行グループの非圧縮バイトサイズの総量
  - have_statistics - カラムチャンクメタデータに列統計が含まれるかどうかを示すブールフラグ
  - statistics - カラムチャンク統計 (have_statistics = false の場合、すべてのフィールドは NULL) で、次の構造を持ちます:
    - 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"
                    }
                }
            ]
        },
        ...
    ]
}

説明​

使用例​

説明

使用例