Parquet File is not able to read from Spark and Hive
- Lenguaje dominante
- Java
- Estrellas
- 3.1k
- Forks
- 1.6k
- Merge medio
- 3 d 12 h
- PR fusionados (30 d)
- 33
Descripción
Issue: Caused by: java.io.IOException: Expected 35393 values in column chunk at maprfs:////path/date=20190605/caa63aa9-abfa-46e1-8221-10f6c669512d.parquet offset 4 but got 46402 values instead over 2 pages ending at file offset 341624
we are getting Avro Serialized messages from kafka which are being consumed by Spring-kafka and converted into parquet gets persisted into MaprFS(hdfs) file system.
i have tried replicating the issue in local with same Avro file but i was able to read parquet successfully, I am not sure why the parquet being corrupted in HDFS .
**Reporter**: [Prashanth pampanna desai](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=Prashanth+Desai)
**Note**: *This issue was originally created as [PARQUET-1594](https://issues.apache.org/jira/browse/PARQUET-1594). Please see the [migration documentation](https://issues.apache.org/jira/browse/PARQUET-2502) for further details.*
Guía de contribución
No hay ninguna guía de contribución indexada para este repositorio
Línea de trabajo
Comience con la IOException reportada y compare la lectura local exitosa con la ruta MapRFS/HDFS utilizada después de que Spring-kafka consuma mensajes Avro. El issue no menciona ningún archivo fuente ni ninguna prueba, y la finalización no está definida más allá de determinar por qué Spark y Hive no pueden leer el archivo Parquet persistido.
Escrito por el modelo de indexación a partir del texto del issue.
Evaluación
- Stack tecnológico
- hadoop, java, kafka, spark, spring
- Área
- data-engineering, databases, distributed-systems
- Tipo de issue
- Error
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Estado de actividad
- Estancado
- Claridad
- Necesita aclaración
- Aptitud para principiantes
- 25/100