ApacheArrowJava是否有原生支持S3文件系统的实现?
创始人
2024-09-05 10:30:47
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

安装apache-beam==... 出现此错误可能是因为用户的Python版本太低,而apache-beam==2.34.0需要更高的P...
避免在粘贴双引号时向VS 20... 在粘贴双引号时向VS 2022添加反斜杠的问题通常是由于编辑器的自动转义功能引起的。为了避免这个问题...
Android Recycle... 要在Android RecyclerView中实现滑动卡片效果,可以按照以下步骤进行操作:首先,在项...
omi系统和安卓系统哪个好,揭... OMI系统和安卓系统哪个好?这个问题就像是在问“苹果和橘子哪个更甜”,每个人都有自己的答案。今天,我...
原生ios和安卓系统,原生对比... 亲爱的读者们,你是否曾好奇过,为什么你的iPhone和安卓手机在操作体验上有着天壤之别?今天,就让我...
Android - 无法确定任... 这个错误通常发生在Android项目中,表示编译Debug版本的Java代码时出现了依赖关系问题。下...
Android - NDK 预... 在Android NDK的构建过程中,LOCAL_SRC_FILES只能包含一个项目。如果需要在ND...
Akka生成Actor问题 在Akka框架中,可以使用ActorSystem对象生成Actor。但是,当我们在Actor类中尝试...
Agora-RTC-React... 出现这个错误原因是因为在 React 组件中使用,import AgoraRTC from “ago...
Alertmanager在pr... 首先,在Prometheus配置文件中,确保Alertmanager URL已正确配置。例如:ale...