ApacheArrowJava是否有原生支持S3文件系统的实现?
创始人
2024-09-05 10:30:27
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

一次性透视!aapoker破解... 一次性透视!aapoker破解侠是真的“推荐开挂辅助器”1、aapoker破解侠是真的系统规律教程、...
第一次性发现!指尖四川辅助脚本... 第一次性发现!指尖四川辅助脚本“解谜开挂辅助插件”亲,关键说明,指尖四川辅助脚本赛季回归,指尖四川辅...
六次性领会!指尖四川辅助脚本视... 六次性领会!指尖四川辅助脚本视频“揭幕开挂辅助教程”1、上手简单,内置详细流程视频教学,新手小白可以...
9次性普及!掌电竞技辅助器“解... 9次性普及!掌电竞技辅助器“解密开挂辅助插件”一、掌电竞技辅助器AI软件牌型概率发牌机制”必胜“技巧...
第8次性掌握!赣牌圈修改器“推... 第8次性掌握!赣牌圈修改器“推荐开挂辅助app”1、上手简单,内置详细流程视频教学,新手小白可以快速...
三次性了解!大菠萝789辅助“... 三次性了解!大菠萝789辅助“解迷开挂辅助神器”1、首先打开大菠萝789辅助最新版本,在大菠萝789...
第二次性私人局!欢聚水鱼神器“... 第二次性私人局!欢聚水鱼神器“曝光开挂辅助器”1、超多福利:超高返利,海量正版游戏,欢聚水鱼神器系统...
3次性理解!闲逸辅助软件“专业... 3次性理解!闲逸辅助软件“专业开挂辅助插件”闲逸辅助软件辅助器中分为三种模型:闲逸辅助软件软件透明挂...
第五次性掌握!皮皮游戏辅助工具... 第五次性掌握!皮皮游戏辅助工具“揭露开挂辅助教程”在进入皮皮游戏辅助工具辅助挂后,参与本局比赛的八名...
1次性晓得!沧海十三水私人局辅... 1次性晓得!沧海十三水私人局辅助器“分享开挂辅助器”沧海十三水私人局辅助器是一种具有地方特色的麻将游...