如何解决使用 PyArrow + Parquet + Google Cloud Storage 时如何实现谓词下推?
我真正想做的是(在 Python 中):
import pyarrow.parquet as pq
# Note the 'columns' predicate...
table = pq.read_table('gs://my_bucket/my_blob.parquet',columns=['a','b','c'])
首先,我认为从 V3.0.0 开始,PyArrow 不支持 gs://。 所以我必须修改代码才能使用fsspec接口:https://arrow.apache.org/docs/python/filesystems.html
import pyarrow.parquet as pq
import gcsfs
fs = gcsfs.GCSFileSystem(project='my-google-project')
with fs.open('my_bucket/my_blob.parquet','rb') as file:
table = pq.read_table(file.read(),'c'])
这是否实现了谓词下推(我对此表示怀疑,因为我已经用 file.read() 准备了整个文件),还是有更好的方法来实现?
解决方法
这行得通吗?
import pyarrow.parquet as pq
import gcsfs
fs = gcsfs.GCSFileSystem(project='my-google-project')
table = pq.read_table('gs://my_bucket/my_blob.parquet',columns=['a','b','c'],filesystem=fs)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。