tocdepth: 2

Конвертация CSV файла в Parquet формат

Parquet — это открытый, колоночный формат хранения данных, совместимый с большинством фреймворков обработки данных в среде Hadoop.

Он обеспечивает эффективные схемы сжатия и кодирования данных, которые максимизируют эффективность хранения на дисках, и предоставляет повышенную производительность для обработки сложных данных в больших объемах.

Используя DLI, можно легко конвертировать данные формата CSV в формат Parquet.

Выберите сервис Storage → Object Storage Service.
Нажмите на имя нужного бакета.

Подсказка

Если нужного бакета нет, создайте его.
Перейдите в раздел Objects и нажмите Upload Object.
Нажмите Add file и выберите файл CSV формата. Нажмите Upload.
Перейдите в сервис Data Lake Insight.
В боковом меню выберите SQL Editor.
Введите в строку запрос на создание таблицы и нажмите Execute:
```
create table test_csv(id1 int, id2 int, id3 int, id4 int, id5 int)  using csv options(path 's3a://dli-test/test/test_name.csv')
```
где
- test_csv — это имя создаваемой таблицы;
- dli-test/test/test_name.csv — путь к файлу таблицы CSV формата, загруженной в бакет (например, dli-test — бакет, test — папка, test_name.csv — файл).
Если запрос прошел успешно внизу появится соответствующая надпись.
Запросите данные из таблицы test_csv и нажмите Execute:
```
Select * from demo.test_csv
```
где
- demo — это имя базы данных;
- test_csv — это имя таблицы.
Введите в строку запрос на создание таблицы в бакете OBS:
```
CREATE TABLE `test_parquet` (`id1` INT, `id2` INT, `id3` INT, `id4` INT, `id5`INT) USING parquet OPTIONS (path 's3a://dli-test/test/')
```
где
- test_parquet — это имя создаваемой таблицы;
- dli-test/test/ — путь к файлу в бакете OBS (например, dli-test — бакет, test — папка).
Примечание

Указывать файл формата Parquet не нужно, т. к. файл будет создан только после загрузки данных в таблицу.
Теперь можно загрузить данные из таблицы CSV в таблицу Parquet. Введите запрос и нажмите Execute:
```
insert into test_parquet select * from test_csv
```
где
- test_parquet — это имя таблицы Parquet;
- test_csv — имя таблицы CSV в базе данных DLI.
Проверьте результат в бакете OBS — будет загружен файл с данными в формате Parquet.