ParquetMetadata

Описание

Специальный формат для чтения метаданных файлов Parquet (https://parquet.apache.org/docs/file-format/metadata/). Он всегда выводит одну строку со следующей структурой/содержимым:

• num_columns - количество колонок
• ``num_rows` - общее количество строк
• num_row_groups - общее количество групп строк
• format_version - версия формата parquet, всегда 1.0 или 2.6
• total_uncompressed_size - общий размер данных в не сжатом виде в байтах, рассчитывается как сумма total_byte_size из всех групп строк
• total_compressed_size - общий размер данных в сжатом виде в байтах, рассчитывается как сумма total_compressed_size из всех групп строк
• columns - список метаданных колонок со следующей структурой:
  • name - имя колонки
  • path - путь колонки (отличается от имени для вложенной колонки)
  • max_definition_level - максимальный уровень определения
  • max_repetition_level - максимальный уровень повторения
  • physical_type - физический тип колонки
  • logical_type - логический тип колонки
  • compression - сжатие, используемое для этой колонки
  • total_uncompressed_size - общий размер данных в не сжатом виде в байтах для колонки, рассчитываемый как сумма total_uncompressed_size колонки из всех групп строк
  • total_compressed_size - общий размер данных в сжатом виде в байтах для колонки, рассчитываемый как сумма total_compressed_size колонки из всех групп строк
  • space_saved - процент сэкономленного пространства за счет сжатия, рассчитываемый как (1 - total_compressed_size/total_uncompressed_size).
  • encodings - список кодировок, используемых для этой колонки
• row_groups - список метаданных групп строк со следующей структурой:
  • num_columns - количество колонок в группе строк
  • num_rows - количество строк в группе строк
  • total_uncompressed_size - общий размер группы строк в не сжатом виде в байтах
  • total_compressed_size - общий размер группы строк в сжатом виде в байтах
  • columns - список метаданных чанков колонок со следующей структурой:
    • name - имя колонки
    • path - путь колонки
    • total_compressed_size - общий размер колонок в сжатом виде в байтах
    • total_uncompressed_size - общий размер группы строк в не сжатом виде в байтах
    • have_statistics - булевый флаг, указывающий, содержит ли метаданные чанка колонки статистику колонки
    • statistics - статистика чанка колонки (все поля равны NULL, если have_statistics = false) со следующей структурой:
      • num_values - количество ненулевых значений в чанке колонки
      • null_count - количество значений NULL в чанке колонки
      • distinct_count - количество различных значений в чанке колонки
      • min - минимальное значение в чанке колонки
      • max - максимальное значение в чанке колонки

Пример использования

Пример: