apache / apache/parquet-java

Add an option to allow auto conversion from empty fields to NULL

Abierto
#2,549 0 comentarios 0 reacciones 0 asignados Ver en GitHub
Component: Java Component: Parquet Priority: Minor Type: enhancement
Lenguaje dominante
Java
Estrellas
3.1k
Forks
1.6k
Merge medio
3 d 12 h
PR fusionados (30 d)
33

Descripción

Right now, Parquet Writer throws out an exception:

`Parquet record is malformed: empty fields are illegal, the field should be ommited completely instead`

when an empty field (array or struct or map I guess?) is written.

The suggestion here is to add an option "auto_convert_empty_fields_to_null" that convert empty fields to null automatically on write.

The LOC to change is [here:](https://sourcegraph.com/github.com/apache/parquet-mr/-/blob/parquet-column/src/main/java/org/apache/parquet/io/MessageColumnIO.java#L328)
> `if (emptyField) {`
> ` {{   throw new ParquetEncodingException("empty fields are illegal, the field should be ommited completely instead");`}}
> ``}
 

**Reporter**: [Zheng Shao](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=zshao)

**Note**: *This issue was originally created as [PARQUET-1945](https://issues.apache.org/jira/browse/PARQUET-1945). 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 en parquet-column/src/main/java/org/apache/parquet/io/MessageColumnIO.java, alrededor del bloque `if (emptyField)` de la línea 328, y siga después cómo las opciones de Parquet Writer llegan a este código. Determine dónde debe ubicarse la opción `auto_convert_empty_fields_to_null` y verifique que los arrays, structs o maps vacíos se escriban como null en lugar de provocar la excepción de registro malformado; el issue no indica ningún archivo de prueba.

Escrito por el modelo de indexación a partir del texto del issue.

Evaluación

Stack tecnológico
java
Área
data
Tipo de issue
Nueva funcionalidad
Dificultad
4/5
Tiempo estimado
3-5 días
Estado de actividad
Estancado
Claridad
Bastante claro
Aptitud para principiantes
35/100

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.