ApacheArrowJava是否有原生支持S3文件系统的实现?
创始人
2024-09-05 10:31:25
0

Apache Arrow Java 目前并没有原生支持 S3 文件系统的实现,但是可以通过使用 AWS SDK for Java 来将 S3 上的数据读入 Arrow 中。以下是使用 AWS SDK for Java 读取 S3 上的 CSV 文件,然后转换为 Arrow RecordBatch 的示例代码:

import java.io.IOException;
import java.io.InputStream;
import java.nio.ByteBuffer;
import java.nio.charset.Charset;
import java.util.List;

import org.apache.arrow.memory.RootAllocator;
import org.apache.arrow.vector.FieldVector;
import org.apache.arrow.vector.VectorSchemaRoot;
import org.apache.arrow.vector.ipc.ArrowStreamReader;
import org.apache.arrow.vector.types.Types.MinorType;
import org.apache.arrow.vector.types.pojo.Field;
import org.apache.arrow.vector.types.pojo.Schema;
import org.apache.commons.csv.CSVFormat;
import org.apache.commons.csv.CSVParser;
import org.apache.commons.csv.CSVRecord;

import com.amazonaws.services.s3.AmazonS3;
import com.amazonaws.services.s3.AmazonS3ClientBuilder;
import com.amazonaws.services.s3.model.GetObjectRequest;

public class S3ToArrow {
  public static void main(String[] args) throws IOException {
    String bucketName = "my-bucket";
    String key = "path/to/my/file.csv";

    AmazonS3 s3Client = AmazonS3ClientBuilder.defaultClient();
    InputStream input = s3Client.getObject(new GetObjectRequest(bucketName, key)).getObjectContent();

    CSVParser csvParser = CSVParser.parse(input, Charset.defaultCharset(), CSVFormat.DEFAULT.withHeader());

    Schema schema = new Schema(List.of(new Field("field1", MinorType.VARCHAR.getType()), new Field("field2", MinorType.INT.getType())));

    VectorSchemaRoot root = VectorSchemaRoot.create(schema, new RootAllocator(Long.MAX_VALUE));
    for (FieldVector fv : root.getFieldVectors()) {
      fv.allocateNew();
    }

    for (CSVRecord record : csvParser) {
      int rowId = root.getRowCount();
      root.setRowCount(rowId + 1);

      String field1Value = record.get("field1");
      int field2Value = Integer.parseInt(record.get("field2"));

      ((FieldVector) root.getVector("field1")).setSafe(rowId, field1Value.getBytes());
      ((FieldVector) root.getVector("field2")).setSafe(rowId, field2Value);
    }

    ArrowStreamReader arrowReader = new ArrowStreamReader(input, new RootAllocator(Long.MAX_VALUE));
    VectorSchemaRoot root2 = arrowReader.getVectorSchemaRoot();
  }
}

这个示例程序首先使用 AWS SDK for Java 从 S3 上读取 CSV 文件内容,然后使用 Apache Arrow Java 将 CSV 数据转换为 RecordBatch

相关内容

热门资讯

保存时出现了1个错误,导致这篇... 当保存文章时出现错误时,可以通过以下步骤解决问题:查看错误信息:查看错误提示信息可以帮助我们了解具体...
汇川伺服电机位置控制模式参数配... 1. 基本控制参数设置 1)设置位置控制模式   2)绝对值位置线性模...
不能访问光猫的的管理页面 光猫是现代家庭宽带网络的重要组成部分,它可以提供高速稳定的网络连接。但是,有时候我们会遇到不能访问光...
本地主机上的图像未显示 问题描述:在本地主机上显示图像时,图像未能正常显示。解决方法:以下是一些可能的解决方法,具体取决于问...
不一致的条件格式 要解决不一致的条件格式问题,可以按照以下步骤进行:确定条件格式的规则:首先,需要明确条件格式的规则是...
表格中数据未显示 当表格中的数据未显示时,可能是由于以下几个原因导致的:HTML代码问题:检查表格的HTML代码是否正...
表格列调整大小出现问题 问题描述:表格列调整大小出现问题,无法正常调整列宽。解决方法:检查表格的布局方式是否正确。确保表格使...
Android|无法访问或保存... 这个问题可能是由于权限设置不正确导致的。您需要在应用程序清单文件中添加以下代码来请求适当的权限:此外...
【NI Multisim 14...   目录 序言 一、工具栏 🍊1.“标准”工具栏 🍊 2.视图工具...
银河麒麟V10SP1高级服务器... 银河麒麟高级服务器操作系统简介: 银河麒麟高级服务器操作系统V10是针对企业级关键业务...