我使用以下命令读取parquet文件:
df = spark.read.parquet(file_name)
使用以下命令获取列:
df.columns
返回一个列列表 ['col1', 'col2', 'col3']。
我读到parquet格式能够在文件中存储一些元数据。
是否有方法可以存储和读取额外的元数据,例如,附加每个列的人类描述?
谢谢。
我使用以下命令读取parquet文件:
df = spark.read.parquet(file_name)
使用以下命令获取列:
df.columns
返回一个列列表 ['col1', 'col2', 'col3']。
我读到parquet格式能够在文件中存储一些元数据。
是否有方法可以存储和读取额外的元数据,例如,附加每个列的人类描述?
谢谢。
无法在Parquet文件中读取或存储任意附加元数据。
当提到Parquet文件中的元数据时,指的是与字段相关的技术元数据,包括嵌套字段数、类型信息、长度信息等。如果查看Parquet文档中的SchemaElement类(https://static.javadoc.io/org.apache.parquet/parquet-format/2.6.0/org/apache/parquet/format/SchemaElement.html),您将找到架构中每个字段的所有可用元数据。这不包括除字段名称以外的任何人类可读的描述。
有关Parquet元数据的良好概述可以在此处的“文件格式”部分找到 - https://parquet.apache.org/documentation/latest/