Parquet学习与使用之BloomFilter的应用
创始人
2024-05-29 15:50:16

写在前面

最近在自己做自定义的OLAP系统，文件格式上用的是Parquet，但是发现Parquet各个API的示例代码很少。所以就打算把这个系列的文章写一下。

1. Parquet的Filter

Parquet的过滤支持两大类，一类是基于Footer中的元数据进行RowGroup级别的过滤；这种过滤能够实现减少IO的目的，它通过元数据里的信息直接可以实现跳过RowGroup的读取。
另一类是对每一行进行过滤，此类对于减少IO没有作用，只是代码优雅一些，不用把所有的数据都读到客户端代码里进行过滤。

2. Parquet对RowGroup的过滤的基本介绍

当前最新版本1.12.x 中支持3类：

  1. 字典 - 如果列的值域空间不大，则用字典（parquet能够自己识别是否使用字典作为一列的过滤器）
  2. statistics - 数值型的min/max
  3. bloomFilter - 如果列值域比较大，则不是相对分段聚合的，则无法用1-2.则考虑用bloomFilter（如果使用bloomFilter需要在写入时指定要使用bloomFilter的列）

3. Parquet 应用BloomFilter的示例代码

3.1 写入Parquet文件

并指定user_id列使用BloomFilter

        ParquetWriter parquetWriter = AvroParquetWriter.builder(path).withSchema(userFlowTraceSchema).withCompressionCodec(CompressionCodecName.GZIP).withBloomFilterEnabled("user_id", true).build();
 

3.2 读取Parquet文件
 

目前BloomFilter仅支持Eq和In操作；其他类型和自定义的操作都直接被返回了 BLOCK_MIGHT_MATCH（true）- 即不过滤
 源码见：org.apache.parquet.filter2.bloomfilterlevel.BloomFilterImpl
 

读取文件，并使用BloomFilter的示例：
 

GroupReadSupport readSupport = new GroupReadSupport();
String targetUserId1 = "9639102999811";
String targetUserId2 = "9639102999711";
Filter bloomFilterIn = FilterCompat.get(FilterApi.in(FilterApi.binaryColumn("user_id"),Sets.newHashSet(Binary.fromString(targetUserId1),Binary.fromString(targetUserId2))));
ParquetReader reader = ParquetReader.builder(readSupport, path).withFilter(bloomFilterIn).build();

                
            
            
            

                
               
            

            

                

                    上一篇：【数据库】排名问题

                

                

                    下一篇：【我的Android开发】AMS中Activity栈管理                

            

            
            

                
                
相关内容

                
            

            

            
            

                 

            



        
        
    
    

    
    

        
        

            
            

                
                

                    
                    

                        
                        热门资讯
                        
                    

                    
                

                
            

            
            
            


                                
                

                    
                    
                    
                    
                    

                        与文物面对面！镇江实验学校学子...
                        转自：扬子晚报扬子晚报网12月29日讯（通讯员 孙冬 王婧 记者 姜天圣）为打破传统课堂边界，推动思...
                    

                    
                

                                
                

                    
                    
                    
                    
                    

                        要下雪了！冷空气这天抵达，有一...
                        我市今天晴到多云。莲都城区今天最低气温3.1℃，白天最高气温18.4℃。天气要点✦天气提醒：本周我市...
                    

                    
                

                                
                

                    
                    
                    
                    
                    

                        龙蟠科技(603906.SH)...
                        龙蟠科技(603906.SH)公告，2025年四季度以来，公司控股子公司常州锂源新能源科技有限公司(...
                    

                    
                

                                
                

                    
                    
                    
                    
                    

                        中国贸促会：10月美印全球经贸...
                        中新社北京12月29日电 (记者 尹倩芸)中国贸促会29日发布10月份全球经贸摩擦指数。贸促会新闻发...
                    

                    
                

                                
                

                    
                    
                    
                    
                    

                        悦康药业：已向香港联交所递交H...
                        人民财讯12月29日电，悦康药业(688658)12月29日公告，公司已于12月29日向香港联交所递...