apache / apache/parquet-java

Parquet File is not able to read from Spark and Hive

オープン
#2,335 コメント 0 件 リアクション 0 件 担当者 0 名 GitHub で見る
Component: Java Component: Parquet Priority: Major Type: bug
主要言語
Java
スター
3.1k
フォーク
1.6k
平均マージ
3日 12時間
マージ済み PR(30日)
33

説明

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.*

コントリビューションガイド

このリポジトリのコントリビューションガイドは索引されていません

調査の方向性

報告された IOException から始め、Spring-kafka が Avro メッセージを消費した後に使用される MapRFS/HDFS パスと、ローカルで成功する読み取りを比較してください。issue にはソースファイルもテストも記載されておらず、完了条件も、Spark と Hive が永続化された Parquet ファイルを読み取れない理由を特定すること以上には定義されていません。

索引モデルが issue の本文から書いたものです。

評価

技術スタック
hadoop, java, kafka, spark, spring
領域
data-engineering, databases, distributed-systems
issue の種類
バグ
難易度
5/5
見積もり時間
1週間以上
活発さ
停滞
明瞭さ
説明が足りない
初心者へのやさしさ
25/100

新しい issue をメールで受け取る

初心者向けの GitHub issue を短くまとめたダイジェスト。