dremio 比较依赖parquet 存储格式，同时对于parquet 的处理进行了不少的优化
读parquet 文件
3.1.3 提供了支持非堆内存的操作，3.2 增强了对于云parquet reader 的处理
parquet 的一些限制
- 多结构嵌套的支持限制到16
- 数组最大元素个数限制为128
- 最大footer 限制到16m
推荐的配置
- row groups ， 推荐一个row grouo 一个文件，大多数数据集的目标为 1MB-25MB 列条带（理想情况下）,同时dremio 默认partest 大小为256m，store.parquet.block-size 配置，可以修改
- pages， 页面压缩使用snappy, page size 为100k
- Statistics，推荐使用最新的包生成，避免问题
说明
以上dremio 关于parquet 的说明以及限制，是值得参考学习的，尤其是希望自己生成parquet 的是比较重要的，否则dremio 对于数据是不能读取的
参考资料
https://www.dremio.com/blog/tuning-parquet/
https://docs.dremio.com/software/data-formats/parquet-files/
Original: https://www.cnblogs.com/rongfengliang/p/16548712.html
Author: 荣锋亮
Title: dremio 对于parquet 文件的一些要求以及优化处理
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/545894/
转载文章受原作者版权保护。转载请注明原作者出处！