Parquet格式 - Simple Log Service

Log Service將日誌投遞到OSS後，支援儲存為不同的檔案格式，本文介紹Parquet格式。

參數配置

在配置投遞規則時，如果選擇儲存格式為Parquet，對應的參數配置如下所示。 Parquet欄位配置

相關參數說明如下表所示。

參數

說明

Key名稱

您可以在Log Service的原始日誌頁簽中查看日誌欄位的Key，將您需要投遞到OSS的欄位名（Key）有序填入，在投遞時將按照此順序組織Parquet資料，並使用該key作為Parquet資料列名。除了日誌內容的Key外，Log Service還提供保留欄位__time__、__topic__、__source__，保留欄位詳情請參見保留欄位。如果遇到如下兩種情況時，Parquet資料列的值為null。

此處配置的key在Log Service的日誌中不存在。
將string類型欄位設定為非string類型（如double、int64等），導致投遞時，轉換資料類型失敗。

說明

同一個Key在Parquet欄位中只能配置一次，不支援多次使用。
如果您的日誌中存在同名欄位（例如都為request_time），則Log Service會將其中一個欄位名顯示為request_time_0，底層儲存的欄位名仍為request_time。因此您在投遞時，只能使用原始欄位名request_time。
存在同名欄位時，系統只隨機投遞其中一個欄位的值。請盡量避免日誌中使用同名欄位。

類型

Parquet格式支援儲存string、boolean、int32、int64、float、double這6種類型的資料。其中，日誌投遞後，string類型會以Parquet中的byte_array類型進行儲存，且系統不會設定Parquet資料中logical_type欄位的值。

OSS檔案地址

投遞到OSS後，OSS檔案地址樣本如下表所示。

壓縮類型	檔案尾碼	OSS檔案地址樣本	說明
不壓縮	.parquet	oss://oss-shipper-shenzhen/ecs_test/2016/01/26/20/54_1453812893059571256_937.parquet	下載到本地，使用資料消費方式開啟。具體操作，請參見資料消費。
壓縮（snappy）	.snappy.parquet	oss://oss-shipper-shenzhen/ecs_test/2016/01/26/20/54_1453812893059571256_937.snappy.parquet	下載到本地，使用資料消費方式開啟。具體操作，請參見資料消費。

資料消費

通過E-MapReduce、Spark 、Hive消費資料。更多資訊，請參見社區文檔。

通過單機校正工具消費資料。

Python的parquet-tools可以用於驗證Parquet格式的檔案、查看詳細資料、讀取資料內容。您可以自行安裝或者使用如下命令安裝。

pip3 install parquet-tools

查看Parquet檔案指定列的內容。

命令

例如查看remote_addr、body_bytes_sent列。

parquet-tools show -n 2 -c remote_addr,body_bytes_sent 44_1693464263000000000_2288ff590970d092.parquet

返回結果

+----------------+-------------------+
| remote_addr    |   body_bytes_sent |
|----------------+-------------------|
| 61.243.1.63    |           b'1904' |
| 112.235.74.182 |           b'4996' |
+----------------+-------------------+

查看Parquet檔案內容，也可以使用轉成CSV格式的命令。

命令

parquet-tools csv -n 2 44_1693464263000000000_2288ff590970d092.parquet

返回結果

remote_addr,body_bytes_sent,time_local,request_method,request_uri,http_user_agent,remote_user,request_time,request_length,http_referer,host,http_x_forwarded_for,upstream_response_time,status
b'61.**.**.63',b'1904',b'31/Aug/2023:06:44:01',b'GET',b'/request/path-0/file-7',"b'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_5_8) AppleWebKit/535.1 (KHTML, like Gecko) Chrome/14.0.801.0 Safari/535.1'",b'uh2z',b'49',b'4082',b'www.kwm.mock.com',b'www.ap.mock.com',b'222.**.**.161',b'2.63',b'200'
b'112.**.**.182',b'4996',b'31/Aug/2023:06:44:01',b'GET',b'/request/path-1/file-5',b'Mozilla/5.0 (Windows NT 6.1; de;rv:12.0) Gecko/20120403211507 Firefox/12.0',b'tix',b'71',b'1862',b'www.gx.mock.com',b'www.da.mock.com',b'36.**.**.237',b'2.43',b'200'

查看Parquet檔案的詳細資料的命令。

命令

parquet-tools inspect 44_1693464263000000000_2288ff590970d092.parquet

返回結果

############ file meta data ############
created_by: SLS version 1
num_columns: 14
num_rows: 4661
num_row_groups: 1
format_version: 1.0
serialized_size: 2345


############ Columns ############
remote_addr
body_bytes_sent
time_local
request_method
request_uri
http_user_agent
remote_user
request_time
request_length
http_referer
host
http_x_forwarded_for
upstream_response_time
status

############ Column(remote_addr) ############
name: remote_addr
path: remote_addr
max_definition_level: 1
max_repetition_level: 0
physical_type: BYTE_ARRAY
logical_type: None
converted_type (legacy): NONE
compression: UNCOMPRESSED (space_saved: 0%)
......