Cannot read schema from parquet file
- Lenguaje dominante
- Java
- Estrellas
- 3.1k
- Forks
- 1.6k
- Merge medio
- 3 d 12 h
- PR fusionados (30 d)
- 33
Descripción
I'm trying to generate a Avro schema from a parquet file. I get the issue both when using in Intellij as well as when I'm using my own implementation of generating a schema.
The parquet file contains nested entries and arrays: \{"a": a, "b": [{"c": c}]}
I get the following error message:
```java
org.apache.avro.SchemaParseException: Can't redefine: element
at org.apache.avro.Schema$Names.put(Schema.java:1547)
at org.apache.avro.Schema$NamedSchema.writeNameRef(Schema.java:810)
at org.apache.avro.Schema$RecordSchema.toJson(Schema.java:972)
at org.apache.avro.Schema$UnionSchema.toJson(Schema.java:1239)
at org.apache.avro.Schema$RecordSchema.fieldsToJson(Schema.java:1000)
at org.apache.avro.Schema$RecordSchema.toJson(Schema.java:984)
at org.apache.avro.Schema$ArraySchema.toJson(Schema.java:1134)
at org.apache.avro.Schema$UnionSchema.toJson(Schema.java:1239)
at org.apache.avro.Schema$RecordSchema.fieldsToJson(Schema.java:1000)
at org.apache.avro.Schema$RecordSchema.toJson(Schema.java:984)
at org.apache.avro.Schema$UnionSchema.toJson(Schema.java:1239)
at org.apache.avro.Schema$RecordSchema.fieldsToJson(Schema.java:1000)
at org.apache.avro.Schema$RecordSchema.toJson(Schema.java:984)
at org.apache.avro.Schema.toString(Schema.java:424)
at org.apache.avro.Schema.toString(Schema.java:396)
at uk.co.hadoopathome.intellij.viewer.fileformat.ParquetFileReader.getSchema(ParquetFileReader.java:65)
at uk.co.hadoopathome.intellij.viewer.FileViewerToolWindow$2.doInBackground(FileViewerToolWindow.java:196)
at uk.co.hadoopathome.intellij.viewer.FileViewerToolWindow$2.doInBackground(FileViewerToolWindow.java:184)
at java.desktop/javax.swing.SwingWorker$1.call(SwingWorker.java:304)
at java.base/java.util.concurrent.FutureTask.run(FutureTask.java:264)
at java.desktop/javax.swing.SwingWorker.run(SwingWorker.java:343)
at java.base/java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1128)
at java.base/java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:628)
at java.base/java.lang.Thread.run(Thread.java:829)
```
It appears to be an issue similar to [PARQUET-1441](https://issues.apache.org/jira/browse/PARQUET-1441) or [PARQUET-1409](https://issues.apache.org/jira/browse/PARQUET-1409).
Or could it possibly be something wrong in my parquet file?
**Reporter**: [Nils Broman](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=nils.scila)
**Note**: *This issue was originally created as [PARQUET-2153](https://issues.apache.org/jira/browse/PARQUET-2153). 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 uk.co.hadoopathome.intellij.viewer.fileformat.ParquetFileReader.getSchema, identificado en la línea 65 del stack trace, y reproduzca el fallo con un archivo Parquet que contenga entradas anidadas y arrays. Compare el comportamiento con PARQUET-1441 y PARQUET-1409; se considera terminado cuando se haya establecido si el archivo de entrada o la conversión del esquema de parquet-java causa la Avro SchemaParseException.
Escrito por el modelo de indexación a partir del texto del issue.
Evaluación
- Stack tecnológico
- java
- Área
- data
- Tipo de issue
- Error
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Estado de actividad
- Estancado
- Claridad
- Necesita aclaración
- Aptitud para principiantes
- 25/100