apache / apache/parquet-java

AvroReadSupport.setRequestedProjection in 1.11.1+ not backwards compatible with MAPS

Abierto
#2,610 2 comentarios 0 reacciones 0 asignados Ver en GitHub
Component: Avro Component: Java Component: Parquet Priority: Minor Type: bug
Lenguaje dominante
Java
Estrellas
3.1k
Forks
1.6k
Merge medio
3 d 12 h
PR fusionados (30 d)
33

Descripción

 

using AvroReadSupport.setRequestedProjection in 1.11.1 reading a 1.10.0 generated parquet file sets MAP fields to null (and vice versa 1.10.0 reader against a 1.11.1 generated file) 

- Not using a projected schema works, the map fields are converted correctly.
In my case. Parquet file is generated by hive 
```java

CREATE TABLE parquetmaptest (
a string,
b MAP
)
STORED AS PARQUET
tblproperties(
"parquet.compression"="SNAPPY"
);
insert into parquetmaptest select "a",map("k1","v1","k2","v2");
```

Using parquet-avro 1.11.1 (and appropriate dependencies) result in field "b" being null. 
```java

data:null
row:{"a": "a", "b": null}
```
Using parquet-avro 1.11.0 (and appropriate dependencies) result in field "b" being  the right map value.  
```java

data:{k1=v1, k2=v2}
row:{"a": "a", "b": {"k1": "v1", "k2": "v2"}}
```
 

**Reporter**: [Bil Bingham](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=bilbingham)
#### Original Issue Attachments:
- [PQMapTest.java](https://issues.apache.org/jira/secure/attachment/13024749/PQMapTest.java)

**Note**: *This issue was originally created as [PARQUET-2039](https://issues.apache.org/jira/browse/PARQUET-2039). 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

Comienza con el PQMapTest.java adjunto y la ruta de AvroReadSupport.setRequestedProjection, comparando parquet-avro 1.11.1 con 1.10.0 en el archivo MAP generado por Hive. Reproduce primero el fallo de lectura proyectada; estará terminado cuando los campos de mapa proyectados sigan estando poblados al usar los archivos y los lectores cualquiera de las dos versiones.

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

Evaluación

Stack tecnológico
java
Área
data-engineering
Tipo de issue
Error
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.