Merging two valid parquet files produces a corrupted result file in 1.12.1
- Lenguaje dominante
- Java
- Estrellas
- 3.1k
- Forks
- 1.6k
- Merge medio
- 3 d 12 h
- PR fusionados (30 d)
- 33
Descripción
This ticket relates to PARQUET-2027. In the previous ticket for two parquet files produced by 1.11.x merging was failing in 1.12.0. For 1.12.1 merging was fixed, i. e. it doesn't fail. But in the same time it results with a corrupted output file. The error:
```java
Dictionary page must be before data page.
```
is thrown when one tries to read it. It comes from this .
I attached two example input files and the outcome of merging.
**Reporter**: [Matthew M](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=eltherion)
#### Original Issue Attachments:
- [input_file1.parquet](https://issues.apache.org/jira/secure/attachment/13034644/input_file1.parquet)
- [input_file2.parquet](https://issues.apache.org/jira/secure/attachment/13034643/input_file2.parquet)
- [output_file.parquet](https://issues.apache.org/jira/secure/attachment/13034642/output_file.parquet)
**Note**: *This issue was originally created as [PARQUET-2100](https://issues.apache.org/jira/browse/PARQUET-2100). 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
Reproduce la combinación con input_file1.parquet e input_file2.parquet usando 1.12.1 y, después, intenta leer output_file.parquet para confirmar el error de la página de diccionario. Compare el fallo con PARQUET-2027 e inspeccione la línea 712 referenciada de parquet-cpp record_reader.cc. Se considera terminado cuando la salida combinada se puede leer sin la corrupción indicada.
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